I. Diniz, Hiago Cassiano Pinheiro Maciel, Wesley Angelino de Souza
{"title":"Aplicação de Deep Learning para Detecção de Padrões Cardíacos em Diagnóstico Clínico","authors":"I. Diniz, Hiago Cassiano Pinheiro Maciel, Wesley Angelino de Souza","doi":"10.51162/brc.dev2021-0031","DOIUrl":null,"url":null,"abstract":"Este artigo apresenta a implementação de redes neurais artificiais, na abordagem de redes neurais profundas, voltada à análise clínica de eletrocardiograma, para facilitar o diagnóstico e assistir o cuidado aos pacientes. Neste processo, são utilizadas técnicas de tratamento e engenharia de dados, bem como o uso de aprendizado de máquina, na qual tem-se como objetivo encontrar o erro mínimo, melhor desempenho possível na assertividade do diagnóstico. Os dados para o treinamento, testes e validação da rede neural foram extraídos do Instituto Nacional de Metrologia da Alemanha, que fornece informação clínica através do site physionet.org. A base de dados de eletrocardiograma possui 549 entradas, com informação dados dos batimentos cardíacos e de outros exames anamnésicos. O processamento de dados, o desenvolvimento da rede neural e a sua estruturação, bem como os gráficos e resultados, foram desenvolvidos na linguagem python. Os resultados apresentam a viabilidade de se criar um algoritmo que possa dar a um paciente a maioria (se não toda) informação obtida através do eletrocardiograma e da anamnese e informar, com alguma precisão, a possibilidade de alguma patologia ao paciente.,","PeriodicalId":156627,"journal":{"name":"Anais do II Brazilian Congress of Development","volume":"12 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-10-20","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais do II Brazilian Congress of Development","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.51162/brc.dev2021-0031","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
Este artigo apresenta a implementação de redes neurais artificiais, na abordagem de redes neurais profundas, voltada à análise clínica de eletrocardiograma, para facilitar o diagnóstico e assistir o cuidado aos pacientes. Neste processo, são utilizadas técnicas de tratamento e engenharia de dados, bem como o uso de aprendizado de máquina, na qual tem-se como objetivo encontrar o erro mínimo, melhor desempenho possível na assertividade do diagnóstico. Os dados para o treinamento, testes e validação da rede neural foram extraídos do Instituto Nacional de Metrologia da Alemanha, que fornece informação clínica através do site physionet.org. A base de dados de eletrocardiograma possui 549 entradas, com informação dados dos batimentos cardíacos e de outros exames anamnésicos. O processamento de dados, o desenvolvimento da rede neural e a sua estruturação, bem como os gráficos e resultados, foram desenvolvidos na linguagem python. Os resultados apresentam a viabilidade de se criar um algoritmo que possa dar a um paciente a maioria (se não toda) informação obtida através do eletrocardiograma e da anamnese e informar, com alguma precisão, a possibilidade de alguma patologia ao paciente.,