Resumo da Tese apresentada à COPPE/UFRJ como parte dos requisitos necessários para a obtenção do grau de Mestre em Ciências (M.Sc.)

Classificação de ECG Utilizando uma Rede Kohonem/Art Modificada e Sinais Temporais Sub-amostrados

Saul Luiz de Melo

Março/2000

Orientadores:

Luiz Pereira Calôba Jurandir Nadal

Programa:

Engenharia Elétrica

      A classificação dos complexos QRS do eletrocardiograma (ECG) constitui um passo importante para a monitoração automática de pacientes sob cuidados intensivos e propensos a arritmias graves, sendo objeto de estudo por mais de três décadas. Diferentes abordagens têm sido propostas, baseadas em métodos heurísticos, estatísticos e conectivos. De cada segmento de ECG contenco um complexo QRS, conjuntos de medidas diretas e estatísticas, bem como resultados de diferentes transformadas, vêm sendo extraídos e usados como variáveis discriminantes. Este trabalho mostra o desenvolvimento de um classificador automático, usando uma rede neural artificial baseada na clássica camada de Kohonen, com uma arquitetura ART modificada para admitir treinamento supervisionado. Como variáveis de entrada, foram usadas 34 amostas de cada complexo QRS, obtidas por decimação não-uniforme, e os intervalos RR entre este complexo e seus vizinhos. De cada variável, foi tomado seu valor relativo à respectiva média, calculada para os 10 complexos QRS anteriores. O classificador foi desenvolvido e testado com um banco de dados de referência. Quando a rede já treinada foi aplicada aos sinais de um conjunto independente de dados, efetuou-se um ajuste adaptativo de cada neurônio ativado, no sentido de aumentar em 10% a sua ressonância com o respectivo vetor de entrada, obtendo-se 97,67% de acurácia no resultado geral, 95,53% de sensibilidade e 94,73% de valor preditivo positivo na detecção extrassístoles ventroculares. Estes resultados situam-se entre os melhores já reportados na literatura, confirmando a aplicabilidade do método.