Detecção e classificação automática de arritmias cardíacas em sinais de eletrocardiograma utilizando redes convolutivas 2D
Loading...
Date
Authors
Advisor(s)
Co-advisor(s)
Costa Filho, Cícero Ferreira Fernandes
Committee members
Januário, Francisco de Assis Pereira
Pinagé, Frederico da Silva
Pinagé, Frederico da Silva
Graduate program
Journal Title
Journal ISSN
Volume Title
Publisher
Universidade Federal do Amazonas
Type
Access rights
DOI
Resumo (Portuguese)
O ECG é o método diagnóstico mais utilizado para identificar e classificar arritmias cardíacas, infarto do miocárdio e doença arterial coronariana. A maioria dos artigos apresentados na literatura para classificação de arritmias em eletrocardiogramas (ECG) utiliza redes convolucionais 1D. Essas redes exploram apenas as relações entre vizinhos à esquerda e à direita. Redes convolucionais 2D, por outro lado, exploram adicionalmente as relações entre vizinhos acima e abaixo, permitindo o estabelecimento de relações mais complexas entre os dados. Este estudo propõe um método para a classificação de arritmias usando redes convolucionais 2D. As amostras do sinal de ECG (1D) é convertido em uma imagem de intensidade (2D). Para o treinamento da CNN, uma nova técnica de aumento de dados é proposta utilizando janelas deslizantes. Valores de aumento de dados de até 11 vezes são alcançados. Três arquiteturas de CNN e dois métodos de otimização (SGDM e ADAM) são avaliados. O melhor resultado para a classificação de 13 arritmias, com uma precisão global de 95,80%, é obtido com o otimizador SGDM e aumento de dados.
Abstract
The ECG is the most widely used diagnostic method for identifying and classifying cardiac arrhythmias, myocardial infarction and coronary artery disease. Most articles presented in the literature for the classification of arrhythmias in ECG use 1D convolutional networks. These networks only explore relationships between left and right neighbors. On the other hand, 2D convolutional networks (CNN) also explore relationships between upstream and downstream neighbors, allowing more complex relationships to be established among the data. This study proposes a method for arrhythmia classification using 2D convolutional networks using CNN. The 1D ECG signal is converted into an intensity image. For CNN training, a new data augmentation technique is proposed using sliding windows. Data augmentation values up to 11 times are achieved. Three CNN architectures and two optimization methods (SGDM, and ADAM) are evaluated. The best result for the classification of 13 arrhythmias, with an overall accuracy of 95.80%, is obtained with the SGDM optimizer and data augmentation.
Description
Keywords
Controlled term
Eletrocardiografia; Testes de função cardíaca; Arritmias cardíacas; Redes neurais (Computação)
Sustainable Development Goals (SDG)
Citation
LEÃO, Davi Cauassa. Detecção e classificação automática de arritmias cardíacas em sinais de eletrocardiograma utilizando redes convolutivas 2D. 2024. 96 f. Dissertação (Mestrado em Engenharia Elétrica), Universidade Federal do Amazonas, Manaus, 2024.
Endorsement
Review
Supplemented By
Referenced By
Creative Commons license
Except where otherwise noted, this item's license is described as Acesso Aberto

