Estudo e desenvolvimento de algoritmos para o reconhecimento de arritmias cardíacas

Abstract

O presente trabalho tem por objetivo o estudo de algoritmos para o reconhecimento de arritmias cardíacas. Para tanto, fez-se uma análise detalhada de dois algoritmos: HMM (Hidden Markov Model) e rede neural artificial do tipo RBF (Radial Basis Function), com a finalidade de reconhecer três arritmias e o ritmo normal. As arritmias que foram utilizadas na pesquisa são: a Fibrilação Atrial, a Taquicardia Ventricular e a Fibrilação Ventricular. Tais arritmias foram selecionadas pela necessidade de desfibrilação elétrica imediata na Taquicardia Ventricular e na Fibrilação Ventricular e pelo fato da Fibrilação Atrial ser a arritmia de maior incidência na população mundial. A necessidade de reconhecimento de arritmias pode ser vista em equipamentos DEA (Desfibriladores Externos Automáticos), utilizados para reconhecer e reverter a parada cardíaca em locais fora de ambientes hospitalares. Estes equipamentos estão sendo cada vez mais utilizados em vários países, como uma tentativa de diminuir o índice de mortalidade. Primeiramente, foi feito um estudo teórico sobre o coração, analisando as características de cada tipo de arritmia, a fim de poder identificá-las. Os pacientes foram selecionados no banco de dados de sinais biológicos, PhysioNet, para coleta de dados. Após isso, foi feita uma análise teórica detalhada dos sistemas de reconhecimento e em seguida, passou-se a gerar resultados a partir da comparação entre os algoritmos e suas precisões. Para atingir tais resultados, foi elaborada uma metodologia específica de pesquisa. Ao final, foi possível constatar que ambos algoritmos apresentam bom desempenho no reconhecimento das arritmias cardíacas, bem como também foi possível expor as características de desempenho de cada um dos sistemas.

The purpose of this work is studying the algorithms that can recognize cardiac arrhythmias. In this sense, a detailed analysis of two algorithms was made: HMM (Hidden Markov Model) and RBF (Radial Basis Function) artificial neural network, with the aim of recognizing three arrhythmias and the regular rhythm. The arrhythmias used for this research are: Atrial Fibrillation, Ventricular Tachycardia and Ventricular Fibrillation. They were selected by the following reasons: due to the need for immediate eletric defibrillation in Ventricular Tachycardia and Ventricular Fibrillation, and to the fact that the Atrial Fibrillation is the most incident in the world's population. The need for recognition of arrhythmias can be seen in AED (Automatic External Defibrillator) equipments, which is utilized to recognize and reverse the cardiac arrest in areas outside the hospitals environments. These pieces of equipment are being increasingly utilized by many countries, as an atempt to diminish mortality rates. Firstly, the heart was studied theoretically and the characteristics of each arrhythmia were analysed, in order to identify them. Secondly, pacients were selected in the biological signal database, PhsysioNet, for collecting data. After that, the results were generated by the comparison between the algorithms and their precisions. Finally, it was possible to confirm that both algorithms present good performance in the recognition of cardiac arrhythmias and was possible to reveal performance characteristics of both systems that corroborate the purpose of this work.