Submitted by Automação e Estatística (sst@bczm.ufrn.br) on 2018-07-02T18:48:20Z No. of bitstreams: 1 AndersonPabloNascimentoDaSilva_DISSERT.pdf: 1862430 bytes, checksum: 56232344f929e3c32bf3bf7b68861ad9 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2018-07-04T13:02:23Z (GMT) No. of bitstreams: 1 AndersonPabloNascimentoDaSilva_DISSERT.pdf: 1862430 bytes, checksum: 56232344f929e3c32bf3bf7b68861ad9 (MD5) / Made available in DSpace on 2018-07-04T13:02:23Z (GMT). No. of bitstreams: 1 AndersonPabloNascimentoDaSilva_DISSERT.pdf: 1862430 bytes, checksum: 56232344f929e3c32bf3bf7b68861ad9 (MD5) Previous issue date: 2018-02-27 / A arritmia afeta milhões de pessoas. Na Europa e América do Norte, desde 2014, a fibrilação atrial afeta cerca de 2% a 3% da população. Uma das maneiras de detectar arritmias é realizando um exame eletrocardiográfico é uma máquina de ECG que registra a atividade elétrica do coração e exibe esses dados como um traço em um papel, então esses dados são interpretados por um médico e assim dado o diagnóstico. Dessa forma, pensou-se um passo adiante em auxiliar o médico com o diagnóstico automático de arritmia cardíaca. Dessa forma, este estudo tem como propósito planejar e desenvolver uma plataforma inteligente capaz de monitorar e identificar arritmias cardíacas de forma automática e notificar profissionais da saúde, familiares e pacientes em fluxo de tempo real. Portanto, neste trabalho foram utilizados classificadores bases e comitês classificadores, como: AdaBoost, RF J48, kNN, MLP, NB e SVM. / Arrhythmia affects millions of people. In Europe and North America, since 2014, atrial fibrillation affects about 2% to 3% of the population. One of the ways to detect arrhythmias is by performing an electrocardiographic examination is an ECG machine that records the electrical activity of the heart and displays this data as a trace on a paper, then these data are interpreted by a physician and thus given the diagnosis. Thus, it was thought a step further in assisting the physician with the automatic diagnosis of cardiac arrhythmia. Thus, this study aims to plan and develop a smart platform capable of automatically monitoring and identifying cardiac arrhythmias and notifying health professionals, family members and patients in real-time flow. Therefore, we used base classifiers and classifying committees, such as: AdaBoost, RF J48, kNN, MLP, NB and SVM.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-02-24T12:24:27Z No. of bitstreams: 1 brunogouveadebarros.pdf: 4637517 bytes, checksum: 0db5f859f17bd37484772dd26a331ce5 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-02-24T15:33:28Z (GMT) No. of bitstreams: 1 brunogouveadebarros.pdf: 4637517 bytes, checksum: 0db5f859f17bd37484772dd26a331ce5 (MD5) / Made available in DSpace on 2017-02-24T15:33:28Z (GMT). No. of bitstreams: 1 brunogouveadebarros.pdf: 4637517 bytes, checksum: 0db5f859f17bd37484772dd26a331ce5 (MD5) Previous issue date: 2013-02-25 / FAPEMIG - Fundação de Amparo à Pesquisa do Estado de Minas Gerais / Os modelos computacionais tornaram-se ferramentas valiosas para o estudo e compreensão dos fenômenos da eletrofisiologia cardíaca. No entanto, a elevada complexidade dos processos biofísicos e o nível microscópico de detalhes exigem complexos modelos computacionais. Aspectos-chave da eletrofisiologia cardíaca, tais como condução lenta e bloqueio de condução tem sido tema de pesquisa de muitos estudos, uma vez que estão fortemente relacionados à arritmia cardíaca. No entanto, ao reproduzir estes fenômenos os modelos necessitam de uma discretização sub-celular para a solução das equações diferenciais e uma condutividade eléctrica do tecido não uniforme e heterogênea. Devido aos elevados custos computacionais de simulações que reproduzem a microestrutura fina do tecido cardíaco, estudos prévios têm considerado experimentos de tecido de pequenas dimensões e têm utilizados modelos simples de células cardíacas. Neste trabalho, desenvolvemos um modelo (modelo microscópico) da eletrofisiologia cardíaca que capta a microestrutura do tecido cardíaco usando uma discretização espacial muito fina (8µm) e utilizamos um modelo celular moderno e complexo baseado em Cadeias de Markov para a caracterização da estrutura e dinâmica dos canais iônicos. Para lidar com os desafios computacionais, o modelo foi paralelizado usando uma abordagem híbrida: a computação em cluster e GPGPUs (General-purpose computing on Graphics Processing Units). Nossa implementação paralela deste modelo, utilizando uma plataforma multi-GPU, foi capaz de reduzir os tempos de execução das simulações de mais de 6 dias (em um único processador) para 21 minutos (em um pequeno cluster de 8 nós equipado com 16 GPUs). Além disso, para diminuir ainda mais o custo computacional, foi desenvolvido um modelo discreto equivalente ao modelo microscópico. Este novo modelo foi paralelizado usando a mesma abordagem do modelo microscópico e foi capaz de executar simulações que demoravam 21 minutos em apenas 65 segundos. Acreditamos que esta nova implementação paralela abre caminho para a investigação de muitas questões em aberto associadas à natureza complexa e discreta da propagação dos potenciais de ação no tecido cardíaco. / Computer models have become valuable tools for the study and comprehension of the complex phenomena of cardiac electrophysiology. However, the high complexity of the biophysical processes and the microscopic level of details demand complex mathematical and computational models. Key aspects of cardiac electrophysiology, such as slow conduction, conduction block and saltatory effects have been the research topic of many studies since they are strongly related to cardiac arrhythmia. However, to reproduce these phenomena the numerical models need to use sub-cellular discretization for the solution of the PDEs and nonuniform, heterogeneous tissue electric conductivity. Due to the high computational costs of simulations that reproduce the fine microstructure of cardiac tissue, previous studies have considered tissue experiments of small or moderate sizes and used simple cardiac cell models. In this work we develop a cardiac electrophysiology model (microscopic model) that captures the microstructure of cardiac tissue by using a very fine spatial discretization (8µm) and uses a very modern and complex cell model based on Markov Chains for the characterization of ion channel's structure and dynamics. To cope with the computational challenges, the model was parallelized using a hybrid approach: cluster computing and GPGPUs (General-purpose computing on graphics processing units). Our parallel implementation of this model using a Multi-GPU platform was able to reduce the execution times of the simulations from more than 6 days (on a single processor) to 21 minutes (on a small 8-node cluster equipped with 16 GPUs). Furthermore, in order to decrease further the computational cost we have developed a discrete model equivalent to the microscopic one. This new model was also parallelized using the same approach as the microscopic model and was able to perform simulations that took 21 minutes to be executed in just 65 seconds. We believe that this new parallel implementation paves the way for the investigation of many open questions associated

Made available in DSpace on 2014-06-12T15:53:01Z (GMT). No. of bitstreams: 2 arquivo5097_1.pdf: 1368862 bytes, checksum: f59a1ce92f075a02e7efa696e12f6583 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2004 / Um modelo biofísico é uma representação simplificada e/ou abstrata de processos ou sistemas biológicos. Objetivando ampliar o conhecimento sobre a modelagem biofísica, esta Tese enfoca prioritariamente os modelos que desenvolvemos, visando contribuir com os estudos biológicos. Proteínas transportadoras do tipo canal iônico encontram-se presentes na membrana plasmática de todos os seres vivos e o primeiro modelo biofísico é uma membrana plasmática artificial, na qual há um controle da memória em canais iônicos voltagem-dependentes. No segundo modelo, em uma estrutura que apresenta superfície com circunvoluções e contendo em seu interior sítios de ligação, é simulada a estrutura molecular de proteínas. No terceiro modelo é simulado um processo de formação de padrões elétricos de ocorrência em redes neuronais que tenham conectividade lateral, os quais são similares aos padrões registrados em diferentes áreas do córtex cerebral. No quarto modelo é simulado o efeito da heterogeneidade na reentrada de ondas espirais em tecido cardíaco. Ondas espirais de atividade elétrica são relacionadas com arritmias cardíacas reentrantes, tais como a taquicardia ventricular e a fibrilação ventricular, sendo esta última a principal causa de morte súbita cardíaca. No quinto modelo foram feitas simulações com o método de Monte Carlo, possibilitando a análise de seqüências de números aleatórios em métodos terapêuticos e diagnósticos, bem como em estudos que simulam o funcionamento de sistemas biológicos, já que na área biomédica há inúmeros experimentos que não podem ser repetidos com acurácia, mesmo em condições supostamente idênticas. A osteoporose é um problema mundial de saúde pública, sendo caracterizada por uma redução na densidade mineral óssea e, através da computação gráfica, no sexto modelo é estimada a densidade mineral óssea do corpo humano, com o uso de uma função matemática interpolante. Pode-se concluir que a presente Tese traz contribuições pioneiras para os estudos biológicos