Autor(es): Cruz, Elisete Maria Silva Dias Alves da
Data: 2015
Identificador Persistente: http://hdl.handle.net/10400.22/8149
Origem: Repositório Científico do Instituto Politécnico do Porto
Assunto(s): Sons cardíacos; Motifs; Dados clínicos; Classificação; Diagnóstico; Heart Sounds; Motifs; Clinic data; Classification; Diagnostic; Arquiteturas, Sistemas e Redes
Este documento foi redigido no âmbito da dissertação do Mestrado em Engenharia Informática na área de Arquiteturas, Sistemas e Redes, do Departamento de Engenharia Informática, do ISEP, cujo tema é diagnóstico cardíaco a partir de dados acústicos e clínicos. O objetivo deste trabalho é produzir um método que permita diagnosticar automaticamente patologias cardíacas utilizando técnicas de classificação de data mining. Foram utilizados dois tipos de dados: sons cardíacos gravados em ambiente hospitalar e dados clínicos. Numa primeira fase, exploraram-se os sons cardíacos usando uma abordagem baseada em motifs. Numa segunda fase, utilizamos os dados clínicos anotados dos pacientes. Numa terceira fase, avaliamos a combinação das duas abordagens. Na avaliação experimental os modelos baseados em motifs obtiveram melhores resultados do que os construídos a partir dos dados clínicos. A combinação das abordagens mostrou poder ser vantajosa em situações pontuais.
This document was written as part of the Thesis of the MSc in computer science in the area of Architecture, System and Network, Department of Computer Engineering in ISEP. The main theme of this Thesis is to diagnose cardiac diseases, through acoustic and clinical data. The goal of this work is to produce a process for automatically diagnosing heart problems using data mining classification techniques. Two types of data were used: heart sounds recorded in hospitals and clinical data. Initially, we explored the heart sounds using an approach based on motifs. In a second stage, we used the clinical data of the patients. In a third phase, we evaluated the combination of both approaches. Experimental evaluation showed that models based on motifs performed better than those built from clinical data. The combination of approaches has shown to be advantageous in specific situations.
