Made available in DSpace on 2016-12-23T14:07:23Z (GMT). No. of bitstreams: 1
Thiago de Aguiar Caloti.pdf: 6800429 bytes, checksum: 56d236461c45a8147cd9039de11259d5 (MD5)
Previous issue date: 2013-05-13 / Diabetes mellitus (DM), usually referred to as diabetes, is a chronic disease characterized by hyperglycaemia and leads to specific long-term complications: retinopathy, neuropathy,
nephropathy and cardiomyopathy. Analysis of heart rate variation (HRV), being a noninvasive tool, has become a popular method to assess the activitie of the autonomic nervous system (ANS). Heart rate (HR) are bio-signals that are in constantly changing. These changes may be an indication of current disease or serve as a pre-warning to imminent cardiovascular diseases.
In this work, we analyse HRV signals from 360 normal and 360 diabetic subjects, using time domain, frequency domain and nonlinear techniques. Our results show that the indexes
in the time domain (RRmean, SDNN, RMSSD, pNN50 and D index), in the frequency domain (VLF, LF, HF, HFnorm and LF/HF) and the nonlinear indexes (ApEn, SampEn, SD1, SD2, s,
a1, FD, REC, DET, Lmean, Lmax and ShanEn) are clinically meaningful in the identification of patients with diabetes. The proposed diagnostic system classifies, DM patients and normal
subjects, with an accuracy of 75:69%, specificity of 80:56% and sensitivity of 70:83% / O diabetes mellitus (DM), usualmente referido como diabetes, é uma doença crônica caracterizada por hiperglicemia e leva a complicações específicas a longo prazo: retinopatia,
neuropatia, nefropatia e cardiopatia. A análise da variabilidade da frequência cardíaca (VFC), sendo uma ferramenta não invasiva, tornou-se um método amplamente empregado
em pesquisas para avaliar a atividade do sistema nervoso autônomo (SNA). A frequência cardíaca (FC) é sinal biológico que está em constante mudança. Essas mudanças podem ser
um indício de doença ou servir como um indicativo de iminentes doenças cardiovasculares.
Neste trabalho, analisam-se sinais de VFC de 360 indivíduos saudáveis e 360 indivíduos diabéticos, usando métodos no domínio do tempo, no domínio da frequência e técnicas
não lineares. Os resultados mostram que os índices no domínio do tempo (RRmean, SDNN, RMSSD, pNN50 e D index), no domínio da frequência (VLF, LF, HF, HFnorm e LF/HF) e os
índices não lineares (ApEn, SampEn, SD1, SD2, s, a1, FD, REC, DET, Lmean, Lmax e ShanEn) são clinicamente significativos na identificação de pacientes com diabetes. O sistema
de diagnóstico proposto classifica indivíduos saudáveis e com DM, com acurácia de 75:69%, especificidade de 80:56% e sensibilidade de 70:83%
Identifer | oai:union.ndltd.org:IBICT/oai:dspace2.ufes.br:10/6200 |
Date | 13 May 2013 |
Creators | Caloti, Thiago de Aguiar |
Contributors | Andreão, Rodrigo Varejão, Salles, Evandro Ottoni Teatini, Dantas, Eduardo Miranda, Sarcinelli Filho, Mário |
Publisher | Universidade Federal do Espírito Santo, Programa de Pós-Graduação em Engenharia Elétrica, UFES, BR, Robótica; Automação Inteligente; Inteligência Artificial; Processamento de Sinais; Eletrônica de Pot |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Format | text |
Source | reponame:Repositório Institucional da UFES, instname:Universidade Federal do Espírito Santo, instacron:UFES |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0018 seconds