Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/123456789/3504| Título: | Diagnóstico automático de patologias cardíacas baseado em descritores sonoros e SVM |
| Título(s) alternativo(s): | Automatic diagnosis of cardiac pathologies based on sound descriptors and SVM |
| Autor(es): | CARVALHO, Bruno Nogueira de |
| Palavras-chave: | Doenças cardíacas Sons cardíacos Transformada wavelet Máquina de vetores de suporte SMOTE Heart diseases Cardiac sounds Wavelet transform Support vector machine SMOTE |
| Data do documento: | 29-Nov-2018 |
| Editor: | Universidade Federal do Maranhão |
| Resumo: | Todos os anos milhões de pessoas morrem em decorrência de doenças cardíacas. A auscultação é um dos exames médicos mais simples e populares para diagnosticar a presença de anomalias cardíacas e respiratórias. O objetivo do presente estudo é apresentar um método adequado que possa detectar e classificar sons de batimentos cardíacos com algum tipo de anormalidade. A relevância do estudo está em apresentar meios que suscitem maiores estudos no futuro que possam levar ao desenvolvimento de uma ferramenta de diagnostico inteligente. As amostras obtidas de sons cardíacos são filtradas através de uma transformada wavelet e tem suas características extraídas por seis descritores de áudio diferentes (MFCC, Mel Spectogram, características chroma, spectral contrast, tonnetz e zero-crossing rate). Os dados extraídos desses descritores são inseridos num classificador maquina de vetores de suporte. Através dessa modelagem, a metodologia proposta conseguiu alcançar 78,32% e 84,1% de acurácias nas duas bases de dados utilizadas. |
| Descrição: | Abstract Every year millions of people die from heart disease. Auscultation is one of the simplest and most popular medical tests to diagnose the presence of cardiac and respiratory anomalies. The objective of the present study is to present a suitable method that can detect and classify sounds of heart beats with some type of abnormality. The relevance of the study is to present means that will lead to further studies in the future that may lead to the development of an intelligent diagnostic tool. Samples obtained from cardiac sounds are filtered through a wavelet transform and have their characteristics extracted by six different audio descriptors (MFCC, Mel Spectogram, chroma features, spectral contrast, tonnetz and zero crossing rate). The data extracted from these descriptors are inserted into a classifier of carrier vectors. Through this modeling, the proposed methodology was able to achieve 78.32 % and 84.1 % accuracy in the two databases used. |
| URI: | http://hdl.handle.net/123456789/3504 |
| Aparece nas coleções: | TCCs de Graduação em Ciência da Computação do Campus do Bacanga |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| BRUNO-CARVALHO.pdf | Trabalho de Conclusão de Curso | 865,91 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.