ESTUDO DE UM SISTEMA PARA CLASSIFICAÇÃO DE BATIMENTOS CARDÍACOS UTILIZANDO REDES NEURAIS

Tamanho: px
Começar a partir da página:

Download "ESTUDO DE UM SISTEMA PARA CLASSIFICAÇÃO DE BATIMENTOS CARDÍACOS UTILIZANDO REDES NEURAIS"

Transcrição

1 ESTUDO DE UM SISTEMA PARA CLASSIFICAÇÃO DE BATIMENTOS CARDÍACOS UTILIZANDO REDES NEURAIS D. V. Lettnin (UFPel) 1, F. Vargas (EE. PUCRS) 2, M. Macarthy (UFPel) 3. Universidade Federal de Pelotas (UFPel), Pontifica Universidade Católica do Rio Grande do Sul (PUCRS) Abstract 1 The propose of this work is to study forms and structure of Artificial Neural Network for the classification tasks of Electrocardiogram (ECG). This study could help to design systems for help the doctors in analyzes of patients with Arrythmias. Some times these signals have noises that difficult in the diagnosis of diseases. But the Neural Network could help to identify these patterns inner noise signal. The attributes are modified for testing the neural network performance. No pre or post-processing are applied in the data set and in this way we evaluated the ANN perform. This paper introduces the heart physiology and the ECG signals. Also are presented characteristics of the neural network and forms to proect a new one. Finally we present some experiments and results of some ANN in the Suttargt Neural Network Simulator (SNNS) for the pattern classification of ECG problem. 1. Introdução Keywords: Artificial Neural Network; Patterns Classification; Eletrocardiogram (ECG). Uma das principais causas de óbitos nos dias atuais em países desenvolvidos e em desenvolvimento são as doenças cardiovasculares. A maior parte destes óbitos poderia ser evitada se houvesse um pré-monitoramento e uma pré-diagnosticação dessas arritmias cardíacas e isquemias miocárdicas [1], a partir do Eletrocardiograma (ECG), que é a medição de potenciais elétricos na superfície do corpo humano [2]. O eletrocardiograma é uma das ferramentas mais rápidas e mais confiáveis para o diagnóstico cardíaco. Contudo, quando um paciente é monitorado continuamente durante 24 horas, pode-se obter uma quantidade expressiva de dados, podendo chegar a mais de 100 mil batimentos a serem analisados pelo médico. Desta forma, o monitoramento e o pré-diagnóstico automático visa auxiliar o médico em uma detecção mais rápida e precisa das arritmias cardíacas [3]. Além disso, a análise feita pelo médico pode ser bastante subetiva, podendo variar de médico para médico devido à variabilidade intrínseca do sinal. Por haver uma grande variedade no formato do sinal é inviável a aplicação de técnicas lineares para a classificação dos mesmos [3]. Desta forma, por ser um método não linear, a classificação de batimentos cardíacos utilizando Redes Neurais se torna um recurso potencialmente útil para a classificação de arritmias cardíacas [4]. Considerando os aspectos abordados acima, este trabalho faz parte do proeto "Desenvolvimento de um Sistema de Monitoramento Remoto Não Invasivo de Sinais Vitais" [5] entre a Universidade Federal de Pelotas (UFPel), a Pontifícia Universidade Católica do Rio Grande do Sul (PUCRS) e a empresa PARKS S/A. Esta proposta visa executar uma etapa fundamental no proeto em questão, tendo assim como função principal o tratamento e a classificação sistemática de sinais cardíacos, visando com isto o pré-diagnostico automático através da análise das curvas de um eletrocardiograma. 1 This work is partially supported by FAPERGS and PARKS/SA.

2 2. Coração e o Eletrocardiograma O coração é um músculo do tamanho aproximadamente de um punho constituído principalmente de três músculos cardíacos: músculo atrial, músculo ventricular e fibras musculares excitatórias e condutoras. Existem quatro câmaras de contração chamada de átrio esquerdo, átrio direito, ventrículo esquerdo e ventrículo direito. Entre estas câmaras encontram-se quatro válvulas de fluxo num único sentido, chamadas de: válvula tricúspide, válvula pulmonar, válvula mitral e a válvula aórtica [6]. A figura 1 mostra em mais detalhes a formação do coração. Figura 1. Representação Esquemática de um Coração Normal: 1)arco aórtico; 2)ducto arterial de Botal; 3)veias pulmonares; 4)aurícula esquerda; 5)válvula mitral; 6)válvula aórticas; 7)ventrículo esquerdo; 8)veia cava superior; 9)artéria pulmonar direita; 10)aurícula direita; 11)válvula pulmonar; 12)válvula tricúspede; 13)ventrículo direito; 14)veia cava inferior [7]. Estas válvulas têm a função de reter o sangue nas câmaras para a produção de pressão e liberar o fluxo de sangue no coração impedindo o refluxo do mesmo [8]. Desta forma, os átrios têm a função de receber o sangue e favorecer o preenchimento dos ventrículos, sendo que estes irão enviar sangue para o sistema sanguíneo e para o sistema pulmonar [6][9]. O ciclo cardíaco é originado da geração de um potencial de ação através do nodo sinusal (fibra excitatória). Este potencial propaga-se através dos átrios até encontrar os feixes Átrio-Ventricular (A-V). Enquanto o potencial propaga-se pelos átrios, o átrio esquerdo recebe sangue oxigenado dos pulmões e passa o fluxo para o ventrículo esquerdo. Do mesmo modo o átrio direito recebe sangue venoso do sistema circulatório e passa o fluxo para o ventrículo direito. Neste momento a válvula A-V esta aberta, a válvula aórtica e a válvula pulmonar estão fechadas. No feixe A-V ocorre um atraso na propagação do potencial para que os átrios possam contrair-se antes dos ventrículos e assim preenchê-los em sua forma máxima. Após a contração dos átrios as válvulas A-V fecham-se, o potencial segue propagando-se através dos ventrículos, fazendo com que a pressão dos ventrículos aumente e proporcionando a abertura das válvulas aórtica e pulmonar[6][8]. O ciclo cardíaco possui dois períodos distintos: diástole e sístole. O período diastólio é quando ocorre o relaxamento ou repouso do músculo, fazendo com que o coração encha-se de sangue. O período sistólico é quando ocorre a contração ou atividade do coração[6][8]. Para verificar o funcionamento do coração é utilizado o eletrocardiograma (ECG), que é um registro gráfico da atividade elétrica produzida pelo músculo cardíaco. O ECG é registrado mediante a aplicação de eletrodos em diversas localizações da superfície corporal e a conexão destes eletrodos a um aparelho registrador. Os impulsos provenientes de um coração normal têm registros de dimensões e formas particulares. Em certas ocasiões anormais, o registro difere destes padrões e tais variações indicam, normalmente, que o músculo cardíaco de uma pessoa está enfermo[5][6]. O ECG normal é composto de uma onda P, um complexo QRS e uma onda T, sendo que estas são ondas de despolarização e repolarização. A onda P é causada por correntes geradas pela despolarização dos átrios antes da sua contração. O complexo QRS é causado pela despolarização dos ventrículos antes da contração. A onda T é a onda de repolarização ventricular que é causada por correntes geradas enquanto os

3 ventrículos se recuperavam do estado de despolarização. A onda de repolarização atrial aparece raras vezes no ECG, pois esta ocorre no momento em que o complexo QRS está sendo registrado. Cada batimento normal simples se manifesta nas cinco principais ondas (P, Q, R, S e T) [5], como está ilustrado na figura 2. Figura 2. Batimento Cardíaco Simples [10]. A relação do coração com o ECG está representada na figura 3. Cada onda representa a transmissão de um impulso elétrico através do músculo cardíaco, que faz o mesmo se contrair e então enviar o sangue. Figura 3. Relação do coração com o ECG [10]. Existem diversas arritmias que podem ocorrer no funcionamento do coração de um paciente. A seguir serão abordadas algumas dessas arritmias através da análise das formas de onda do ECG. Todos os gráficos são de referência de Blowers [10]. Contração Prematura Atrial - APC : Contração Prematura Juncional (Nodal) - NPC : Contração Ventricular Prematura - PVC : Flutter Ventricular : Fribrilação Ventricular : 3. Redes Neurais Artificiais (RNA) Com o avanço da computação, o homem almeou que uma máquina poderia funcionar de forma independente, podendo tomar decisões de acordo com a situação encontrada. Com isso, a inteligência artificial vem se desenvolvendo na criação de métodos para a solução de problemas complexos que não poderiam ser resolvidos pelos métodos tradicionais de programação [11]. Os seres biológicos têm sido alvo de grande inspiração para a criação de modelos computacionais mais eficientes e inteligentes que os paradigmas tradicionais. Baseadas em estruturas neuronais do cérebro, surgiu então as Redes Neurais Artificiais. Este é um modelo conexionista, com grande poder na resolução de problemas

4 complexos e não lineares com aplicações em várias áreas, tais como: reconhecimento de padrões, previsão, otimização, controle de processos, robótica e classificação de dados [4][11]. Portanto, RNA são técnicas computacionais que apresentam um modelo inspirado na estrutura neural de organismos inteligentes e que adquirem conhecimento através da experiência [11]. A história das redes neurais pode ser dividida em três partes. A primeira era foi no surgimento com McCulloch e Pitts, em 1943 no seu primeiro trabalho, onde sugeriram a construção de uma máquina inspirada no cérebro humano. A segunda era, em 1960, quando Minsky e Papert mostraram no seu trabalho as limitações da rede Percetron de camada simples. Este trabalho provocou um desânimo de muitos pesquisadores, fazendo com que a pesquisa sobre redes neurais adormecesse por alguns anos. Contudo, alguns cientistas continuaram as suas pesquisas mas com raras publicações [4]. Por fim, nos anos 80, a pesquisa nesta área ressurgiu com grande força com o interesse de investimentos nesta área pela DARPA (Defence Advanced Research Proects Agency) e por pesquisas realizadas por um renomado físico John Hopfield [4][11]. O fisiologista Warrem MacCulloch interpretou o funcionamento do neurônio biológico como sendo um circuito de entradas binárias combinadas por uma soma ponderada (com pesos) produzindo uma entrada efetiva. Sendo assim, o neurônio é constituído de: Entradas (dentritos) - onde são aplicados os sinais; Pesos (sinapses) - onde fica retido o conhecimento; Função soma - somatório da relação dos sinais de entrada e dos pesos sinápticos; Função de ativação - função que dependendo do valor do somatório irá ou não ativar a saída dependendo do threshold (sigmoidal, escada, Gausian ); Saída (axônio) - saída de interface. Sendo assim, pode-se generalizar que um neurônio tem a seguinte funcionalidade: 1)Sinais são apresentados a entrada; 2) É realizado a multiplicação dos sinais com os pesos sinapticos; 3) É realizado a soma ponderado dos sinais; 4) Se o nível for maior que um limite (threshold), então a saída será ativada [11]. Figura 4. Modelo de McCulloch e Pitts [11]. Uma rede neural artificial é considerada um grafo orientado [4], onde os neurônios artificiais são os nodos e estes são ligados através conexões diretas, com respectivos pesos, entre o neurônio de saída e o neurônio de entrada. A rede neural é dividida em três camadas: Entrada (input) - não são considerados neurônios, pois somente recebem os sinais a serem processados pela RNA; Oculta (hidden) - com esta camada tornou-se possível a resolução de problemas linearmente não separáveis; Saída (output) - saída da RNA, onde são mostrado o resultado do processamento [11]. As RNAs podem ser classificadas pela estrutura, onde podem ser estáticas, dinâmicas ou híbridas, podendo ainda ser de uma camada simples ou de múltiplas camadas. Elas podem ser agrupadas em duas categorias [4]: Redes Feed-forward, no qual grafos sem loops; Redes Recorrentes, no qual ocorrem loops através das conexões de realimentação. Na figura 5 são mostradas as diferentes arquiteturas existentes.

5 Figura 5. Taxonomia da arquitetura de Redes Neurais [4]. A característica de aprendizagem da rede neural é determinada pelo algoritmo de aprendizagem. Este algoritmo segue um conunto de regras bem definidas para a solução de um problema de aprendizado [12]. Ou sea, pode ser considerado como o problema de atualizações dos pesos sinapticos de uma rede, para que esta possa aprender e adaptar-se a executar uma tarefa específica. Existem três principais paradigmas de aprendizagem [4]: Supervisionado - onde um "professor" indica se a saída de rede possui um resposta certa ou não de acordo com o padrão de entrada; Não-supervisionado (auto-organização) - não utiliza um "professor" para indicar se a resposta está correta, mas baseia-se na correlação dos padrões nos dados; Híbrido - combina o método supervisionado e não-supervisionado. A tabela 1 apresenta os principais algoritmos de aprendizagem e as suas arquiteturas utilizadas no reconhecimento de padrões. Paradigma Arquitetura Algoritmo de aprendizagem Supervisionado Percepton ou MLP (Multilayer Percepton, Back-propagation, Perceton) Adaline e Madaline Recorrente Boltzmann ART-network ARTMap Não-supervisionado Kohonen s SOM Kohonen s SOM Híbrido Rede RBF (Radial Basis Function) RBF Tabela 1. Sumário sobre arquitetura e algoritmos de aprendizagem para reconhecimento de padrões [4]. 4. Materiais e Métodos Para o estudo e análise de sinais de eletrocardiograma, os pesquisadores dispõem de grandes bases de dados que servem com referência para o desenvolvimento das suas pesquisas. Dependendo da sua abordagem deseada, eles poderão estudar sobre: Arrythmia (MIT/BIH Arrythmia Database) ; Isquemia (European Union e European Society of Cardiology) ; alterações Crônicas (European Union e University of Leuven) [13][14][15]. Para este estudo foi utilizado MIT/BIH Arrythmia Database, que é uma base de dados utilizada para o desenvolvimento e avaliação de monitores de arritmias. Esta base de dados possui 25 registros distribuídos livremente, cada um contendo 30 minutos de sinal em dois canais, devidamente anotados por cardiologistas, obtidos pelo Laboratório de Arritmia BIH (Boston's Beth Israel Hospital) entre 1975 e 1979 [13]. Assim sendo, este grupo digitalizou os sinais com uma freqüência de amostragem de 360 amostras por segundo e com 11 bits de resolução [13]. O trabalho proposto iniciou a partir desta base de dados digitalizados. Neste sentido, os segmentos foram extraídos com base nos comentários presentes unto aos sinais digitalizados pelo MIT. Foram extraídas 130 amostras, sendo que a onda R esta posicionada na amostra 65ª. Não foi utilizado nenhum filtro para a remoção de ruído e também não foi utilizado nenhum método de compactação dos segmentos. Estes critérios foram estabelecidos propositalmente para testar a eficiência da utilização de redes neurais artificiais aplicadas ao sinal cardíaco sem pré-processamento. Para as simulações das redes neurais foi utilizado o Stuttgart Neural Network Simulator versão 4.2. Este simulador foi desenvolvido na Universidade de Suttgart e de Tübingen, possuindo as características de ser eficiente e flexível para simulações de ambientes para pesquisa e aplicações de redes neurais [16].

6 5. Modelo Proposto Assim como em um planeamento de um programa de software deve seguir uma série de passos para que este possa ser robusto e possuir uma boa qualidade, também o desenvolvimento de uma Rede Neural Artificial deve possuir um certo número de etapas para que esta possa atingir os seus obetivos. Deste modo, no nosso estudo foi baseado nos passos abordados por Tonsig [11] para o desenvolvimento do modelo proposto. Os passos para a elaboração do proeto proposto de redes neurais foram dividido em cinco partes: Coleta de dados e Separação de Conuntos; Configuração da Rede; Treinamento; Teste e Integração. A seguir será abordada de maneira mais aprofundada cada uma destas etapas Coleta de dados e Separação de Conuntos Esta etapa visa minimizar a ambigüidade e os erros dos dados. Desta forma, não se deve considerar somente os dados normais, mas também as exceções para uma melhor generalização. O conunto de dados pode ser dividido em três grupos: treinamento, validação e teste. O conunto de treinamento é composto dos dados que serão apresentados a entrada da rede neural para a etapa de treinamento. O conunto de validação é utilizado para testar a eficiência da rede quanto a sua capacidade de generalização durante o treinamento. O conunto de teste é utilizado para realizar os testes de performance durante a utilização da rede. Por vezes, o sinal precisa ser pré-processado utilizando-se filtros ou formas de normalização adequadas. No nosso estudo, os conuntos foram divididos na seguinte forma: conunto de treinamento possui 300 padrões e o conunto de teste possui 300 padrões. Cada padrão possui 131 valores, sendo que 130 são amostras que compõem o segmento PQRST e um valor representa o intervalo RR entre o complexo atual e o anterior. Não foi utilizado nenhum filtro para remoção de ruído. Os padrões de sinal subamostrados foram normalizados no intervalo de [0.2, 0.8], através da seguinte fórmula: 5.2. Configuração da Rede A configuração da rede, ou sea, a definição da estrutura que a rede neural artificial possuirá pode ser dividida em três partes, de acordo com a tabela 1: seleção do paradigma, seleção da topologia e seleção do algoritmo de aprendizagem. 1) Seleção do Paradigma - será utilizado o paradigma supervisionado, pois através das anotações do database MIT/BIH tem-se condições de se desenvolver um conunto de treinamento e um conunto de teste de acordo com as arritmias deseadas [11]. 2) Seleção da Topologia - será utilizada a arquitetura MLP (Multilayer Percepton). O número de camadas e o número de neurônios em cada camada serão variado para a realização de diversos testes [11]. 3) Seleção do algoritmo de aprendizagem - O algoritmo de aprendizagem a ser utilizado será o Back-propagation com a função de ativação Sigmoidal [11]. A seguir está especificado o algoritmo de aprendizagem BackPropagation: 1) Pesos iniciais randômicos no intervalo [-1,1]; 2) Escolha aleatória de um padrão de entrada; 3) O sinal é propagado através da RNA; 4) Atualiza os pesos conforme o caso: w ( t + 1) = w δ i f = f i ( net ( net ( t) + ηδ o )( d ) k δ k w i o ) k se é uma unidade de saída se é uma unidade escondida onde, o é a saída atual do nodo i, δ é o erro, d é a saída deseada do nodo e f é a derivada da função de ativação. 5) Retorna ao passo 2, até que atina o erro mínimo ou ultrapasse o número máximo de iterações Treinamento No treinamento alguns aspectos devem ser considerados, tais como a inicialização da rede, modo de treinamento e o tempo de treinamento [11]. No nosso estudo optou-se em inicializar os pesos sinápticos com uma forma randômica em um intervalo definido. O intervalo escolhido foi [1;-1].

7 O modo de treinamento poderia ser de duas formas: padrão, onde os pesos são modificados a cada padrão apresentado na rede, sendo este menos susceptível aos mínimos locais; batch, onde a correção é realizada uma vez por ciclo (época). O modo de treinamento escolhido foi o modo Padrão. O tempo de treinamento, ou sea a especificação de um critério de parada pode ser feito considerando dois aspectos: número de ciclos ou a taxa de erro ser menor que um erro aceitável. O critério de parada é muito importante, pois se for estabelecido um parâmetro incorreto, a rede poderá perder a sua generalização ficando esta especializada em um determinado conunto de dados. Este fato é chamado de overtraining Teste A fase de teste foi responsável pela determinação do desempenho da rede. Nesta fase também foi realizada a análise dos pesos da rede para verificar se alguns neurônios poderiam ser eliminados (pesos muito baixos) ou se houve overtraining (pesos muito altos) [11] Integração A última etapa do processo de implementação de redes neurais proposto neste trabalho é a Etapa de Integração. Esta etapa ainda não foi realizada, devendo ser executada ao longo dos próximos meses. 6. Resultados Experimentais e Conclusões O obetivo do trabalho proposto foi avaliar o comportamento de uma Rede Neural de Multicamadas Percepton para classificação de batimentos cardíacos sendo imunes ao ruído. Os padrões que fazem parte do conunto de treinamento e do conunto de testes possuem três tipos de sinais: Batimento Normal, Contração Ventricular Prematura (PVC) e Flutter Ventricular. Foram realizadas vários testes com diferentes valores de parâmetros de aprendizagem e diferentes números de neurônios para a camada escondida da RNA. Os valores dos parâmetros de aprendizagem avaliados foram 0.2, 0.5 e 0.9. O número de neurônios utilizado para a camada escondida foi 10, 20 e 30. Na figura 6 podemos observar um exemplo rede MLP utilizada para o treinamento. Figura 6. Rede Neural MLP [16 ]. Foi estabelecido o critério que: os padrões pertencentes ao conunto de treinamento, não devem possuir sinais ruidosos. Em contraposto, os sinais que pertencem ao conunto de teste devem possuir fragmentos de sinais que possuam ruído. Desta forma, poderemos observar como uma rede neural artificial se comporta mediante a sinais ruidosos de eletrocardiograma. Abaixo se pode observar alguns trechos de sinais sem ruído e com ruído.

8 Normal PVC Flutter Figura 7. Sinais sem ruído de ECG: Normal, PVC e Flutter [13]. Normal PVC Flutter Figura 7. Sinais com ruído de ECG: Normal, PVC e Flutter [13]. As performances dos experimentos estão apresentados na tabela 2. TESTE DE ECG COM MLP Número Taxa de Função de neurônios Épocas aprendizado Ativação Treino % Teste% ,2 sigmoide 80,217 80, ,5 sigmoide 79,956 80, ,9 sigmoide 79,421 79, ,2 sigmoide 80,03 80, ,5 sigmoide 80,354 80, ,9 sigmoide 80,599 80, ,2 sigmoide 79,868 79, ,5 sigmoide 80,373 79, ,9 sigmoide 80,079 80,079 Tabela 2. Resultados premilinares dos experimentos de sinais de ECG. Pode-se concluir que a RNA obteve bons resultados para o trabalho proposto. A RNA comportou-se dentro do esperado, considerando que a mesma foi treinada com sinais sem ruído e os testes foram realizados com sinais que continham ruído. Outros resultados são inferiores a outras técnicas, como as apresentadas em Bossan,. Contudo deve-se considerar que estes trabalhos utilizaram técnicas de compressão de sinais e filtros para a remoção de ruídos. Uma outra diferença que deve ser considerada está no número de padrões de cada sinal utilizados para treinamento e para teste. Na nossa proposta todos os tipos de sinais possuem a mesma quantidade de dados. Desta forma, todos os tipos de sinais (Normal, PVC e Flutter) possuem a mesmo grau de importância para o treinamento e para os testes. Pode-se perceber que a taxa de erro ainda é considerada alta, contudo estes experimentos iniciais podem ser considerados satisfatórios. Serão necessários ainda mais experimentos para que se possa chegar a uma estrutura de rede neural artificial apropriada. 7. Agradecimentos Os autores gostariam de agradecer a FAPERGS e a empresa PARKS pelo auxilio através do suporte financeiro a este proeto.

9 8. Referência Bibliográfica [1] Melo, S.L.; Caloba, P. L.; Nadal, J. Classificação de Batimentos Cardíacos Utilizando Rede Neural com Treinamento Comp etitivo Supervisionado. Programa de Engenharia Biomédica, COPPE/UFRJ, SBC/99. [2] Tompkins, Willins J. Biomedical Digital Signal Processing. Prentice-Hall PTR, [3] Frenkel, D.; Nadal, J. Detecção de Eventos Isquêmicos do Eletrocardiograma utilizando Redes Neurais. Programa de Engenharia Biomédica, COPPE/UFRJ, SBC/99. [4] Jain, Anil K.; Mao Jianchang, Artificial Neural Networks: A tutorial. IEEE, p , Mar [5] Spode, E. Desenvolvimento De Um Sistema De Monitoramento Remoto Não Invasivo de Sinais Vitais. PPGEE/PUC/RS, Porto Alegre, [6] Guyton, Arthur C.; Hall, John E. Tratado de Fisiologia Médica. Guanabara & Koogan, [7] Civita, Victor. Grande Enciclopédia Médica, ABRIL S.A. CULTURAL E INDUSTRIAL, São Paulo, Brasil, 2ª edição, Vol 1., [8] Gavião N., Wilson P. Um Estudo de Métodos de Compressão de Sinais de ECG, Monografia de Trabalho de Conclusão, Universidade Federal de Pelotas, [9] Novak, Daniel. Processing of ECG signal using Wavelets. Final Thesis, Czech Technical University in Prague. [10] BLOWERS, M. G. & SMITH, R.N. How to Read an ECG, Basic interpretation for nurses and other health workers. Revised edition. Book division Oradell, New Jersey, [11] Tosing, Sergio L. Simulando o Cérebro: Redes Neurais, [12] DHAR, Vasant & STEIN, Roger. Seven Methods for transforming Corporate Data Info Business Intelligence. Prentice-Hall. New Jersey, [13] "MIT/BIH database distributor", Beth Israel Hospital, Biomedical Engineering, Division KB-26, 330 Brookline Avenue, Boston, MA 02215, USA. [14] Taddei A., et al., " The European ST-T database: standard for evaluating systems for the analysis of ST-T changes in Ambulatory Electrocardiograph", European Heart Jornal, Vol. 13, [15] Silipo, R. & Marchesi, C. Artiftial Neural Networks for automatic ECG analysis. [16] Zell, A. And Mamier, G. Vogt M. Et al. Stuttgart Neural Networks Simulator. User Manual Version 4.2, University of Stuttgart, Germany, [17] Bossan, M. C. Classificação de Batimentos Cardíacos Utilizando Redes Neurais. Tese de Mestrado, Programa de Engenharia Biomédica, COPPE/UFRJ, Rio de Janeiro, 1994.

Aula 2 RNA Arquiteturas e Treinamento

Aula 2 RNA Arquiteturas e Treinamento 2COP229 Aula 2 RNA Arquiteturas e Treinamento 2COP229 Sumário 1- Arquiteturas de Redes Neurais Artificiais; 2- Processos de Treinamento; 2COP229 1- Arquiteturas de Redes Neurais Artificiais -Arquitetura:

Leia mais

Complemento II Noções Introdutória em Redes Neurais

Complemento II Noções Introdutória em Redes Neurais Complemento II Noções Introdutória em Redes Neurais Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações

Leia mais

Doenças cardiovasculares constituem um dos maiores problemas que afligem a

Doenças cardiovasculares constituem um dos maiores problemas que afligem a 18 1 INTRODUÇÃO Doenças cardiovasculares constituem um dos maiores problemas que afligem a população dos países industrializados. Essas doenças são responsáveis por mais de cinco milhões de pessoas hospitalizadas

Leia mais

Redes Neurais. Profa. Flavia Cristina Bernardini

Redes Neurais. Profa. Flavia Cristina Bernardini Redes Neurais Profa. Flavia Cristina Bernardini Introdução Cérebro & Computador Modelos Cognitivos Diferentes Cérebro Computador Seqüência de Comandos Reconhecimento de Padrão Lento Rápido Rápido Lento

Leia mais

Relatório Iniciação Científica

Relatório Iniciação Científica Relatório Iniciação Científica Ambientes Para Ensaios Computacionais no Ensino de Neurocomputação e Reconhecimento de Padrões Bolsa: Programa Ensinar com Pesquisa-Pró-Reitoria de Graduação Departamento:

Leia mais

Eventos mecânicos do ciclo cardíaco

Eventos mecânicos do ciclo cardíaco O músculo cardíaco Introdução As variedades de músculos cardíacos O músculo cardíaco como um sincício O longo potencial de ação e o seu platô no músculo cardíaco Introdução O coração pode ser considerado

Leia mais

Hemodinâmica. Cardiovascular. Fisiologia. Fonte: http://images.sciencedaily.com/2008/02/080226104403-large.jpg

Hemodinâmica. Cardiovascular. Fisiologia. Fonte: http://images.sciencedaily.com/2008/02/080226104403-large.jpg Fonte: http://images.sciencedaily.com/2008/02/080226104403-large.jpg Fisiologia Cardiovascular Hemodinâmica Introdução O sistema circulatório apresenta várias funções integrativas e de coordenação: Função

Leia mais

PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS

PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS Anais do XXXIV COBENGE. Passo Fundo: Ed. Universidade de Passo Fundo, Setembro de 2006. ISBN 85-7515-371-4 PROTÓTIPO DE SOFTWARE PARA APRENDIZAGEM DE REDES NEURAIS ARTIFICIAIS Rejane de Barros Araújo rdebarros_2000@yahoo.com.br

Leia mais

Fisiologia Geral. Biofísica da Circulação: artérias

Fisiologia Geral. Biofísica da Circulação: artérias Fisiologia Geral Biofísica da Circulação: O ciclo cardíaco; Interconversão de energias nas artérias SISTEMA CARDIOVASCULAR Sistema de ductos fechados com uma bomba hidráulica: O coração. Artérias: vasos

Leia mais

Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica

Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica Identificação de Caracteres com Rede Neuronal Artificial com Interface Gráfica João Paulo Teixeira*, José Batista*, Anildio Toca**, João Gonçalves**, e Filipe Pereira** * Departamento de Electrotecnia

Leia mais

Sistema circulatório

Sistema circulatório Texto de apoio ao professor T3 Nesta aula irá estudar-de o ciclo cardíaco (diástole, sístole, pressão sanguínea e arterial) e os meios utilizados para o diagnóstico e prevenção de anomalias que possam

Leia mais

Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais

Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais Previsão do Índice da Bolsa de Valores do Estado de São Paulo utilizandoredes Neurais Artificiais Redes Neurais Artificiais Prof. Wilian Soares João Vitor Squillace Teixeira Ciência da Computação Universidade

Leia mais

Utilização das Transformadas Wavelets na detecção de características em um sinal de ECG RELATÓRIO FINAL

Utilização das Transformadas Wavelets na detecção de características em um sinal de ECG RELATÓRIO FINAL Utilização das Transformadas Wavelets na detecção de características em um sinal de ECG RELATÓRIO FINAL Orientador: Prof. Dr. Aldo Artur Belardi Departamento: Engenharia Elétrica Aluno: Gabriel Diego Porfirio

Leia mais

Redes neurais auto-organizáveis para classificação de sinais eletrocardiográficos atriais

Redes neurais auto-organizáveis para classificação de sinais eletrocardiográficos atriais JAN. FEV. MAR. 2005 ANO XI, Nº 40 51-56 INTEGRAÇÃO 51 Redes neurais auto-organizáveis para classificação de sinais eletrocardiográficos atriais EDUARDO DE AZEVEDO BOTTER* CAIRO LÚCIO NASCIMENTO JUNIOR**

Leia mais

2 O CORAÇÃO E A ATIVIDADE ELÉTRICA CARDÍACA

2 O CORAÇÃO E A ATIVIDADE ELÉTRICA CARDÍACA 26 2 O CORAÇÃO E A ATIVIDADE ELÉTRICA CARDÍACA O coração normal (Figura 2), é um órgão predominantemente muscular que funciona como uma bomba de ejeção pulsante. A sua função é ejetar o sangue para o sistema

Leia mais

MLP (Multi Layer Perceptron)

MLP (Multi Layer Perceptron) MLP (Multi Layer Perceptron) André Tavares da Silva andre.silva@udesc.br Roteiro Rede neural com mais de uma camada Codificação de entradas e saídas Decorar x generalizar Perceptron Multi-Camada (MLP -

Leia mais

5 ANÁLISE AUTOMÁTICA DE SINAIS DE ECG

5 ANÁLISE AUTOMÁTICA DE SINAIS DE ECG 67 5 ANÁLISE AUTOMÁTICA DE SINAIS DE ECG Nesse capítulo descreve-se o funcionamento do programa desenvolvido, juntamente com seu pré-processamento e resultados obtidos. O algoritmo desenvolvido tem a finalidade

Leia mais

Redes neurais aplicadas na identificação de variedades de soja

Redes neurais aplicadas na identificação de variedades de soja Redes neurais aplicadas na identificação de variedades de soja Fábio R. R. Padilha Universidade Regional do Noroeste do Estado do Rio Grande do Sul - UNIJUÍ Rua São Francisco, 5 - Sede Acadêmica, 987-,

Leia mais

Relatório de uma Aplicação de Redes Neurais

Relatório de uma Aplicação de Redes Neurais UNIVERSIDADE ESTADUAL DE MONTES CLAROS CENTRO DE CIÊNCIAS EXATAS E TECNOLÓGICAS DEPARTAMENTO DE CIÊNCIAS DA COMPUTACAÇÃO ESPECIALIZAÇÃO EM ENGENHARIA DE SISTEMAS DISCIPLINA: REDES NEURAIS PROFESSOR: MARCOS

Leia mais

ELETROCARDIOGRAMA. Profº Enf Eduwaldo Araújo Ferreira

ELETROCARDIOGRAMA. Profº Enf Eduwaldo Araújo Ferreira ELETROCARDIOGRAMA História do Eletrocardiograma A história do eletrocardiograma (ECG) remonta ao século XIX Acredita-se que o primeiro registro de de ECG tenha sido realizado em 1872, por Alexander Muirhead

Leia mais

Radar de Penetração no Solo e Meio- Ambiente

Radar de Penetração no Solo e Meio- Ambiente UNIVERSIDADE DE SÃO PAULO INSTITUTO DE ASTRONOMIA, GEOFÍSICA E CIÊNCIAS ATMOSFÉRICAS DEPARTAMENTO DE GEOFÍSICA Curso 3ª Idade Radar de Penetração no Solo e Meio- Ambiente Vinicius Rafael Neris dos Santos

Leia mais

Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro

Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro Uma aplicação de Inteligência Computacional e Estatística Clássica na Previsão do Mercado de Seguros de Automóveis Brasileiro Tiago Mendes Dantas t.mendesdantas@gmail.com Departamento de Engenharia Elétrica,

Leia mais

Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais

Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais Previsão do Mercado de Ações Brasileiro utilizando Redes Neurais Artificiais Elisângela Lopes de Faria (a) Marcelo Portes Albuquerque (a) Jorge Luis González Alfonso (b) Márcio Portes Albuquerque (a) José

Leia mais

IC Inteligência Computacional Redes Neurais. Redes Neurais

IC Inteligência Computacional Redes Neurais. Redes Neurais Universidade Federal do Rio de Janeiro PÓS-GRADUAÇÃO / 2008-2 IC Inteligência Computacional Redes Neurais www.labic.nce.ufrj.br Antonio G. Thomé thome@nce.ufrj.br Redes Neurais São modelos computacionais

Leia mais

DETECÇÃO E CLASSIFICAÇÃO DE ARRITMIAS CARDÍACAS UTILIZANDO REDES NEURAIS ARTIFICIAIS AUTO-ORGANIZÁVEIS

DETECÇÃO E CLASSIFICAÇÃO DE ARRITMIAS CARDÍACAS UTILIZANDO REDES NEURAIS ARTIFICIAIS AUTO-ORGANIZÁVEIS SÉRGIO RENATO ROGAL JÚNIOR DETECÇÃO E CLASSIFICAÇÃO DE ARRITMIAS CARDÍACAS UTILIZANDO REDES NEURAIS ARTIFICIAIS AUTO-ORGANIZÁVEIS Dissertação de Mestrado apresentada ao Programa de Pós-Graduação em Informática

Leia mais

Anatomia do Coração. Anatomia do Coração

Anatomia do Coração. Anatomia do Coração Objetivos Descrever a estrutura do sistema circulatório. Descrever o ciclo cardíaco e o sistema de condução cardíaca. Citar os mecanismos de controle da atividade cardíaca. A FUNÇÃO DO SISTEMA CARDIOVASCULAR

Leia mais

ANATOMIA HUMANA II. Roteiro Sistema Circulatório

ANATOMIA HUMANA II. Roteiro Sistema Circulatório ANATOMIA HUMANA II Sistema Circulatório Prof. Me. Fabio Milioni Roteiro Sistema Circulatório Conceito Função Divisão Sistemacardiovascular Sistemalinfático 1 CONCEITO O sistema cardiovascular é responsável

Leia mais

Inteligência Artificial. Redes Neurais Artificiais

Inteligência Artificial. Redes Neurais Artificiais Curso de Especialização em Sistemas Inteligentes Aplicados à Automação Inteligência Artificial Redes Neurais Artificiais Aulas Práticas no Matlab João Marques Salomão Rodrigo Varejão Andreão Matlab Objetivos:

Leia mais

Bulhas e Sopros Cardíacos

Bulhas e Sopros Cardíacos O conceito de pressão máxima e pressão mínima Quando se registra uma pressão de 120 mmhg por 80 mmhg, indica-se que a pressão sistólica é de 120 mmhg e a pressão diastólica é de 80 mmhg, ou seja, que estas

Leia mais

PO TIFÍCIA U IVERSIDADE CATÓLICA DO PARA Á CE TRO DE CIÊ CIAS EXATAS E DE TEC OLOGIA

PO TIFÍCIA U IVERSIDADE CATÓLICA DO PARA Á CE TRO DE CIÊ CIAS EXATAS E DE TEC OLOGIA PO TIFÍCIA U IVERSIDADE CATÓLICA DO PARA Á CE TRO DE CIÊ CIAS EXATAS E DE TEC OLOGIA CURITIBA 2009 GEOVA E VI ICIUS FERREIRA JHO Y KAESEMODEL PO TES ATRIUS ECG Proposta de trabalho apresentado ao curso

Leia mais

Revisão Inteligência Artificial ENADE. Prof a Fabiana Lorenzi Outubro/2011

Revisão Inteligência Artificial ENADE. Prof a Fabiana Lorenzi Outubro/2011 Revisão Inteligência Artificial ENADE Prof a Fabiana Lorenzi Outubro/2011 Representação conhecimento É uma forma sistemática de estruturar e codificar o que se sabe sobre uma determinada aplicação (Rezende,

Leia mais

PREVISÃO DE TEMPERATURA ATRAVÉS DE REDES NEURAIS ARTIFICIAIS

PREVISÃO DE TEMPERATURA ATRAVÉS DE REDES NEURAIS ARTIFICIAIS PREVISÃO DE TEMPERATURA ATRAVÉS DE REDES NEURAIS ARTIFICIAIS Alexandre Pinhel Soares 1 André Pinhel Soares 2 Abstract : The temperature monitoring is a quasi-continuous and judicious task that gives a

Leia mais

UNIVERSIDADE ESTADUAL DE CAMPINAS UNICAMP

UNIVERSIDADE ESTADUAL DE CAMPINAS UNICAMP UNIVERSIDADE ESTADUAL DE CAMPINAS UNICAMP FACULDADE DE ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO - FEEC DEPARTAMENTO DE ENGENHARIA BIOMÉDICA EA-097 - Técnicas Experimentais em Engenharia Biomédica (Preparado

Leia mais

A Atividade Elétrica do Coração http://www.geocities.ws/equipecv/fisiologia/ativeletrica.html

A Atividade Elétrica do Coração http://www.geocities.ws/equipecv/fisiologia/ativeletrica.html A Atividade Elétrica do Coração http://www.geocities.ws/equipecv/fisiologia/ativeletrica.html 1. A contração das células musculares cardíacas é acionada por um potencial de ação elétrico Conforme o músculo

Leia mais

Desenvolvimento de Software Educacional para Representação e Reconhecimento de Som Aplicado à Ausculta Cardiovascular

Desenvolvimento de Software Educacional para Representação e Reconhecimento de Som Aplicado à Ausculta Cardiovascular Desenvolvimento de Software Educacional para Representação e Reconhecimento de Som Aplicado à Ausculta Cardiovascular Bruno Carlos da C. Costa 1, Leandro Segheto Moraes 2, Júlio César da Silva 3, Elisabete

Leia mais

Avaliação do potencial produtivo em montados de sobro com recurso a redes neuronais artificiais

Avaliação do potencial produtivo em montados de sobro com recurso a redes neuronais artificiais Avaliação do potencial produtivo em montados de sobro com recurso a redes neuronais artificiais Susana Dias (Investigadora/Colaboradora da Universidade de Évora e Docente do Instituto Politécnico de Elvas)

Leia mais

Sistema cardiovascular

Sistema cardiovascular Roteiro: Sistema cardiovascular Organizacao do sistema circulatorio coracao, arterias, veias fluxo sanguineo: coracao, tecidos, pulmao, coracao Bomba cardiaca musculo cardiaco e contracao funcionamento

Leia mais

ELETROCARDIOGRAMA AS BASES FISIOLÓGICAS DA ELETROCARDIOGRAFIA. Grupo de Fisiologia Geral da Fundação Universidade de Caxias do Sul

ELETROCARDIOGRAMA AS BASES FISIOLÓGICAS DA ELETROCARDIOGRAFIA. Grupo de Fisiologia Geral da Fundação Universidade de Caxias do Sul ELETROCARDIOGRAMA AS BASES FISIOLÓGICAS DA ELETROCARDIOGRAFIA Grupo de Fisiologia Geral da Fundação Universidade de Caxias do Sul Grupo de Fisiologia Geral da Universidade de Caxias do Sul AS BASES FISIOLÓGICAS

Leia mais

PALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron.

PALAVRAS-CHAVE: Massas Nodulares, Classificação de Padrões, Redes Multi- Layer Perceptron. 1024 UMA ABORDAGEM BASEADA EM REDES PERCEPTRON MULTICAMADAS PARA A CLASSIFICAÇÃO DE MASSAS NODULARES EM IMAGENS MAMOGRÁFICAS Luan de Oliveira Moreira¹; Matheus Giovanni Pires² 1. Bolsista PROBIC, Graduando

Leia mais

A metodologia utilizada neste trabalho consiste basicamente de três etapas: ensaio, pré-processamento e simulações.

A metodologia utilizada neste trabalho consiste basicamente de três etapas: ensaio, pré-processamento e simulações. SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GCE 20 14 a 17 Outubro de 2007 Rio de Janeiro - RJ GRUPO XIV GRUPO DE ESTUDO DE CONSERVAÇÃO DE ENERGIA ELÉTRICA UTILIZAÇÃO DE REDES

Leia mais

Fisiologia Cardiovascular

Fisiologia Cardiovascular Fisiologia Cardiovascular Conceitos e funções do sistema circulatório O coração Eletrocardiograma A circulação Regulação da circulação Conceitos e funções do sistema circulatório Sistema Circulatório O

Leia mais

Redes Neurais Construtivas. Germano Crispim Vasconcelos Centro de Informática - UFPE

Redes Neurais Construtivas. Germano Crispim Vasconcelos Centro de Informática - UFPE Redes Neurais Construtivas Germano Crispim Vasconcelos Centro de Informática - UFPE Motivações Redes Feedforward têm sido bastante utilizadas em aplicações de Reconhecimento de Padrões Problemas apresentados

Leia mais

Figura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001

Figura 5.1.Modelo não linear de um neurônio j da camada k+1. Fonte: HAYKIN, 2001 47 5 Redes Neurais O trabalho em redes neurais artificiais, usualmente denominadas redes neurais ou RNA, tem sido motivado desde o começo pelo reconhecimento de que o cérebro humano processa informações

Leia mais

Redes Neuronais. Redes neuronais artificiais. Redes neuronais artificiais. Redes neuronais artificiais

Redes Neuronais. Redes neuronais artificiais. Redes neuronais artificiais. Redes neuronais artificiais Redes neuronais artificiais Surgiram nos anos 40 com o objectivo de conhecer melhor o cérebro humano e emular o seu comportamento. Departamento de Matemática Universidade dos Açores Redes Neuronais Introdução

Leia mais

Aplicações Práticas com Redes Neurais Artificiais em Java

Aplicações Práticas com Redes Neurais Artificiais em Java com em Java Luiz D Amore e Mauro Schneider JustJava 2009 17 de Setembro de 2009 Palestrantes Luiz Angelo D Amore luiz.damore@metodista.br Mauro Ulisses Schneider mauro.schneider@metodista.br http://blog.mauros.org

Leia mais

Curso de Redes Neurais utilizando o MATLAB

Curso de Redes Neurais utilizando o MATLAB Curso de Redes Neurais utilizando o MATLAB Victoria Yukie Matsunaga Belém-Pará-Brasil 2012 Esta apostila tem como principal objetivo fornecer um material de auxílio ao Curso de Redes Neurais utilizando

Leia mais

PREVISÃO DO PREÇO DA SOJA UTILIZANDO REDES NEURAIS

PREVISÃO DO PREÇO DA SOJA UTILIZANDO REDES NEURAIS PREVISÃO DO PREÇO DA SOJA UTILIZANDO REDES NEURAIS 1 William Hajime Yonenaga e 2 Reginaldo Santana Figueiredo 1 Programa de Pós-Graduação em Engenharia de Produção, 2 Departamento de Engenharia de Produção

Leia mais

Automatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial

Automatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial Automatização do processo de determinação do número de ciclos de treinamento de uma Rede Neural Artificial André Ricardo Gonçalves; Maria Angélica de Oliveira Camargo Brunetto Laboratório Protem Departamento

Leia mais

OTIMIZAÇÃO DE REDES NEURAIS PARA PREVISÃO DE SÉRIES TEMPORAIS

OTIMIZAÇÃO DE REDES NEURAIS PARA PREVISÃO DE SÉRIES TEMPORAIS OTIMIZAÇÃO DE REDES NEURAIS PARA PREVISÃO DE SÉRIES TEMPORAIS Trabalho de Conclusão de Curso Engenharia da Computação Adélia Carolina de Andrade Barros Orientador: Prof. Dr. Adriano Lorena Inácio de Oliveira

Leia mais

5º CONGRESSO BRASILEIRO DE PESQUISA E DESENVOLVIMENTO EM PETRÓLEO E GÁS

5º CONGRESSO BRASILEIRO DE PESQUISA E DESENVOLVIMENTO EM PETRÓLEO E GÁS 5º CONGRESSO BRASILEIRO DE PESQUISA E DESENVOLVIMENTO EM PETRÓLEO E GÁS TÍTULO DO TRABALHO: REDES NEURAIS APLICADAS EM INDÚSTRIAS PETROQUÍMICAS DE FABRICAÇÃO DE FIBRAS DE POLIÉSTER. AUTORES: Lívia Maciel

Leia mais

DETECÇÃO AUTOMÁTICA DE ARRITMIA CARDÍACA UTILIZANDO WAVELET E REDES NEURAIS TREINADAS COM OTIMIZAÇÃO POR NUVEM DE PARTÍCULAS

DETECÇÃO AUTOMÁTICA DE ARRITMIA CARDÍACA UTILIZANDO WAVELET E REDES NEURAIS TREINADAS COM OTIMIZAÇÃO POR NUVEM DE PARTÍCULAS ALFREDO BECKERT NETO DETECÇÃO AUTOMÁTICA DE ARRITMIA CARDÍACA UTILIZANDO WAVELET E REDES NEURAIS TREINADAS COM OTIMIZAÇÃO POR NUVEM DE PARTÍCULAS Dissertação de Mestrado apresentado ao Programa de Pós-Graduação

Leia mais

UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS

UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS UNISINOS - UNIVERSIDADE DO VALE DO RIO DOS SINOS Curso: Informática Disciplina: Redes Neurais Prof. Fernando Osório E-mail: osorio@exatas.unisinos.br EXEMPLO DE QUESTÕES DE PROVAS ANTIGAS 1. Supondo que

Leia mais

PRINCÍPIOS BÁSICOS DO ELETROCARDIOGRAMA

PRINCÍPIOS BÁSICOS DO ELETROCARDIOGRAMA UNIVERSIDADE COMUNITÁRIA da REGIÃO DE CHAPECÓ - UNOCHAPECÓ ÁREA DE CIÊNCIAS DA SAÚDE CURSO DE ENFERMAGEM PROFESSORA TÂNIA MARIA ASCARI PRINCÍPIOS BÁSICOS DO ELETROCARDIOGRAMA O eletrocardiograma é o registro

Leia mais

Do neurônio biológico ao neurônio das redes neurais artificiais

Do neurônio biológico ao neurônio das redes neurais artificiais Do neurônio biológico ao neurônio das redes neurais artificiais O objetivo desta aula é procurar justificar o modelo de neurônio usado pelas redes neurais artificiais em termos das propriedades essenciais

Leia mais

TÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA

TÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA TÍTULO: PROPOSTA DE METODOLOGIA BASEADA EM REDES NEURAIS ARTIFICIAIS MLP PARA A PROTEÇÃO DIFERENCIAL DE TRANSFORMADORES DE POTÊNCIA CATEGORIA: CONCLUÍDO ÁREA: ENGENHARIAS E ARQUITETURA SUBÁREA: ENGENHARIAS

Leia mais

Prof. Me. Leandro Parussolo

Prof. Me. Leandro Parussolo HISTOFISIOLOGIA ANIMAL AULA - SISTEMA CARDIOVASCULAR Prof. Me. Leandro Parussolo SISTEMA CARDIOVASCULAR INTRODUÇÃO A função da circulação é realizada pelo sistema cardiovascular sistema vascular sanguíneo

Leia mais

A implementação e o estudo. de redes neurais artificiais em ferramentas de software comerciais,

A implementação e o estudo. de redes neurais artificiais em ferramentas de software comerciais, Artigos A implementação e o estudo de redes neurais artificiais em ferramentas de software comerciais Cleber Gustavo Dias Professor do Departamento de Ciências Exatas Uninove. São Paulo SP [Brasil] diascg@uninove.br

Leia mais

Um Detector de Complexos QRS Evolutivo para o Eletrocardiograma

Um Detector de Complexos QRS Evolutivo para o Eletrocardiograma Um Detector de Complexos QRS Evolutivo para o Eletrocardiograma Bruno Melo 1, Roberta Lopes 1, Luis Coradine 1 1 Universidade Federal de Alagoas, Instituto de Computação, Programa de Pós-Graduação em Modelagem

Leia mais

Projeto de Redes Neurais e MATLAB

Projeto de Redes Neurais e MATLAB Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar arrr2@cin.ufpe.br Thiago Miotto tma@cin.ufpe.br Baseado na apresentação

Leia mais

REDES NEURAIS ARTIFICIAIS EM COLHEITA DE CANA-DE-AÇÚCAR RESUMO

REDES NEURAIS ARTIFICIAIS EM COLHEITA DE CANA-DE-AÇÚCAR RESUMO REDES NEURAIS ARTIFICIAIS EM COLHEITA DE CANA-DE-AÇÚCAR THIAGO RAMOS TRIGO 1 PAULO CESAR DA SILVA BATISTA JÚNIOR 1 FERNANDO BUARQUE DE LIMA NETO 2 RESUMO Este artigo apresenta um maneira de implementar

Leia mais

Inteligência Computacional [2COP229]

Inteligência Computacional [2COP229] Inteligência Computacional [2COP229] Mestrado em Ciência da Computação Sylvio Barbon Jr barbon@uel.br (2/24) Tema Aula 1 Introdução ao Reconhecimento de Padrões 1 Introdução 2 Componentes clássicos da

Leia mais

Matlab - Neural Networw Toolbox. Ana Lívia Soares Silva de Almeida

Matlab - Neural Networw Toolbox. Ana Lívia Soares Silva de Almeida 27 de maio de 2014 O que é a Neural Networw Toolbox? A Neural Network Toolbox fornece funções e aplicativos para a modelagem de sistemas não-lineares complexos que não são facilmente modelados com uma

Leia mais

Estudos para Localização de Faltas em Redes Subterrâneas Integrando o Software PSCAD/EMTDC e Ferramentas Inteligentes

Estudos para Localização de Faltas em Redes Subterrâneas Integrando o Software PSCAD/EMTDC e Ferramentas Inteligentes 1 Estudos para ização de Faltas em Redes Subterrâneas Integrando o Software PSCAD/EMTDC e Ferramentas Inteligentes D. S. Gastaldello, A. N. Souza, H. L. M. do Amaral, M. G. Zago e C. C. O. Ramos Resumo--

Leia mais

1. Introdução... 2. 2. As origens da RNA... 3. 3. O nosso cérebro... 5. 3.1. Plasticidade e modulação sináptica... 5

1. Introdução... 2. 2. As origens da RNA... 3. 3. O nosso cérebro... 5. 3.1. Plasticidade e modulação sináptica... 5 Sumário 1. Introdução... 2 2. As origens da RNA... 3 3. O nosso cérebro... 5 3.1. Plasticidade e modulação sináptica... 5 4. As redes neurais artificiais... 7 4.1. Estrutura da RNA... 7 4.3. Modelos de

Leia mais

EXAMES COMPLEMENTARES: ECG NORMAL. Diego A. H. Ortega dos Santos 07/11/12

EXAMES COMPLEMENTARES: ECG NORMAL. Diego A. H. Ortega dos Santos 07/11/12 EXAMES COMPLEMENTARES: ECG NORMAL Diego A. H. Ortega dos Santos 07/11/12 OBJETIVOS 1) Revisar Eletrofisiologia Cardíaca 2) Compreender o ECG - Quanto aos valores - Quanto à técnica - Quanto às derivações

Leia mais

MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES

MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES MINERAÇÃO DE DADOS PARA DETECÇÃO DE SPAMs EM REDES DE COMPUTADORES Kelton Costa; Patricia Ribeiro; Atair Camargo; Victor Rossi; Henrique Martins; Miguel Neves; Ricardo Fontes. kelton.costa@gmail.com; patriciabellin@yahoo.com.br;

Leia mais

Redes Neurais Artificiais

Redes Neurais Artificiais Redes Neurais Artificiais Inteligência Artificial Prof. Cedric Luiz de Carvalho Instituto de Informática UFG 2006 2/164 Tópicos Introdução Redes Neurais Humanas O que são Redes Neurais Artificiais Características

Leia mais

SISTEMA A BASE DE REGRAS PARA A DETECÇÃO DE EPISÓDIOS ISQUÊMICOS

SISTEMA A BASE DE REGRAS PARA A DETECÇÃO DE EPISÓDIOS ISQUÊMICOS SISTEMA A BASE DE REGRAS PARA A DETECÇÃO DE EPISÓDIOS ISQUÊMICOS GABRIEL T. ZAGO, BRUNO N. AMIGO, RODRIGO V. ANDREÃO Coordenadoria de Eletrotécnica, Instituto Federal do Espírito Santo Av. Vitória, 1729

Leia mais

Modelos Pioneiros de Aprendizado

Modelos Pioneiros de Aprendizado Modelos Pioneiros de Aprendizado Conteúdo 1. Hebb... 2 2. Perceptron... 5 2.1. Perceptron Simples para Classificaçãod e Padrões... 6 2.2. Exemplo de Aplicação e Motivação Geométrica... 9 2.3. Perceptron

Leia mais

TÉCNICAS DE APRENDIZAGEM DE MÁQUINA PARA PREVISÃO DE SUCESSO EM IMPLANTES DENTÁRIOS

TÉCNICAS DE APRENDIZAGEM DE MÁQUINA PARA PREVISÃO DE SUCESSO EM IMPLANTES DENTÁRIOS TÉCNICAS DE APRENDIZAGEM DE MÁQUINA PARA PREVISÃO DE SUCESSO EM IMPLANTES DENTÁRIOS Trabalho de Conclusão de Curso Engenharia da Computação Nome do Aluno: Carolina Baldisserotto Orientador: Prof. Adriano

Leia mais

Classificação de páginas da Internet utilizando redes neurais artificiais.

Classificação de páginas da Internet utilizando redes neurais artificiais. Classificação de páginas da Internet utilizando redes neurais artificiais. Genilto Dallo Departamento de Ciência da Computação (DECOMP) Universidade Estadual do Centro-Oeste (UNICENTRO) Guarapuava, PR

Leia mais

Sistemas de monitorização em UTI

Sistemas de monitorização em UTI Sistemas de monitorização em UTI # Monitorização cardíaca não invasiva; # Noções básicas de eletrocardiograma; Monitorizar visualização freqüente e repetida das variáveis fisiológicas Logo: Prevenir, Avisar,

Leia mais

Eletrocardiograma ELETROCARDIOGRAMA (ECG) Registro gráfico das correntes elétricas do coração que se propagam até a superfície do corpo

Eletrocardiograma ELETROCARDIOGRAMA (ECG) Registro gráfico das correntes elétricas do coração que se propagam até a superfície do corpo Eletrocardiograma ELETROCARDIOGRAMA () Registro gráfico das correntes elétricas do coração que se propagam até a superfície do corpo FLUXO DE CORRENTE NO TÓRAX Traçado típico de um normal 1 mv 0,20 s DERIVAÇÕES

Leia mais

APLICADO AO EXERCÍCIO

APLICADO AO EXERCÍCIO UNIVERSIDADE DE SÃO PAULO INSTITUTO DE CIÊNCIAS BIOMÉDICAS DEPARTAMENTO DE HISTOLOGIA E EMBRIOLOGIA LABORATÓRIO DE METABOLISMO DE LIPÍDEOS SISTEMA CARDIORRESPIRATÓRIO APLICADO AO EXERCÍCIO Prof. Dr: Luiz

Leia mais

Nathalie Portugal Vargas

Nathalie Portugal Vargas Nathalie Portugal Vargas 1 Introdução Trabalhos Relacionados Recuperação da Informação com redes ART1 Mineração de Dados com Redes SOM RNA na extração da Informação Filtragem de Informação com Redes Hopfield

Leia mais

ELETROCARDIOGRAMA 13/06/2015 ANATOMIA E FISIOLOGIA CARDIOVASCULAR

ELETROCARDIOGRAMA 13/06/2015 ANATOMIA E FISIOLOGIA CARDIOVASCULAR ELETROCARDIOGRAMA Professor : Elton Chaves Do ponto de vista funcional, o coração pode ser descrito como duas bombas funcionando separadamente cada uma trabalhando de forma particular e gerando pressões

Leia mais

REDES NEURAIS ARTIFICIAIS EM COLHEITA DE CANA-DE- AÇÚCAR

REDES NEURAIS ARTIFICIAIS EM COLHEITA DE CANA-DE- AÇÚCAR REDES NEURAIS ARTIFICIAIS EM COLHEITA DE CANA-DE- AÇÚCAR THIAGO RAMOS TRIGO 1 PAULO CESAR DA SILVA BATISTA JÚNIOR 1 FERNANDO BUARQUE DE LIMA NETO 2 RESUMO Este artigo apresenta um maneira de implementar

Leia mais

Renato Maia Silva. Redes Neurais Artificiais aplicadas à Detecção de Intrusão em Redes TCP/IP. Dissertação de Mestrado

Renato Maia Silva. Redes Neurais Artificiais aplicadas à Detecção de Intrusão em Redes TCP/IP. Dissertação de Mestrado Renato Maia Silva Redes Neurais Artificiais aplicadas à Detecção de Intrusão em Redes TCP/IP Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do grau de Mestre pelo

Leia mais

Revista Hispeci & Lema On Line ano III n.3 nov. 2012 ISSN 1980-2536 unifafibe.com.br/hispecielemaonline Centro Universitário UNIFAFIBE Bebedouro-SP

Revista Hispeci & Lema On Line ano III n.3 nov. 2012 ISSN 1980-2536 unifafibe.com.br/hispecielemaonline Centro Universitário UNIFAFIBE Bebedouro-SP Reconhecimento de face utilizando banco de imagens monocromáticas e coloridas através dos métodos da análise do componente principal (PCA) e da Rede Neural Artificial (RNA) [Recognition to face using the

Leia mais

3 Metodologia de Previsão de Padrões de Falha

3 Metodologia de Previsão de Padrões de Falha 3 Metodologia de Previsão de Padrões de Falha Antes da ocorrência de uma falha em um equipamento, ele entra em um regime de operação diferente do regime nominal, como descrito em [8-11]. Para detectar

Leia mais

Aprendizagem de Máquina

Aprendizagem de Máquina Aprendizagem de Máquina Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Tipos de aprendizagem 3. Paradigmas de aprendizagem 4. Modos de aprendizagem

Leia mais

TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE

TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto Estudos Comparativos Recentes - Behavior Scoring Roteiro Objetivo Critérios de Avaliação

Leia mais

RECONHECIMENTO DE ACORDES MUSICAIS: UMA ABORDAGEM VIA PERCEPTRON MULTICAMADAS

RECONHECIMENTO DE ACORDES MUSICAIS: UMA ABORDAGEM VIA PERCEPTRON MULTICAMADAS Mecánica Computacional Vol XXIX, págs 9169-9175 (artículo completo) Eduardo Dvorkin, Marcela Goldschmit, Mario Storti (Eds) Buenos Aires, Argentina, 15-18 Noviembre 2010 RECONHECIMENTO DE ACORDES MUSICAIS:

Leia mais

Simulador de Redes Neurais Multiplataforma

Simulador de Redes Neurais Multiplataforma Simulador de Redes Neurais Multiplataforma Lucas Hermann Negri 1, Claudio Cesar de Sá 2, Ademir Nied 1 1 Departamento de Engenharia Elétrica Universidade do Estado de Santa Catarina (UDESC) Joinville SC

Leia mais

Sistema circulatório

Sistema circulatório Sistema circulatório O que é: também conhecido como sistema cardiovascular é formado pelo coração e vasos sanguíneos. Tal sistema é responsável pelo transporte de nutrientes, gases, hormônios, excreções

Leia mais

FACULDADE DO LITORAL SUL PAULISTA - FALS JEAN MAMEDE DE OLIVEIRA

FACULDADE DO LITORAL SUL PAULISTA - FALS JEAN MAMEDE DE OLIVEIRA FACULDADE DO LITORAL SUL PAULISTA - FALS JEAN MAMEDE DE OLIVEIRA INTELIGÊNCIA ARTIFICIAL REDES NEURAIS ARTIFÍCIAIS PRAIA GRANDE 2010 JEAN MAMEDE DE OLIVEIRA INTELIGÊNCIA ARTIFICIAL REDES NEURAIS ARTIFÍCIAIS

Leia mais

Pós-Graduação em Engenharia Elétrica Inteligência Artificial

Pós-Graduação em Engenharia Elétrica Inteligência Artificial Pós-Graduação em Engenharia Elétrica Inteligência Artificial João Marques Salomão Rodrigo Varejão Andreão Inteligência Artificial Definição (Fonte: AAAI ): "the scientific understanding of the mechanisms

Leia mais

Thearlismar Soares de Araújo APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS PARA O DIAGNÓSTICO DE PATOLOGIAS TRAUMATO-ORTOPÉDICAS DOS MEMBROS INFERIORES

Thearlismar Soares de Araújo APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS PARA O DIAGNÓSTICO DE PATOLOGIAS TRAUMATO-ORTOPÉDICAS DOS MEMBROS INFERIORES Thearlismar Soares de Araújo APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS PARA O DIAGNÓSTICO DE PATOLOGIAS TRAUMATO-ORTOPÉDICAS DOS MEMBROS INFERIORES Palmas 2012 Thearlismar Soares de Araújo APLICAÇÃO DE REDES

Leia mais

Ferramenta computacional para implementação de redes neuronais optimização das capacidades gráficas

Ferramenta computacional para implementação de redes neuronais optimização das capacidades gráficas INEB- PSI Technical Report 2007-2 Ferramenta computacional para implementação de redes neuronais optimização das capacidades gráficas Alexandra Oliveira aao@fe.up.pt Professor Joaquim Marques de Sá December

Leia mais

Telecardiologia a Serviço de Pacientes Hospitalizados em Domicílio

Telecardiologia a Serviço de Pacientes Hospitalizados em Domicílio TeleCardio Telecardiologia a Serviço de Pacientes Hospitalizados em Domicílio Rodrigo V. Andreão, PPGEE/UFES rodrigo@ele.ufes.br José Gonçalves P. Filho e Camilo Z. Calvi, PPGI/UFES zegonc@inf.ufes.br

Leia mais

SIMPÓSIO DE ELETROCARDIOGRAMA

SIMPÓSIO DE ELETROCARDIOGRAMA SIMPÓSIO DE ELETROCARDIOGRAMA www.gerenciamentoetreinamento.com Treinamentos Corporativos Contato: XX 12 9190 0182 E mail: gomesdacosta@gerenciamentoetreinamento.com SIMPÓSIO DE ELETROCARDIOGRAMA Márcio

Leia mais

Proposta de Implementação em Hardware dedicado de Redes Neurais Competitivas com Técnicas de Circuitos Integrados Analógicos

Proposta de Implementação em Hardware dedicado de Redes Neurais Competitivas com Técnicas de Circuitos Integrados Analógicos Proposta de Implementação em Hardware dedicado de Redes Neurais ompetitivas com Técnicas de ircuitos Integrados Analógicos Autores Prof. Dr. Paulo M. Engel Universidade Federal do Rio Grande do Sul UFRGS/rasil

Leia mais

Estudo de Caso no Mercado Imobiliário de Castelo Branco

Estudo de Caso no Mercado Imobiliário de Castelo Branco 23 Estudo de Caso no Mercado Imobiliário de Castelo Branco Maria Cristina Canavarro Teixeira Escola Superior Agrária, Quinta da Sra. de Mércules, 6001-909 Castelo Branco, Portugal ccanavarro@ipcb.pt Sumário

Leia mais

Modelos não recorrentes RNA Feed-Forward: MLP - Backpropagation, RProp,CasCor (HiperPlanos) RBF Radial Basis Function (Clusters)

Modelos não recorrentes RNA Feed-Forward: MLP - Backpropagation, RProp,CasCor (HiperPlanos) RBF Radial Basis Function (Clusters) Modelos não recorrentes RNA Feed-Forward: MLP - Backpropagation, RProp,CasCor (HiperPlanos) RBF Radial Basis Function (Clusters) 2. Outros modelos Mapas de Kohonen SOM, SOFM (Self-Organizing Feature Maps)

Leia mais

Regulação do Débito Cardíaco, Fisiopatologia da Insuficiência Cardíaca e Eletrocardiograma

Regulação do Débito Cardíaco, Fisiopatologia da Insuficiência Cardíaca e Eletrocardiograma Regulação do Débito Cardíaco, Fisiopatologia da Insuficiência Cardíaca e Eletrocardiograma O débito cardíaco Introdução A influência do retorno venoso no débito cardíaco O papel dos barorreceptores Introdução

Leia mais

IN0997 - Redes Neurais

IN0997 - Redes Neurais IN0997 - Redes Neurais Aluizio Fausto Ribeiro Araújo Universidade Federal de Pernambuco Centro de Informática - CIn Departamento de Sistemas da Computação aluizioa@cin.ufpe.br Conteúdo Objetivos Ementa

Leia mais

Aprendizagem de Máquina

Aprendizagem de Máquina Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Horários Aulas Sala [quinta-feira, 7:30 12:00] Atendimento Segunda

Leia mais

Sistema de formação e condução de estímulos no coração. Gerar impulsos ritmados Conduzir os impulsos rapidamente, através do coração

Sistema de formação e condução de estímulos no coração. Gerar impulsos ritmados Conduzir os impulsos rapidamente, através do coração Sistema de formação e condução de estímulos no coração Gerar impulsos ritmados Conduzir os impulsos rapidamente, através do coração O sistema condutor Nodo sinusal Potencial de repouso 55 a 60mV Os canais

Leia mais

Fisiologia Cardiovascular

Fisiologia Cardiovascular Fisiologia Cardiovascular Conceitos e funções do sistema circulatório O coração Eletrocardiograma A circulação Regulação da circulação Aula prática - ECG Aula prática Medida de PA Conceitos e funções do

Leia mais

Classificação de pacientes com transtorno de dislexia usando Redes Neurais Artificiais

Classificação de pacientes com transtorno de dislexia usando Redes Neurais Artificiais Classificação de pacientes com transtorno de dislexia usando Redes Neurais Artificiais Raimundo José Macário Costa Programa de Engenharia de Sistemas, COPPE/UFRJ E-mail: macario@cos.ufrj.br Telma Silveira

Leia mais