Use este identificador para citar ou linkar para este item:
http://www.repositorio.ufal.br/jspui/handle/123456789/8767
Tipo: | Dissertação |
Título: | Classifying heartbeats from electrocardiogram signals using a siamese convolutional neural network |
Título(s) alternativo(s): | Classificação dos batimentos cardíacos partir de sinais de eletrocardiograma usando uma rede neural convolucional siamesa |
Autor(es): | Vasconcellos, Eduardo Moraes de Miranda |
Primeiro Orientador: | Cordeiro, Thiago Damasceno |
metadata.dc.contributor.referee1: | Santos Neto, Baldoino Fonseca dos |
metadata.dc.contributor.referee2: | Cordeiro, Filipe Rolim |
Resumo: | O Eletrocardiograma (ECG) é um exame de baixo custo comumente usado para diagnosticar anormalidades no ciclo cardíaco, tais como arritmias e problemas no músculo do coração. Com o avanço das técnicas de aprendizagem de máquinas (ML) nos últimos anos, a classificação automática de ECG está obtendo um interesse crescente na comunidade científica. Entretanto, o processo de anotar grandes e diversos conjuntos de dados para serem usados no treinamento de técnicas ML ainda é muito demorado e propenso a erros. Assim, técnicas ML cujo treinamento não requer um grande e bem anotado conjunto de dados estão se tornando cada vez mais proeminentes. Isto significa que os dados subrepresentados nos conjuntos de dados ECG, como raros distúrbios cardiológicos, ainda podem ser devidamente identificados e classificados. Neste trabalho, é investigado o uso de Redes Neurais Convolucionais Siamêsas, populares em problemas de classificação de imagens, para classificar batimentos cardíacos de 12 derivações em sinais de ECG. Os primeiros resultados indicam uma precisão de até 95% em um conjunto de dados públicos, utilizando modelos compostos de diferentes combinações de funções de similaridade e perda. Os resultados da classificação classe por classe também são comparados com os de métodos similares encontrados na literatura, obtendo-se métricas ao par e até mesmo excedendo-as na classificação de algumas classes. |
Abstract: | The Electrocardiogram (ECG) is a low-cost exam commonly used to diagnose abnormalities in the cardiac cycle such as arrhythmias and problems in the heart’s muscle. With the advance of machine learning (ML) techniques in recent years, the automatic classification of ECG signals garnered interest in the scientific community. However, the process of annotating large and diverse datasets to support the training of ML techniques is still very time-consuming and error-prone. Thus, ML techniques whose training does not require a large, well-annotated datasets are becoming even more prominent. This means that underrepresented data in ECG datasets, like rare cardiologic disturbs can still be properly identified and classified. In this work, the use of Siamese Convolutional Neural Networks, popular in imaging classification problems, to classify 12-Lead ECG heartbeats is investigated. The early results indicate accuracy of up to 95% in a public dataset by using models composed of different combinations of similarity and loss functions. The class by class classification results are also compared with those of similar methods found in the literature, obtaining metrics on par and even exceeding them in the classification of some classes. |
Palavras-chave: | Eletrocardiografia Aprendizagem de máquina Few Shot Learning Redes neurais de computação Batimento cardíaco – Classificação Electrocardiogram Machine Learning Few-Shot Learning Siamese Neural Networks Heartbeat Classification |
CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
Idioma: | eng |
País: | Brasil |
Editor: | Centro Universitário CESMAC |
Sigla da Instituição: | CESMAC |
metadata.dc.publisher.program: | Programa de Pós-Graduação em Informática |
Citação: | VASCONCELOS, Eduardo Moraes de Miranda. Classifying heartbeats from electrocardiogram signals using a siamese convolutional neural network. 2022. 45 f. Dissertação (Mestrado em Informática) – Instituto de Computação, Programa de Pós-Graduação em Informática, Universidade Federal de Alagoas, Maceió, 2022. |
Tipo de Acesso: | Acesso Aberto |
URI: | http://www.repositorio.ufal.br/jspui/handle/123456789/8767 |
Data do documento: | 24-fev-2022 |
Aparece nas coleções: | Dissertações e Teses defendidas na UFAL - IC |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Classifying heartbeats from electrocardiogram signals using a siamese convolutional neural network.pdf | 12.1 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.