Use este identificador para citar ou linkar para este item: http://repositorio.ufes.br/handle/10/6209
Título: Adaptação dos modelos de Markov para um sistema de segmentação e classificação de sinais de eletrocardiograma
Autor(es): Müller, Sandra Mara Torres
Orientador: Bastos Filho, Teodiano Freire
Sarcinelli Filho, Mário
Coorientador: Andreão, Rodrigo Varejão
Palavras-chave: Markov, processos de
Wavelets (matemática)
Otimização matemática
Reconhecimento de padrões
Data do documento: 3-Abr-2006
Editor: Universidade Federal do Espírito Santo
Citação: MÜLLER, Sandra Mara Torres. Adaptação dos Modelos de Markov para um Sistema de Segmentação e Classificação de Sinais de Eletrocardiograma. 2006. 99 f. Dissertação (Mestrado em Automação) - Universidade Federal do Espírito Santo, Vitória, 2006.
Resumo: In this work three incremental adaptation methods for the hidden Markov models (HMM) are studied and implemented, which are based on the Expectation-Maximization (EM), Segmental k-Means and Maximum a Posteriori (MAP) algorithms. These methods, already used in the speech recognition field, are applied here in the electrocardiogram (ECG) segmentation problem. For that, it was used an ECG analysis system able to segment and classify cardiac diseases, like premature ventricular contraction (PVC) and ischemia. The use of these methods allow us to adjust the models to the signal fluctuations commonly met during ambulatory recording. The methods can also be implemented for other kinds of biomedical signals, like electroencephalogram (EEG).
Neste trabalho foram estudadas e implementadas trêss técnicas incrementais de adaptação de modelos ocultos de Markov (HMM - Hidden Markov Model) baseadas nos algoritmos de treinamento, que são a esperan»ca da maximização (expectation maximization - EM), a k-means segmental (segmental k-means) e a máximo a posteriori (Maximum a Posteri- ori -MAP). Essas técnicas, muito utilizadas em reconhecimento de voz, são aqui usadas para sinais biomédicos, mais precisamente para sinal de eletrocardiograma (ECG). Para tal objetivo, utilizou-se uma plataforma, já desenvolvida, de segmentação e classificação de ECG, além de detecções de anomalias cardíacas como extra-sístole ventricular (ESV) e isquemia do miocárdio. Nessa plataforma, os modelos de Markov são empregados na etapa de segmentação do sinal de ECG, tendo em vista a identificação das formas de onda elementares que compõem um ciclo cardíaco. O desenvolvimento dessas técnicas permite, uma vez que a plataforma esteja funcionando como sistema real, um ajuste autônomo dos modelos µas variações do sinal de ECG ao longo do tempo, assim como a outras variações presentes em um sistema real. As técnicas foram avaliadas a partir de experimentos usando duas bases de sinais de ECG: QT database e European ST-T database. Os resultados confirmam o ganho de desempenho obtido com a adaptação, permitindo uma modelagem do sinal ao longo do tempo mais apropriada. As técnicas desenvolvidas são indicadas também para outros tipos de sinais biomédicos, como o sinal de eletroencefalograma (EEG), por exemplo.
URI: http://repositorio.ufes.br/handle/10/6209
Aparece nas coleções:PPGEE - Dissertações de mestrado

Arquivos associados a este item:
Arquivo TamanhoFormato 
Sandra Mara Torres Muller.pdf1.56 MBAdobe PDFVisualizar/Abrir


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