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

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.,
深度学习在临床诊断中心脏模式检测的应用
本文介绍了人工神经网络在深度神经网络方法中的实现,重点是心电图的临床分析,以方便诊断和协助患者护理。在这个过程中,使用了数据处理和工程技术,以及机器学习的使用,其目标是找到最小的误差,在诊断的自信中可能的最佳性能。用于神经网络培训、测试和验证的数据来自德国国家计量研究所,该研究所通过physionet.org网站提供临床信息。心电图数据库有549条记录,包括心跳和其他记忆检查的数据。数据处理、神经网络的开发及其结构、图形和结果都是用python语言开发的。结果表明,创建一种算法是可行的,该算法可以向患者提供从心电图和回忆中获得的大部分(如果不是全部)信息,并以一定的准确性告知患者任何病理的可能性。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信