Publicação
Implementação de algoritmos de TensorFlow™ para detetar patologias cardíacas
| Resumo: | As doenças cardiovasculares são umas das principais doenças que prejudicam a saúde humana, atraindo cada vez mais atenção da comunidade medica. É portanto necessário que os pacientes possam fazer um exame cardiovascular em qualquer instante, sítio e com um resultado preciso no momento. É notar que muitos pacientes com estas doenças são vítimas de ataque cardíaco quando dormem e acabam por morrer por não serem resgatadas a tempo. Baseando este assunto como ponto de partida, esta dissertação foca-se no estudo do sinal do dispositivo SCG (“Seismocardiogram”), o dispositivo registra informações em tempo real do coração através de sensores sem fazer contacto com o corpo, depois utiliza tecnologia de inteligência artificial para analisar as informações registadas e alerta sobre a possível ocorrência de problemas cardíacos. O sinal da SCG é imperfeição, apesar de ser inicialmente processado por um circuito de hardware, ainda pode conter ruído, com valores incorretos e inconsistentes. Portanto, antes de trabalhar com o sinal, deve-se utilizar a técnica de pré-processamento de sinais para melhorar a qualidade dos sinais por via da eliminação e filtragem. “Wavelet transform” ou Passa banda é um método que pode efetivamente eliminar o ruído. Outro problema da atualidade, é conseguir identificar os tipos dos problemas cardíacos de forma atempada e eficiente. Devido à necessidade de analisar uma grande quantidade de dados, torna-se difícil conseguir obter estas métricas (identificação e eficiência) e consequentemente ajudar resolver este problema que abrange em grande escala a população mundial. Contudo nos últimos anos, o surgimento de métodos como “Machine Learning” permite fazer uma melhor prevenção sobre a possível ocorrência de problemas cardíacos, tendo-se tornado um das melhores métodos desenvolvidos para tal. Nesta dissertação pretende-se desenvolver um sistema que recolha dados de uma SCG “Seismocardiogram”, que integre um acelerómetro MEMS baseado na medição de tempos de “pull-in”, tais como batimentos cardíacos e respiração. Também se pretende desenvolver uma aplicação que utilize “Machine Learning” para reconhecer sinal de SCG. Outro objetivo é utilizar a biblioteca “Open Source”de “TensorFlow” para implementar um algoritmo, que seja capaz de analisar e prever a evolução de cada doente. Desta forma, é possível ter um sistema que, através do histórico de saúde e dos dados recolhidos do doente, possibilite aos médicos detetarem mais facilmente um problema cardíaco que o paciente tenha. |
|---|---|
| Autores principais: | Hao Huang |
| Assunto: | “TensorFlow” Patologia cardíaca “Machine Learning” Prevenção SCG “Seismocardiogram” Algoritmo Cardiovascular Diseases Prevention Algorithm Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática |
| Ano: | 2019 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade do Minho |
| Idioma: | português |
| Origem: | RepositóriUM - Universidade do Minho |
| Resumo: | As doenças cardiovasculares são umas das principais doenças que prejudicam a saúde humana, atraindo cada vez mais atenção da comunidade medica. É portanto necessário que os pacientes possam fazer um exame cardiovascular em qualquer instante, sítio e com um resultado preciso no momento. É notar que muitos pacientes com estas doenças são vítimas de ataque cardíaco quando dormem e acabam por morrer por não serem resgatadas a tempo. Baseando este assunto como ponto de partida, esta dissertação foca-se no estudo do sinal do dispositivo SCG (“Seismocardiogram”), o dispositivo registra informações em tempo real do coração através de sensores sem fazer contacto com o corpo, depois utiliza tecnologia de inteligência artificial para analisar as informações registadas e alerta sobre a possível ocorrência de problemas cardíacos. O sinal da SCG é imperfeição, apesar de ser inicialmente processado por um circuito de hardware, ainda pode conter ruído, com valores incorretos e inconsistentes. Portanto, antes de trabalhar com o sinal, deve-se utilizar a técnica de pré-processamento de sinais para melhorar a qualidade dos sinais por via da eliminação e filtragem. “Wavelet transform” ou Passa banda é um método que pode efetivamente eliminar o ruído. Outro problema da atualidade, é conseguir identificar os tipos dos problemas cardíacos de forma atempada e eficiente. Devido à necessidade de analisar uma grande quantidade de dados, torna-se difícil conseguir obter estas métricas (identificação e eficiência) e consequentemente ajudar resolver este problema que abrange em grande escala a população mundial. Contudo nos últimos anos, o surgimento de métodos como “Machine Learning” permite fazer uma melhor prevenção sobre a possível ocorrência de problemas cardíacos, tendo-se tornado um das melhores métodos desenvolvidos para tal. Nesta dissertação pretende-se desenvolver um sistema que recolha dados de uma SCG “Seismocardiogram”, que integre um acelerómetro MEMS baseado na medição de tempos de “pull-in”, tais como batimentos cardíacos e respiração. Também se pretende desenvolver uma aplicação que utilize “Machine Learning” para reconhecer sinal de SCG. Outro objetivo é utilizar a biblioteca “Open Source”de “TensorFlow” para implementar um algoritmo, que seja capaz de analisar e prever a evolução de cada doente. Desta forma, é possível ter um sistema que, através do histórico de saúde e dos dados recolhidos do doente, possibilite aos médicos detetarem mais facilmente um problema cardíaco que o paciente tenha. |
|---|