Use este identificador para citar ou linkar para este item: http://repositorio.ufes.br/handle/10/9695
Título: Redes bayesianas dinâmicas com definição de limiar aplicadas ao estudo de caso detecção de extrassístole ventricular
Autor(es): Oliveira, Lorena Sophia Campos de
Orientador: Sarcinelli Filho, Mário
Coorientador: Andreão, Rodrigo Varejão
Data do documento: 10-Set-2010
Editor: Universidade Federal do Espírito Santo
Resumo: Esta Tese propõe uma abordagem bayesiana dinâmica com definição de limiar para desenvolver um sistema de apoio à decisão médica. São empregadas tanto Redes Bayesianas estáticas quanto Redes Bayesianas Dinâmicas para classificação de um tipo específico de arritmia cardíaca, utilizado como estudo de caso. Estas metodologias são utilizadas por serem adequadas para o tratamento de incerteza, presente no raciocínio clínico e que por isto mesmo deve ser levada em conta em qualquer sistema de auxílio ao diagnóstico, já que elas são ferramentas de classificação probabilística. Várias topologias de Redes Bayesianas são implementadas e testadas, para que seja possível encontrar a estrutura mais adequada ao problema proposto. Especificamente, é considerada a detecção de extrassístoles ventriculares (ESV) que é a anormalidade do ritmo cardíaco em que os ventrículos se contraem mais cedo do que o esperado. A importância da classificação correta desta arritmia deve-se ao fato dela ser um indicador de algumas patologias cardíacas, além de ser necessária durante a análise da variabilidade da frequência cardíaca e na detecção de episódios isquêmicos. É importante deixar claro que esta arritmia cardíaca serve, neste trabalho, como estudo de caso para mostrar a viabilidade da utilização de Redes Bayesianas.
This work proposes a dynamic bayesian approach with threshold setting to develop a system to support a cardiologist in making a decision, in terms of classifying a heart beat. Dynamic Bayesian Networks (DBN) and static Bayesian Networks (BN) are adopted for performing such classification, since they are very suitable to deal with the uncertainties involved in the cardiologist‟s reasoning, thanks to their probabilistic and logic model. Different BN topologies are implemented and tested, aiming at finding the one more suitable to the problem under study. Specifically speaking, it is considered the detection of premature beats (PVC), which are one kind of arrhythmia related to the premature contraction of the ventricles. The results obtained with the use of Dynamic Bayesian Network with threshold setting for detection of premature beats reached 99.53%, 100%, 100% and 99.97% for the values of Sensitivity, Specificity, Positive Predictive Value and Negative Predictive Value respectively, and confidence interval of ± 0.4% and ± 0% for sensitivity and positive predictive value respectively.
URI: http://repositorio.ufes.br/handle/10/9695
Aparece nas coleções:PPGEE - Teses de doutorado

Arquivos associados a este item:
Arquivo TamanhoFormato 
tese_2821_TeseDoutoradoLorenaSophiaCamposdeOliveira.pdf4.74 MBAdobe PDFVisualizar/Abrir


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