Aplicação de Deep Learning para Detecção de Padrões Cardíacos em Diagnóstico Clínico

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.,