Classificação automática de arritmias utilizando mapeamento de sinais de ECG em grafos e redes neurais convolucionais de grafos.
Nenhuma Miniatura disponível
Data
2023
Autores
Título da Revista
ISSN da Revista
Título de Volume
Editor
Resumo
Conforme a Organização Mundial da Saúde (OMS), as doenças cardíacas figuram como a
principal causa de morte em âmbito global. Embora muitas dessas condições possam ser
diagnosticadas antecipadamente, a incidência de casos segue em ascensão. Estimativas indi-
cam que mais de 75% dos casos ocorrem em países de baixa renda ou em desenvolvimento,
e 17,9 milhões de pessoas morreram de doenças cardíacas apenas em 2019, totalizando
32% das mortes globais. A persistência desse aumento de casos realça a necessidade de
novas abordagens que automatizem a detecção de arritmias em sinais de eletrocardiograma
(ECG). Na literatura, inúmeras técnicas de extração de características são utilizadas para
representar o ECG como séries temporais unidimensionais, com o intuito de classificar pa-
drões associados à arritmias. Notavelmente, abordagens baseadas em aprendizado profundo
(redes de convolução) têm obtido resultados impressionantes para tal tarefa. Entretanto,
abordagens baseadas em grafos e redes complexas foram recentemente investigadas como
alternativas para aprimorar o desempenho na detecção de arritmias, porém, ainda se
apresenta como um desafio mapear ou representar adequadamente sinais de ECG na forma
de grafos. Assim, este estudo explora a representação dos sinais de ECG em grafos por meio
do Visibility Graph (VG) e Vector Visibility Graph (VVG). Adicionalmente, utilizamos
a estrutura de grafo para a classificação de arritmias com Redes Neurais Convolucionais
de Grafos (Graph Convolutional Networks - GCNs). Experimentos envolvendo diferen-
tes arquiteturas de GCNs foram avaliados no conjunto de dados MIT-BIH, seguindo os
paradigmas inter-patient e intra-patient. Os resultados indicam que a representação dos
sinais de ECG por meio de VG e VVG é promissora, e que o VG provou ser mais eficiente
em comparação ao método VVG para as arquiteturas de GCNs exploradas. Em relação à
classe de batimentos ectópicos supraventriculares (S), os resultados evidenciam que no
paradigma inter-patient ainda há um grande desafio a ser superado. Arquiteturas mais
simples de GCNs tiveram melhores resultados do que as complexas, indicando que sua
simplicidade melhora a captura das características essenciais dos dados e evita ruídos.
Essas arquiteturas também são mais eficientes computacionalmente, o que é importante
em cenários de recursos limitados.
Descrição
Programa de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto.
Palavras-chave
Arritmia, Eletrocardiograma, Redes Neurais, Classificação
Citação
OLIVEIRA, Rafael Francisco de. Classificação automática de arritmias utilizando mapeamento de sinais de ECG em grafos e redes neurais convolucionais de grafos. 2023. 91 f. Dissertação (Mestrado em Ciência da Computação) - Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto, Ouro Preto, 2023.