Submitted by Edisangela Bastos (edisangela@ufpa.br) on 2013-05-03T22:24:49Z No. of bitstreams: 1 Tese_DesenvolvimentoMetodosProcessamento.pdf: 2202478 bytes, checksum: 0463028d6becc06c5cb7982e8176b7ae (MD5) / Approved for entry into archive by Ana Rosa Silva(arosa@ufpa.br) on 2013-05-06T13:26:24Z (GMT) No. of bitstreams: 1 Tese_DesenvolvimentoMetodosProcessamento.pdf: 2202478 bytes, checksum: 0463028d6becc06c5cb7982e8176b7ae (MD5) / Made available in DSpace on 2013-05-06T13:26:24Z (GMT). No. of bitstreams: 1 Tese_DesenvolvimentoMetodosProcessamento.pdf: 2202478 bytes, checksum: 0463028d6becc06c5cb7982e8176b7ae (MD5) Previous issue date: 2012 / A monitorização ambulatorial do eletrocardiograma (ECG) permite seguir as atividades cotidianas do paciente durante períodos de 24 horas (ou ainda maiores) possibilitando o estudo de casos que pudessem ter episódios arrítmicos fatais. Entretanto, o maior desafio tecnológico que este tipo de monitorização enfrenta é a perda de informação pela presença de ruídos e artefatos quando o paciente se move. A análise do intervalo QT de despolarização e repolarização ventricular do eletrocardiograma superficial é uma técnica não invasiva com um grande valor para a diagnose e prognósticos de cardiopatias e neuropatias, assim como para a predição da morte cardíaca súbita. A análise do desvio padrão do intervalo QT proporciona informação sobre a dispersão (temporal ou espacial) da repolarização ventricular, entretanto a influencia do ruído provoca erros na detecção do final da onda T que são apreciáveis devido ao fato dos valores pequenos do desvio padrão do QT tanto para sujeitos patológicos e quanto para os sãos. O objetivo geral desta tese é melhorar os métodos de processamento do sinal de ECG ambulatorial usando inteligência computacional, especificamente os métodos relacionados com a detecção do final da onda T, e os de reconhecimento morfológico de batimentos que invalidam a análise da variabilidade do intervalo QT. É proposto e validado (em termos de exatidão e precisão) um novo método e algoritmo para estimar o final da onda T baseado no calculo de áreas de trapézios, empregando sinais da base de dados QT da Physionet. O desempenho do método proposto foi testado e comparado com um dos métodos mais usados para detectar o final da onda T: o método baseado no limiar na primeira derivada. O método de inteligência computacional sugerido combina a extração de características usando o método de análise de componentes principais não lineares e a rede neural de tipo perceptron multicamada. O método de áreas de trapézios teve um bom desempenho em condições ruidosas e não depende de nenhum limiar empírico, sendo adequado para situações com níveis de elevados de ruído de banda larga. O método de reconhecimento morfológico de batimentos foi avaliado com sinais ambulatoriais com e sem artefatos pertencentes a bases de dados de prestigio internacional, e mostrou um bom desempenho. / Ambulatory monitoring of the electrocardiogram (ECG) allows to follow the patient's daily activities during periods of 24 hours (or more) making possible the study of cases with potentially fatal arrhythmic episodes. However, the major technological challenge that this type of monitoring faces is the loss of information due to the presence movement-related noise and artefacts. The analysis of the QT interval of the surface electrocardiogram or ventricular depolarization and repolarization interval is a non-invasive technique with a high value for the diagnosis and prognostics of cardiopathies and neuropathies, as well as for the prediction of sudden cardiac death. The analysis of the QT-interval standard deviation provides information about the dispersion (time or spatial) of ventricular repolarization. Hovever the presence of noise leads to errors in the detection of the T-wave end, which are non negligible due to small values of QT standard deviation in both pathological and healthy subjects. The main aim of this PhD thesis is to improve ambulatory ECG processing methods using computational intelligence, and specifically those involved in the detection of the T wave end and morphologic recognition of heartbeats, which could invalidate the QT interval variability analysis. A new approach and algorithm was proposed to identify the T-wave end, based on the computation of Trapezium’s areas. The method was validated (in terms of accuracy and repeatability), using signals from the Physionet QT Database. The performance of the proposed method in noisy conditions has been tested and compared with one of the most used approaches for estimating the T-wave end point, based on the threshold on the first derivative. The suggested computational intelligence method combines the features extraction using non-linear principal components analysis method and the multilayer perceptron neural network. The trapezium-based approach showed a good performance in noisy conditions and does not rely on any empirical threshold. It is adequate for use in scenarios where the levels of broadband noise are significant. The beats morphologic recognition methods were evaluated using ambulatory signals with and without artefacts from international prestigious databases, showing a good performance.