Qualificação de mestrado do discente Rafael Francisco de Oliveira, dia 28/07/2022, às 14:00.Qualificação de mestrado do discente Rafael Francisco de Oliveira, dia 28/07/2022, às 14:00. Título: Classificação Automática de Arritmias Utilizando Mapeamento de Sinais de ECG em Grafos e Redes Neurais Convolucionais de Grafos Resumo: De acordo com a Organização Mundial da Saúde (OMS), doenças cardíacas são a principal causa de morte no planeta. Embora boa parte das doenças cardíacas possam ser diagnosticadas com antecedência, o número de casos continua a crescer. Estima-se que mais de 75% dos casos acontecem em países pobres e em desenvolvimento e 17,9 milhões de pessoas morreram de doenças cardíacas apenas em 2019, representando 32% das mortes globais. Portanto, é de fundamental importância a detecção de doenças cardíacas o mais precoce possível para que medidas de prevenção e aconselhamento possam ser tomadas. Desta maneira, um modelo de classificação automática de arritmias em Eletrocardiograma (ECG) é proposto baseado em Redes Neurais de Grafos - do inglês Graph Neural Network (GNN) - mapeando cada batimento cardíaco em um grafo por meio do algoritmo Visibility Graph (VG). Utilizando o conjunto de dados MIT-BIH, foram propostos e avaliados três modelos de redes GNNs: uma rede convolucional de grafos com duas camadas (GCN-2L), outra com três camadas (GCN-3L) e GraphSAGE (GraphSAGE-4L) com quatro camadas sob o protocolo de avaliação da AAMI e o paradigma inter-patient. Os resultados iniciais mostraram desempenho favorável ao modelo GraphSAGE-4L com F1-score médio de 0,86 para as classes Normal (N), Supraventricular ectopic beat (S) e Ventricular ectopic beat (V). Com isso, novas propostas de melhorias serão avaliadas com o intuito de aumentar a performance do método proposto. Orientador: Prof. Dr. Eduardo José da Silva Luz Banca: Data: 28/07/2022 (quinta-feira) |
Departamento de Computação | ICEB | Universidade Federal de Ouro Preto
Campus Universitário Morro do Cruzeiro | CEP 35400-000 | Ouro Preto - MG, Brasil
Telefone: +55 31 3559-1692 | decom@ufop.edu.br