Submitted by Raniere Barreto (raniere.barros@ufvjm.edu.br) on 2018-04-13T17:44:56Z
No. of bitstreams: 2
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
wallinson_oliveira_schutte.pdf: 2955879 bytes, checksum: 7d21ec1707fa5cf82b0b96642d27fa03 (MD5) / Rejected by Rodrigo Martins Cruz (rodrigo.cruz@ufvjm.edu.br), reason: Verificar refer?ncia e keywords. on 2018-04-20T15:00:26Z (GMT) / Submitted by Raniere Barreto (raniere.barros@ufvjm.edu.br) on 2018-05-15T18:16:15Z
No. of bitstreams: 2
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
wallinson_oliveira_schutte.pdf: 2955879 bytes, checksum: 7d21ec1707fa5cf82b0b96642d27fa03 (MD5) / Approved for entry into archive by Rodrigo Martins Cruz (rodrigo.cruz@ufvjm.edu.br) on 2018-05-15T19:38:43Z (GMT) No. of bitstreams: 2
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
wallinson_oliveira_schutte.pdf: 2955879 bytes, checksum: 7d21ec1707fa5cf82b0b96642d27fa03 (MD5) / Made available in DSpace on 2018-05-15T19:38:43Z (GMT). No. of bitstreams: 2
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
wallinson_oliveira_schutte.pdf: 2955879 bytes, checksum: 7d21ec1707fa5cf82b0b96642d27fa03 (MD5)
Previous issue date: 2017 / O presente estudo prop?e o desenvolvimento de duas ferramentas para se fazer a classifica??o de batimentos card?acos a fim de detectar a Isquemia Card?aca. Uma baseada em propriedades da Distribui??o Normal e Teorema de Bayes e a outra baseada em Redes Neurais Artificiais. Utilizando o banco de dados Long-Term ST Database, foi efetuado um filtro de dados, que foram agrupados pelas seguintes deriva??es: A-S, E-S, A-I, ML2, MV2, ML3, V4 e V5. Por meio dos algoritmos propostos, implementados por interm?dio da Linguagem de Programa??o PHP, p?de-se verificar a deriva??o mais prop?cia a se detectar essa doen?a. Foi
poss?vel observar as deriva??es V5 e A-S com melhores resultados utilizando-se o algoritmo h?brido. Na V5, foi obtido Sensibilidade de 100%, Especificidade de 97%, Valor Preditivo Positivo de 95.89% e Valor Preditivo Negativo de 100% e, na A-S, valores de 99.22%, 99.99%, 99.99% e 99.61% para Sensibilidade, Especificidade, Valor Preditivo Positivo e Valor Preditivo Negativo. O algoritmo de Redes Neurais Artificiais apresentou o melhor resultado para deriva??o A-S com 99.98%, 100%, 100% e 99.99% para Sensibilidade,
Especificidade, Valor Preditivo Positivo e Valor Preditivo Negativo respectivamente. Tamb?m foi calculado o intervalo de confian?a para propor??es populacionais com 95% de confian?a, a fim de se estabelecer n?veis de precis?o das bases utilizadas. / Disserta??o (Mestrado Profissional) ? Programa de P?s-Gradua??o em Tecnologia, Sa?de e Sociedade, Universidade Federal dos Vales do Jequitinhonha e Mucuri, 2017. / The present study proposes the development of two tools to classify heart beats in order to detect cardiac ischemia. One based on properties of Normal Distribution and Bayes' Theorem and the other based on Artificial Neural Networks. Using the Long-Term ST Database, a data filter was performed, which was grouped by the following derivations: A-S, E-S, A-I, ML2, MV2, ML3 and V4, V5. By means of the algorithms proposed, implemented through the PHP Programming Language, we could verify the most favorable derivation to detect this disease. It was possible to observe the V5 and A-S leads with better results using the hybrid algorithm. In V5, 100% sensitivity, 97% specificity, 95.89% positive predictive value and 100% negative predictive value were obtained, and in A-S, values of 99.22%, 99.99%, 99.99% and 99.61% for sensitivity, specificity, positive predictive value, and negative predictive value. The algorithm of Artificial Neural Networks presented the best result for A-S derivation with 99.98%, 100%, 100% and 99.99% for sensitivity, specificity, positive predictive value and negative predictive value respectively. We also calculated the confidence interval for population proportions with 95% confidence in order to establish precision levels of the bases
used. / El presente estudio propone el desarrollo de dos herramientas para la clasificaci?n de los
latidos del coraz?n con el fin de detectar la isquemia card?aca. Uno basado en las propiedades
de la Distribuci?n Normal y el Teorema de Bayes y el otro basado en las Redes Neuronales
Artificiales. Utilizando la base de datos Long-Term ST Database, se llev? a cabo un filtro de
datos, que fueron agrupados seg?n las siguientes derivaciones: a-S, E, S, A-I, ML2, MV2,
ML3, V4 y V5. Por medio de los algoritmos propuestos, implementado a trav?s del lenguaje
de programaci?n PHP, pudimos comprobar la derivaci?n m?s favorable para detectar esta
enfermedad. Fue posible observar las derivaciones V5 y A-S con mejores resultados
utilizando el algoritmo h?brido. En V5 se obtuvo una sensibilidad del 100%, uma
especificidad del 97%, 95.89% de valor predictivo positivo y 100% de valor predictivo
negativo y en A-S, valores de 99.22%, 99.99%, 99.99% y 99.61% para la sensibilidad,
especificidad, valor predictivo positivo, y valor predictivo negativo respectivamente. El
algoritmo de Redes Neuronales Artificiales present? el mejor resultado para la derivaci?n A-S
con 99.98%, 100%, 100% y 99.99% para la sensibilidad, especificidad, valor predictivo
positivo y valor predictivo negativo, respectivamente. Tambi?n fue calculado el intervalo de
confianza para proporciones de las poblaciones con 95% de confianza con el fin de establecer
los niveles de confianza precisi?n de las bases utilizadas
| Identifer | oai:union.ndltd.org:IBICT/oai:acervo.ufvjm.edu.br/jspui:1/1696 |
| Date | 29 November 2017 |
| Creators | Schutte, Wallinson Oliveira |
| Contributors | Ribeiro, Antonio Luiz Pinho, Endlich, Patrick Wander, Alves, Wederson Marcos, Oliveira, Lorena Sophia Campos de, Universidade Federal dos Vales do Jequitinhonha e Mucuri (UFVJM), Oliveira, Lorena Sophia Campos de |
| Publisher | UFVJM |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Spanish |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFVJM, instname:Universidade Federal dos Vales do Jequitinhonha e Mucuri, instacron:UFVJM |
| Rights | A concess?o da licen?a deste item refere-se ao ? termo de autoriza??o impresso assinado pelo autor, assim como na licen?a Creative Commons, com as seguintes condi??es: Na qualidade de titular dos direitos de autor da publica??o, autorizo a Universidade Federal dos Vales do Jequitinhonha e Mucuri e o IBICT a disponibilizar por meio de seus reposit?rios, sem ressarcimento dos direitos autorais, de acordo com a Lei n? 9610/98, o texto integral da obra disponibilizada, conforme permiss?es assinaladas, para fins de leitura, impress?o e/ou download, a t?tulo de divulga??o da produ??o cient?fica brasileira, e preserva??o, a partir desta data., info:eu-repo/semantics/openAccess |
Page generated in 0.0028 seconds