Publicação
Deteção de patologia em sons cardíacos usando deep learning
| Resumo: | A auscultação é a principal técnica utilizada pelos profissionais de saúde para a deteção de doenças cardiovasculares (DCV). Esta técnica identifica padrões patológicos inerentes no som, o que permite determinar o estado de saúde do coração. Os profissionais de saúde estão capacitados para realizar diagnósticos clínicos a partir da avaliação da auscultação dos sons cardíacos. No entanto, os diagnósticos podem estar sujeitos a erros devido a fatores intrínsecos ao profissional (erro humano) ou devido a fatores externos como ruídos do meio ambiente. Estes erros por parte dos profissionais de saúde podem originar a realização de tratamentos desnecessários ou por outro lado a sua inexistência. Por este motivo, a criação de um sistema que consiga apoiar os profissionais de saúde na deteção de anormalidades nos batimentos cardíacos é considerada uma mais-valia. Esta dissertação tem como objetivo criar uma metodologia que consiga detetar automaticamente a existência de DCV através de sons cardíacos. Com a finalidade de desenvolver esta metodologia, foram propostas duas abordagens distintas. A primeira, é baseada em transfer learning de modelos pré-treinados. Esta abordagem permite explorar diferentes arquiteturas de Convolutional Neural Networks e aplicá-las ao contexto de sons cardíacos. Na segunda abordagem, é proposta uma arquitetura de Convolutional Neural Network para a classificação dos dados. Para treinar e avaliar estas abordagens foram usados vários conjuntos de dados balanceados e não balanceados, com a finalidade de testar as abordagens de forma eficiente e compará-las com as abordagens existentes. O melhor resultado obtido foi pela segunda abordagens utilizando SMOTE, com um overall de 86.69% e uma accuracy de 90.74%. |
|---|---|
| Autores principais: | Torres, José Pedro Inez de Meira |
| Assunto: | PCG Deep learning Doenças cardíacas CNN Transfer learning SMOTE Heart disease |
| Ano: | 2021 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Instituto Politécnico do Porto |
| Idioma: | português |
| Origem: | Repositório Científico do Instituto Politécnico do Porto |
| Resumo: | A auscultação é a principal técnica utilizada pelos profissionais de saúde para a deteção de doenças cardiovasculares (DCV). Esta técnica identifica padrões patológicos inerentes no som, o que permite determinar o estado de saúde do coração. Os profissionais de saúde estão capacitados para realizar diagnósticos clínicos a partir da avaliação da auscultação dos sons cardíacos. No entanto, os diagnósticos podem estar sujeitos a erros devido a fatores intrínsecos ao profissional (erro humano) ou devido a fatores externos como ruídos do meio ambiente. Estes erros por parte dos profissionais de saúde podem originar a realização de tratamentos desnecessários ou por outro lado a sua inexistência. Por este motivo, a criação de um sistema que consiga apoiar os profissionais de saúde na deteção de anormalidades nos batimentos cardíacos é considerada uma mais-valia. Esta dissertação tem como objetivo criar uma metodologia que consiga detetar automaticamente a existência de DCV através de sons cardíacos. Com a finalidade de desenvolver esta metodologia, foram propostas duas abordagens distintas. A primeira, é baseada em transfer learning de modelos pré-treinados. Esta abordagem permite explorar diferentes arquiteturas de Convolutional Neural Networks e aplicá-las ao contexto de sons cardíacos. Na segunda abordagem, é proposta uma arquitetura de Convolutional Neural Network para a classificação dos dados. Para treinar e avaliar estas abordagens foram usados vários conjuntos de dados balanceados e não balanceados, com a finalidade de testar as abordagens de forma eficiente e compará-las com as abordagens existentes. O melhor resultado obtido foi pela segunda abordagens utilizando SMOTE, com um overall de 86.69% e uma accuracy de 90.74%. |
|---|