1. Biblioteca Digital de Monografias
  2. CAMPUS DO BACANGA
  3. Curso de Graduação em Ciência da Computação do Campus do Bacanga
  4. TCCs de Graduação em Ciência da Computação do Campus do Bacanga
Use este identificador para citar ou linkar para este item: http://hdl.handle.net/123456789/3504
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorCARVALHO, Bruno Nogueira de-
dc.date.accessioned2019-06-06T18:34:31Z-
dc.date.available2019-06-06T18:34:31Z-
dc.date.issued2018-11-29-
dc.identifier.urihttp://hdl.handle.net/123456789/3504-
dc.descriptionAbstract 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.pt_BR
dc.description.abstractTodos 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.pt_BR
dc.language.isootherpt_BR
dc.publisherUniversidade Federal do Maranhãopt_BR
dc.subjectDoenças cardíacaspt_BR
dc.subjectSons cardíacospt_BR
dc.subjectTransformada waveletpt_BR
dc.subjectMáquina de vetores de suportept_BR
dc.subjectSMOTEpt_BR
dc.subjectHeart diseasespt_BR
dc.subjectCardiac soundspt_BR
dc.subjectWavelet transformpt_BR
dc.subjectSupport vector machinept_BR
dc.subjectSMOTEpt_BR
dc.titleDiagnóstico automático de patologias cardíacas baseado em descritores sonoros e SVMpt_BR
dc.title.alternativeAutomatic diagnosis of cardiac pathologies based on sound descriptors and SVMpt_BR
dc.typeOtherpt_BR
Aparece nas coleções:TCCs de Graduação em Ciência da Computação do Campus do Bacanga

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
BRUNO-CARVALHO.pdfTrabalho de Conclusão de Curso865,91 kBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.