Aplicação da internet das coisas e aprendizado de máquina na identificação de doenças cardíacas pelas bulhas: um mapeamento sistemático (original) (raw)
Related papers
Um Sistema e-Health Inteligente para Análise e Detecção de Doenças Cardíacas
Workshop de Computação Urbana (CoUrb), 2019
A indústria de cuidados médicos vem evoluindo a sua prestação de serviços, focando na qualidade do atendimento ao paciente. Tem-se então a necessidade de uma infraestrutura para monitoramento da saúde dos pacientes a partir da análise dos dados destes pacientes, com intuito de detectar possíveis doenças, dentre elas, doenças cardíacas. Dentro deste contexto, este artigo apresenta um sistema e-Health inteligente para analisar os dados biológicos dos pacientes e detectar possíveis complicações cardíacas. No sistema proposto aplica-se três fases: (I) trata-se os dados através de filtros; (II) técnicas para extração das informações úteis; e, (III) os dados são analisados e classificados para detectar doenças cardíacas. Os experimentos realizados utilizando-se uma base dados real mostram que o sistema proposto é capaz de classificar com alta acurácia as anomalias cardíacas.
Programa de Iniciação Científica - PIC/UniCEUB - Relatórios de Pesquisa, 2019
As doenças crônicas não transmissíveis (DCNT), atualmente, estão crescendo significativamente. São responsáveis por 73,9% dos mortos no Brasil. As doenças cardiovasculares, neuropsiquiátricas, diabetes, enfermidades respiratórias e câncer, são as principais DCNT, que causam mortes ou incapacidades na população brasileira e no mundo. As doenças cardiovasculares atingem o coração e vasos sanguíneos, podendo também ser geradas, por problemas estruturais e coágulos sanguíneos, essas doenças são as principais causas de mortes por DCNT, sendo responsáveis por 31,2% da mortes no Brasil. Soluções para o controle e diminuição das doenças cardiovasculares, estão na implantação ou intensificação de políticas públicas de controle do tabaco, diminuição dos impostos sobre alimentos orgânicos, construção de ciclovias, refeições saudáveis em ambientes escolares e políticas de prevenção e detecção nos estágios iniciais da doença. A detecção de boa parte das doenças cardíacas, pode ser realizado pelo...
Revista Eletrônica de Comunicação, Informação e Inovação em Saúde, 2020
A internet das coisas e o aprendizado de máquina são temas emergentes na área da saúde com potencial para otimizar a área e criar um sistema de saúde inteligente em virtude do envelhecimento da população. Este artigo analisa a produção científica do período de 2009 a 2019 a respeito da internet das coisas e do aprendizado de máquina na área da saúde. Utiliza metodologia bibliométrica em 1.353 artigos recuperados na base de dados Web of Science. Constata um crescimento da produção científica sobre o tema, sendo os Estados Unidos o principal polo de pesquisa na área. Identifica os autores mais produtivos e com maior impacto, periódicos mais produtivos, colaboração entre países e palavras-chave utilizadas, bem como suas relações. Incentiva que novas pesquisas explorem as abordagens identificadas no estudo.
Aprendizagem De Máquina Aplicada À Análise De Batimentos Cardíacos
Revista Eixos Tech
A inserção da Inteligência Artificial (IA) nas atividades do dia-a-dia é uma realidade. Além das práticas diárias comuns, o aprendizado de máquina aplicado na medicina é importante, sendo uma das principais áreas de estudo da IA. Diagnósticos médicos podem ter apoio com a utilização de algoritmos inteligentes, tendo em vista a rapidez e eficiência que podem proporcionar. Este artigo apresenta um estudo sobre a implementação de um algoritmo de aprendizagem de máquina utilizando-se a linguagem Python para análises de eletrocardiogramas, classificando o risco do paciente de sofrer infarto do miocárdio.
Sistema interativo em ambiente móvel para o diagnóstico diferencial de cardiopatias congênitas
Objetivo: Descrever a elaboração de um sistema interativo de apoio ao diagnóstico de cardiopatias congênitas (CCs). Métodos: Para a captação da Base de Conhecimento foi usado um fluxograma elaborado por cardiologistas pediátricos sobre sinais e sintomas das CCs. Para a construção do sistema utilizou-se o ambiente de desenvolvimento para Sistema Android "App Inventor", elaborado pelo Massachusetts Institute of Technology (MIT). Resultados: Repostas pré-determinadas levam a grupos de CCs mais prováveis. Os sintomas iniciais foram cianose, insuficiência cardíaca congestiva (ICC), a associação de ambas ou apenas sopro isolado. Nas perguntas sequenciais também foram utilizadas características dos sopros, do raio-x, do ECG, dos pulsos e do precórdio. A resposta sequencial leva a grupos cada vez mais restritos de patologias. Conclusão: Um sistema de apoio ao diagnóstico diferencial das cardiopatias congênitas elaborada para não especialistas na área que lidam com neonatos pode te...
2021
Cardiometabolic diseases, developed throughout the worker’s life, such as hypertension, diabetes, dyslipidemia and obesity are among the main causes of death and are associated with modifiable and controllable risk factors. The general objective of this study was to apply supervised Machine Learning techniques and to compare their performance to predict the risk of developing cardiometabolic disease from servers working at the School Hospital of south in Brazil. We sought to map the characteristics of individuals who are more likely to develop cardiometabolic diseases. The machine learning models evaluated were Naive Bayes, Decision Tree, Random Forest, KNN, Logistic Regression and SVM. The results obtained in the experiments showed that some supervised machine learning models produce a good classification, depending on the attributes and hyperparameters used.
Monografia apresentada como parte dos requisitos para obtenção do grau de Bacharel em Informática Biomédica pela Universidade de São Paulo, campus de Ribeirão Preto. Ribeirão Preto -SP 2006 i RESUMO A cardiopatia isquêmica, em suas formas variadas, é a doença mais grave decorrente da hipertensão arterial, que por si só é responsável por cerca de 40% das causas de aposentadoria por invalidez no Brasil. Seu diagnóstico atualmente é obtido com maior porcentagem de acerto através de uma coronariografia, que é um método invasivo e que causa desconforto ao paciente. Ainda há um risco, apesar de pequeno, de mortalidade durante o exame. Assim, é de grande valia o diagnóstico através de métodos não-invasivos, objetivo deste trabalho. Para tanto, faz uso de técnicas de inteligência artificial e estatísticas, como Árvores de Decisão, Redes Neurais, e Regressão Logística, utilizando variáveis clínicas e outras obtidas a partir do eletrocardiograma de exercício, para avaliar a presença ou não da doença no paciente, e assim auxiliar o profissional da saúde na tomada de decisão, e poupar recursos, com a não realização de exames mais complexos. Além disso, um estudo através de Algoritmos Genéticos associados aos métodos de classificação supra citados verificará a possibilidade de diminuição da quantidade de atributos a ser utilizada para a realização do diagnóstico, sem que haja prejuízo do poder de detecção da doença, método conhecido como Seleção de Atributos.
Concepção de uma Arquitetura Móvel para Identificação de Anomalias Cardíacas
Anais do Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS), 2017
Mudanças anormais nos impulsos cardíacos podem significar enfermidades que requerem monitoramento frequente. Soluções tradicionais de medição mostram uma conceituada acurácia, porém custosas financeiramente quando realizadas com frequência. Esse artigo mostra uma análise de algumas tecnologias móveis de baixo custo para monitoramento de impulsos cardíacos, tais como o bracelete Mi Band 2 e aplicativos Instant Heart Rate, 4Free Blood Pressure e iCare Monitor de Saúde. As métricas analisadas foram: praticidade, ambiente de medição, manipulação dos dados, plataforma, acurácia e preço. Em termos de acurácia, o bracelete Mi Band 2 chegou próximo de 92%. Baseado nesse resultado, o artigo apresenta uma proposta de um sistema distribuído capaz de identificar anomalias cardíacas com o bracelete Mi Band 2.