Av. Fernando Ferrari, Vitória, ES. Av. Vitória, Vitória, ES. 9, Rue Charles Fourier EVRY CEDEX France
|
|
- Maria das Neves Cavalheiro da Silva
- 8 Há anos
- Visualizações:
Transcrição
1 SOBRE O USO DE REDES BAYESIANAS NA DETECÇÃO DE EPISÓDIOS DE ESV: ASPECTOS DE SEGMENTAÇÃO DO SINAL DE ECG LORENA S.C. OLIVEIRA 1,3, RODRIGO V. ANDREÃO 1,2, MARIO SARCINELLI FILHO 1, JÉRÔME BOUDY 3, BERNADETTE DORIZZI 3 1 Programa de Pós-Graduação em Engenharia Elétrica, Universidade Federal do Espirito Santo Av. Fernando Ferrari, Vitória, ES 2 Instituto Federal de Educação, Ciência e Tecnologia do Espírito Santo Av. Vitória, Vitória, ES 3 TELECOM et Management Sud-Paris 9, Rue Charles Fourier EVRY CEDEX France s: lorenasco@yahoo.com.br, rodrigo@ele.ufes.br, mario.sarcinelli@ele.ufes.br, jerome.boudy@int-evry.fr, Bernadette.Dorizzi@it-sudparis.eu Abstract This paper presents a system to support medical decision-making, using a Static Bayesian Network (BN) implemented using the MATLAB toolbox BNT (Bayesian Net Toolbox). The problem addressed is the identification of Premature Ventricular Contraction (PVC) in ECG records (Electrocardiogram). The motivation for using the BN technology is the possibility of taking into account the uncertainty present in the clinical reasoning. Moreover, the probabilistic inference model is quite suitable for this type of problem, for it provides a representation using randomness (random variables are used to propagate the uncertainty relevant to the problem). Based on some experimental results, it is claimed that the BN is a classifier suitable for the problem addressed, with a performance that is independent of the algorithm adopted for ECG segmentation. Keywords Bayesian Network, Electrocardiogram, PVC detection, Artificial Intelligence, Medical Informatics, Decision- Support Systems. Resumo Este trabalho apresenta um sistema para apoio à decisão médica, utilizando uma Rede Bayesiana (RB) implementada através do toolbox BNT do MATLAB. O problema abordado consiste na identificação de Extra-Sístoles Ventriculares (ESV) em registros de ECG (Eletrocardiograma). A motivação para o uso da tecnologia de Redes Bayesianas é o fato de ela ser adequada para o tratamento de incerteza, presente em todo raciocínio clínico. Mais ainda, a inferência probabilística é muito boa para modelar este tipo de problema, por representá-lo utilizando aleatoriedade (variáveis aleatórias são utilizadas para propagar a incerteza pertinente ao problema). Resultados experimentais apresentados permitem observar que a Rede Bayesiana é um classificador adequado para o problema tratado, e que apresenta um desempenho que independe do algoritmo utilizado para segmentar o sinal de ECG. 1 Introdução A Inteligência Artificial é um campo de estudo que procura explicar e emular o comportamento inteligente, o aprendizado, e a adaptação, através de processos computacionais. Porém, nas diversas áreas que abordam este comportamento inteligente, a incerteza está presente, e é necessário inseri-la em tais sistemas. Uma forma de fazê-lo é através da teoria de probabilidades, que tem se mostrado um formalismo muito útil para a representação da incerteza. Quando se pensa em modelar um Sistema de Auxílio ao Diagnóstico é preciso considerar a incerteza, sempre presente no raciocínio do especialista médico, que é o que se busca modelar. Neste sentido, é proposta neste trabalho uma abordagem estatística, baseada em inferência probabilística, para o desenvolvimento de um sistema capaz de classificar episódios de Extra-Sístoles Ventriculares (ESV), a partir de registros de ECG, ponderando as incertezas inerentes ao problema de diagnóstico médico. A base para efetuar esta classificação é a utilização de Redes Bayesianas (RB). Muitos trabalhos utilizam também regras heurísticas ou redes neurais para a construção de tais sistemas. Este tipo de metodologia não leva em consideração a idéia de incerteza, que é um aspecto chave para simulação do raciocínio do especialista. Um exemplo deste tipo de metodologia é apresentado em (Andreão, Dorizzi e Boudy, 2006). Ali, após uma análise preliminar via Modelos Ocultos de Markov (HMM), é utilizada uma heurística para classificação das anomalias presentes no ECG. Entretanto, as a- bordagens heurísticas dependem de ajustes nos critérios de decisão pré-estabelecidos sempre que novos casos reais são encontrados, isto é, a intervenção do especialista é fundamental, ao contrário da abordagem via RB, onde a intervenção do especialista é mínima, pois o treinamento do sistema é efetuado automaticamente. Por sua vez, a Rede Neural (RN) é um classificador muito empregado na análise de ECG, como mostra Kuppuraj (1993), que desenvolveu um sistema que emprega rede neural para detectar ritmos
2 anormais no registro de ECG. Em (Maglaveras e Strintzis, 1998) também é utilizada uma Rede Neural supervisionada para detecção automática de episódios isquêmicos. Porém, estes sistemas funcionam como verdadeiras caixas pretas, de características extremamente rígidas, sendo incapazes de se adaptarem ao sinal de ECG do paciente. Já as Redes Bayesianas permitem uma representação gráfica interativa (diferentemente das redes neurais, cujo conteúdo é muitas vezes inacessível), e possuem flexibilidade na modelagem de problemas mais complexos. Mais ainda, o sistema baseado em RB também pode evoluir, caso sejam disponibilizados novos dados de treinamento. Em particular, o interesse pela abordagem estatística se deve à sua capacidade de se adaptar automaticamente às variações de morfologia do sinal (Andreão, 2004). De fato, a literatura já apresenta alguns trabalhos nesta área, como o de Ono e co-autores (2004), que propõem um método de classificação baseado nas regras de Bayes, porém utilizando o magnetocardiograma (MCG). Um outro exemplo é o trabalho de Gao e co-autores (2005), que esboça um sistema para a detecção de arritmias cardíacas no sinal ECG, baseado em uma inferência bayesiana e em rede neural. Nesta mesma linha de pesquisa, Wiggins e coautores (2005) desenvolveram um sistema para classificação da idade dos pacientes, com base em informações extraídas do sinal de ECG, cuja abordagem se baseia em Redes Bayesianas evolutivas, sendo a evolução feita via um algoritmo genético. Outro trabalho, apresentado por Przytula, Dash e Thompson (2003), mostra a evolução das Redes Bayesianas para diagnóstico. Ali também se descrevem todas as fases envolvidas na implementação do sistema. Motivado pelos resultados já obtidos usando a abordagem estatística, e tendo em conta que ainda há muito que explorar em tal abordagem, dado que os primeiros resultados são bem recentes, os autores adotaram o paradigma de Redes Bayesianas para analisar a ocorrência de ESV s em um registro de ECG, para levar em conta a incerteza embutida no problema (Oliveira, Andreão e Sarcinelli-Filho, 2008). Nesta linha, este artigo utiliza a abordagem Bayesiana, testando duas estruturas de rede, em conexão com dois algoritmos distintos para a segmentação do sinal de ECG e com duas bases de dados distintas. Pretende-se, com isto, verificar a independência da classificação realizada em relação à segmentação do sinal, assim como a influência do volume de dados disponível para treinamento da rede, buscando criar um sistema robusto, apto a realizar a classificação de extra-sístoles ventriculares. 2 O Eletrocardiograma (ECG) O Eletrocardiograma (ECG) é o registro dos fenômenos elétricos associados à atividade cardíaca. Ele permite a caracterização de diversas cardiopatias, através das modificações específicas da forma de onda do sinal (ressalvando-se que há algumas anomalias cardíacas que não alteram o ECG). A análise automática do ECG é um tema de pesquisa que surgiu há quase três décadas, mas que ainda é muito discutido no domínio biomédico. O interesse pelo ECG deve-se ao fato de que ele é um e- xame eficaz para o diagnóstico de arritmias cardíacas, problemas de condução do impulso elétrico responsável pela contração do músculo cardíaco e de doenças do coração (Kadish et al., 2001). 2.1 Componentes individuais do ECG A Figura 1 mostra, resumidamente, a condução do impulso cardíaco pelo coração humano, e um segmento de ECG correspondente a um batimento cardíaco. A onda P ali mostrada representa a despolarização atrial. Ela é uma saliência de morfologia arredondada, simétrica, de pequena amplitude, e que precede imediatamente todos os complexos QRS. O complexo QRS corresponde à despolarização ventricular. O segmento ST corresponde à fase inicial da repolarização ventricular, e é o segmento de linha que se segue ao complexo QRS, unindo-o à onda T. Conforme a Figura 1b, o batimento cardíaco é constituído por formas elementares (ou ondas elementares), sendo que tal conjunto de ondas elementares se repete ao longo do tempo. O estudo das amplitudes e da morfologia destes segmentos elementa- a) b) Figura 1: a) Relação entre a estimulação cardíaca e o instante de aparição das ondas no eletrocardiograma: 1) Nodo sinusal; 2) Átrio; 3) Nodo AV; 4) Feixe de His; 5) Fibras de Purkinje; 6) Músculo ventricular (Andreão, 2004). b) Ilustração de um batimento cardíaco, destacando os segmentos mais importantes. J
3 res constitui a base da análise do ECG. 2.2 Extra-Sístoles Ventriculares (ESV) Este trabalho é voltado para a detecção de ESV s (Extra-Sístoles Ventriculares), que são anomalias cardíacas causadas por contrações prematuras do ventrículo, que interrompem brevemente o compasso normal das batidas. Assim, um ESV é um batimento cardíaco anômalo, passível de ser detectado a partir do ECG, que é provocado pela ativação elétrica antecipada dos ventrículos, em relação ao batimento cardíaco normal. Em particular, a análise deste tipo de arritmia cardíaca recebeu muita atenção, como é mostrado em (Strintzis et al., 1992) e em (Maglaveras e Strintzis, 1998). O batimento classificado como ESV é caracterizado pela presença de um complexo QRS prematuro, seguido, na maior parte dos casos, de um repouso compensador. Outra característica é a ausência de uma onda P antes do complexo QRS prematuro. Por fim, uma terceira característica dessa arritmia é a deformação da onda QRS, que fica mais larga (ver segmento de ECG da Figura 2). Extra-Sístoles Ventriculares, quando encontradas na ausência de doença cardiovascular, podem não ter nenhum significado, mas quando encontradas após infarto agudo do miocárdio ou na insuficiência cardíaca, por exemplo, são muito significativas. A sua identificação também tem grande importância para a correta classificação de episódios isquêmicos. 3 Os Algoritmos de Segmentação do Sinal ECG Para comprovar que a Rede Bayesiana é uma boa ferramenta para classificação de ESV s, independentemente do algoritmo de segmentação do sinal ECG utilizado, foram selecionados dois algoritmos de segmentação para gerar as variáveis de entrada da rede, um deles proposto por Andreão, Dorizzi e Boudy (2006) e o outro proposto por Aguiar (2008). O algoritmo proposto por Andreão, Dorizzi e Boudy (2006), a partir daqui denominado Primeiro Algoritmo de Segmentação do ECG, calcula a verossimilhança da onda QRS e identifica o intervalo entre dois picos R sucessivos, enquanto que o algoritmo de segmentação proposto por Aguiar (2008), a partir daqui denominado Segundo Algoritmo de Segmentação do ECG, calcula a distância QS e também identifica o intervalo entre dois picos R sucessivos. Figura 2: Batimentos contidos em um sinal ECG, identificados como Normal ou ESV. 4 As Bases de Dados Utilizadas O aprendizado em Redes Bayesianas tem como objetivo a obtenção das probabilidades de cada nó da rede (Heckerman, Geiger e Chickering, 1995). Para este aprendizado, é necessário um algoritmo e uma base de dados. No caso de auxílio ao diagnóstico médico, a base de dados corresponde, geralmente, aos dados clínicos de casos anteriores, isto é, o domínio do problema modelado pela rede. Neste trabalho foram utilizadas duas bases de dados, que são a MIT-BIH database (1997) e a QT Database (Laguna et al., 1997), ambas contendo batimentos cardíacos rotulados como normais ou ESV s por especialistas médicos. Utilizando as duas bases de dados, também será verificado, neste trabalho, se o treinamento da rede sofre influência da quantidade de batimentos ESV disponíveis (a base de dados MIT-BIH possui um número maior de batimentos ESV que a QT). Utilizando-se a base de dados MIT-BIH, para o caso do Primeiro Algoritmo de Segmentação do ECG, foram usados batimentos cardíacos para treinamento e teste da rede, sendo que deste total apenas 6,6% correspondem a episódios de ESV. Já para o caso do Segundo Algoritmo de Segmentação do ECG, foram usados batimentos cardíacos, sendo 6,4% deles rotulados como episódios de ESV. Na seqüência, utilizando-se a base de dados QT database, para a qual somente o Primeiro Algoritmo de Segmentação do ECG foi utilizado, batimentos foram considerados, sendo que somente 5,5% deles são rotulados como episódios de ESV. 5 Identificação dos Nós ou Variáveis Aleatórias da Rede Bayesiana As variáveis aleatórias foram associadas aos seguintes nós que modelam a Rede Bayesiana: ESV, que representa a possibilidade de o- correr ou não esta arritmia ventricular; Batimento Prematuro, que indica a probabilidade de acontecer ou não um complexo QRS prematuro; Batimento Ventricular, que tem a função de indicar a probabilidade de ocorrência de uma deformação do complexo QRS, que fica mais largo quando deformado (Figura 2); LLC1 e LLC2, que representam exatamente o valor numérico da verossimilhança do complexo QRS, obtido através do Primeiro e do Segundo Algoritmos de Segmentação do ECG. A diferença entre estes dois nós está na terminação, C1 ou C2, que representam, respectivamente, canal 1 e canal 2 (registro de ECG com duas derivações);
4 RRC1 e RRC2, que representam exatamente o valor numérico do tempo entre dois picos R sucessivos, obtidos através do Primeiro e do Segundo Algoritmos de Segmentação do ECG. A diferença entre os dois nós é o canal utilizado, a saber, 1 ou 2 (registro de ECG com duas derivações). Os valores dos nós RR e LL foram estimados, primeiro utilizando um algoritmo que calcula o valor numérico do tempo entre dois picos R consecutivos e o valor numérico da verossimilhança (Primeiro Algoritmo de Segmentação do ECG), e depois utilizando um algoritmo que calcula o valor numérico do tempo entre dois picos R consecutivos e a distância QS do complexo QRS (Segundo Algoritmo de Segmentação do ECG). Em ambos os casos, os valores resultantes foram normalizados, para melhorar a separação entre os tipos de batimentos de interesse (Normal, Ventricular e Prematuro). Esta normalização é necessária porque existe uma grande diversidade de morfologias no sinal ECG para pessoas diferentes. A Figura 3 (a e b) ilustra as gaussianas para o nó LL, formadas utilizando-se os registros da base de dados MIT-BIH e o Primeiro e o Segundo Algoritmos de Segmentação do ECG, respectivamente. 6 Topologia da Rede Bayesiana A estrutura da Rede Bayesiana especifica alguns tipos de variáveis (ocultas versus observáveis, discretas versus contínuas, etc.), o nome da variável e um tipo de função de probabilidade do nó (gaussiana, tabela de probabilidade, determinística, etc.) (Buntine, 1991). Neste trabalho, para que fosse feito o treinamento da rede, todos os nós foram considerados observáveis. Os nós discretos são ESV, Batimento Prematuro e Batimento Ventricular, enquanto os nós contínuos são LLC1, LLC2, RRC1 e RRC2. As relações causais, quantificadas por valores de probabilidade condicional, estão ilustradas nos grafos direcionados representados na Figura 4, que correspondem às Redes Bayesianas implementadas. Destaque-se que foram usadas duas estruturas de rede porque o Primeiro Algoritmo de Segmentação do ECG aplicado à base de dados MIT-BIH gera resultados apenas para um canal (Andreão, Dorizzi e Boudy, 2006). Já para os demais casos, há a disponibilidade dos resultados da segmentação do ECG para dois canais, e uma topologia considerando que uma fusão de canais (Oliveira, Andreão e Sarcinelli Filho, 2008) é utilizada. O método de treinamento utilizado para as redes implementadas foi o learn_params_em (Pearl, 1991), e o algoritmo de teste implementado foi o junction-tree (Pearl, 1991). Como já mencionado, cada rede foi implementada utilizando o toolbox BNT, disponibilizado pelo MATLAB. 7 Resultados As duas bases de dados empregadas para a classificação de ESV foram divididas em duas partes, uma para treinamento (aproximadamente 75% dos batimentos) e outra para teste (aproximadamente 25% dos batimentos). Em ambos os casos, foi respei- ESV (a) BatimentoPrematuro BatimentoVentricular RR (a) ESV LL BatimentoVentricular BatimentoPrematuro (b) Figura 3: (a) Gaussianas normalizadas para os batimentos Normal e Ventricular, representando o valor da verossimilhança da onda QRS (Andreão, Dorizzi e Boudy, 2006). (b) Gaussianas normalizadas para os batimentos Normal e Ventricular, representando o valor da distância QS (Aguiar, 2008). LLCI LLC2 RR (b) Figura 4: Rede Bayesiana para (a) um canal, e (b) dois canais.
5 tada a proporção de batimentos ESV na parte de treinamento e na parte de teste. Os resultados foram avaliados utilizando Matriz de Confusão, que favorece a visualização dos erros e oferece uma medida efetiva da qualidade da classificação ao mostrar o número de classificações corretas e incorretas (falsos positivos e falsos negativos). Com base nesta matriz pode-se avaliar o desempenho do sistema calculando as seguintes medidas de desempenho: Sensibilidade, que é a capacidade de o sistema reconhecer os verdadeiros positivos; Especificidade que é a capacidade de o sistema reconhecer os verdadeiros negativos; Valor Preditivo Positivo, que é a probabilidade de um caso identificado como positivo ser de fato positivo; Valor Preditivo Negativo, que é a probabilidade de um caso identificado como negativo ser de fato negativo. 7.1 Base de Dados QT com o Primeiro Algoritmo de Segmentação do ECG O melhor resultado obtido quando utilizados a base de dados QT e o Primeiro Algoritmo de Segmentação do ECG corresponde à rede da Figura 4-b, e é apresentado na Tabela 1. Tabela 1: Resultado da Rede Bayesiana para a base de dados QT com o Primeiro Algoritmo de Segmentação do ECG. Sensibilidade (Se) 78,15% Especificidade (Es) 99,72% Valor Preditivo Positivo (VPP) 96,33% Valor Preditivo Negativo (VPN) 99,96% 7.2 Base de Dados MIT-BIH com o Primeiro Algoritmo de Segmentação do ECG O melhor resultado obtido utilizando a base de dados MIT-BIH e o Primeiro Algoritmo de Segmentação do ECG corresponde à rede da Figura 4-a, e é apresentado na Tabela Base de Dados MIT-BIH com o Segundo Algoritmo de Segmentação do ECG O melhor resultado obtido utilizando a base de dados MIT-BIH e o Segundo Algoritmo de Segmentação do ECG corresponde à rede da Figura 4-b, e é Tabela 2: Resultado da Rede Bayesiana para a base de dados MIT-BIH com o Primeiro Algoritmo de Segmentação do ECG. Sensibilidade (Se) 79,53% Especificidade (Es) 98,79% Valor Preditivo Positivo (VPP) 93,92% Valor Preditivo Negativo (VPN) 99,69% Tabela 3: Resultado da Rede Bayesiana para a base de dados MIT-BIH com o Segundo Algoritmo de Segmentação do ECG. apresentado na Tabela 3. Sensibilidade (Se) 82,33% Especificidade (Es) 99,59% Valor Preditivo Positivo (VPP) 87,62% Valor Preditivo Negativo (VPN) 99,37% 8 Conclusão Neste trabalho foi implementada uma Rede Bayesiana, cujo desempenho foi avaliado usando diferentes bases de dados e diferentes algoritmos de segmentação do ECG, para gerar os dados de entrada da rede, com o objetivo de verificar como as RB se comportam em relação ao método de segmentação do sinal de entrada e em relação ao número de casos disponíveis do padrão que se deseja detectar (no caso, batimentos cardíacos correspondentes a Extra-Sístoles Ventriculares). Analisado os resultados para a topologia de rede com dois canais (Tabelas 1 e 3), pode-se verificar que os valores dos índices Se e VPP correspondentes ao Segundo Algoritmo de Segmentação do ECG são melhores. Isto, sem dúvida, se deve à maior quantidade de batimentos ESV contidos na base de dados utilizada (MIT-BIH), em comparação com a base de dados QT. Comparando-se a mesma base de dados (MIT- BIH) nas Tabelas 2 e 3 o resultado correspondente ao índice Se associado ao Segundo Algoritmo de Segmentação do ECG é melhor que aquele correspondente ao Primeiro Algoritmo de Segmentação do ECG, neste caso porque no caso da Tabela 3 foram utilizados dois canais, ao passo que o resultado obtido com o Primeiro Algoritmo de Segmentação do ECG corresponde a apenas um canal. Já o valor do índice VPP correspondente ao caso da Tabela 2, onde é usado o Primeiro Algoritmo de Segmentação do ECG, é melhor que aquele da Tabela 3. Isto se deve ao fato de que as gaussianas geradas para a variável LL a partir dos valores obtidos através do Segundo Algoritmo de Segmentação do ECG, são mais difíceis de separar que as geradas com o Primeiro Algoritmo de Segmentação do ECG, e também por causa da quantidade de batimentos utilizados. Assim sendo, pode-se observar que há um equilíbrio na classificação da Rede Bayesiana, ou seja, seu desempenho é muito pouco influenciado pelo Algoritmo usado na segmentação do ECG para gerar os dados de entrada da rede, no que tange à detecção de episódios de ESV. Por outro lado, também se pode afirmar que o treinamento da rede, quando se utilizou a base de dados QT, foi prejudicado pelo fato do número de batimentos ESV ali disponíveis ser muito pequeno. Esta afirmação baseia-se no fato de que o índice Se é maior para os casos em que se utilizou a base de
6 dados MIT-BIH, a qual possui maior número de batimentos rotulados como ESV, permitindo, assim, um treinamento mais adequado da rede. Agradecimentos Os autores agradecem à CAPES (Coordenação de Aperfeiçoamento de Pessoal de Nível Superior) e à FAPES (Fundação de Apoio à Ciência e Tecnologia do Espírito Santo), pelo apoio financeiro para a realização desta pesquisa. Eles também agradecem à TELECOM et Management Sud-Paris, por proporcionar a oportunidade de estágio sanduíche a Lorena S. C. Oliveira. Referências Bibliográficas Andreão, R. V., Dorizzi, B. e Boudy, J. (2006). ECG Signal Analysis Through Hidden Markov Models, IEEE Transactions on Biomedical Engineering, 53(8): Andreão, R. V., Dorizzi, B., Mota J. C. M. e Boudy, J. (2004). Ischemia Detection Based on HMM Beat Segmentation and ST Segment Analysis, Proceedings of the IFMBE, Vol. V, João Pessoa. Aguiar, R. O. (2008). Classificador Automático e Não-Supervisionado de Batimentos Cardiacos Baseado no Algoritmo Dynamic Time Warping, Dissertação de Mestrado, Universidade Federal do Espirito Santo (UFES), Vitória. Buntine, W. L. (1991). Theory Refinement on Bayesian Networks, Proceedings of the 7 th Conference on Uncertainty in Artificial Intelligence, Los Angeles, pp Gao, D., Madden, M., Chambres, D. e Lyons, G. (2005). Bayesian ANN Classifier for ECG Arrhythmia Diagnostic System: A Comparison Study, Proceedings of the International Joint Conference on Neural Networks, Vol IV, Montreal, pp Heckerman D., Geiger D. e Chickering D.M. (1995). Learning Bayesian Networks: The Combination of Knowledge and Statistical Data, Machine Learning, 20: Kadish, A. H., Buxton, A. E., Kennedy, H. L., Knight, B. P, Mason, J. W., Schuger, C. D., Tracy, C. M., Winters, W. L., Boone, A. W., Elnicki, M., Hirshfeld, J. W., Lorell, B. H., Rodgers, G. (2001). ACC/AHA Clinical Competence Statement on Electrocardiography and Ambulatory Electrocardiography, Journal of the American College of Cardiology, 38(7): Kuppuraj, R. N. (1993). A Neural Network System to Classify Simulated ECG Rhythms, Proceedings of the IEEE Biomedical Engineering Conference, New Orleans. Laguna, P., Mark, R. G., Goldberger, A. e Moody, G. B. (1997). A Database for evaluation of algorithms for measurement of QT and other waveform intervals in the ECG. Computers in Cardiology, Lund, pp Maglaveras, N. e Strintzis, G. M. (1998). An Adaptive Backpropagation Neural Network for Real-Time Ischemia Episodes Detection: Development and Performance Analysis Using the European ST-T Database. IEEE Transactions on Biomedical Engineering, 45(7): MIT-BIH Harvard-MIT (1997). Arrhythmia DataBase Directory, viewed 11/09/2008, html/mitdbdir/mitdbdir.htm. Oliveira, L. C., Andreão, R. V. e Sarcinelli Filho M. (2008). Utilizando Redes Bayesianas para Detectar Extra-Sistoles Ventriculares em Batimentos Cardiacos por Aanalise do Registro de ECG, Anais do XVII Congresso Brasileiro de Automática, Juiz de Fora. Ono, Y., Ishiyama, A., Kasai, N., Yamada S., On, K., Watanabe, S., Yamaguchi, I., Miyashita, T. e Tsukada, K. (2004). Bayesian classification of myocardial excitation abnormality using magnetocardiogram maps for mass screening, Neurology and Clinical Neurophysiology, 43. Pearl, J. (1991). Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference, Revised Second Printing. San Mateo: Morgan Kaufmann. Przytula, K. W., Dash, D. e Thompson, D. (2003). Evaluation of Bayesian Networks Used for Diagnostics, Proceedings of the IEEE Aerospace Conference, pp Strintzis, M., Stalidis, G., Magnisalis, X., e Maglaveras, N. (1992). Use of Neural Networks for electrocardiogram feature extraction, recognition and classification, Neural Network World Journal, 3-4: Wiggins, M., Saad, A., Litt, B. e Vachtsevanos, G. (2005). Evolving a Bayesian classifier for ECGbased age classification in medical applications, Applied Soft Computing, 8(1):
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 maisDoenças 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 maisUm 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 maisAlgoritmo para Detecção do Complexo QRS e Reconhecimento de Contração Ventricular Prematura em Eletrocardiograma
Algoritmo para Detecção do Complexo QRS e Reconhecimento de Contração Ventricular Prematura em Eletrocardiograma João Paulo do Vale Madeiro 1, Paulo César Cortez, Francisco Ivan de Oliveira 3, Robson da
Leia maisPós-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 maisAprendizagem 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 maisSIMPÓSIO 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 maisEXAMES 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 mais4 Segmentação. 4.1. Algoritmo proposto
4 Segmentação Este capítulo apresenta primeiramente o algoritmo proposto para a segmentação do áudio em detalhes. Em seguida, são analisadas as inovações apresentadas. É importante mencionar que as mudanças
Leia maisSIMPÓSIO 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 maisPrincipais Arritmias Cardíacas
Principais Arritmias Cardíacas Arritmia É qualquer mudança na freqüência ou configuração das ondas individuais do eletrocardiograma. Chamamos de arritmias cardíacas toda alteração na condução elétrica
Leia maisExtração de Árvores de Decisão com a Ferramenta de Data Mining Weka
Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka 1 Introdução A mineração de dados (data mining) pode ser definida como o processo automático de descoberta de conhecimento em bases de
Leia maisANÁLISE DA CONSERVAÇÃO PÓS-COLHEITA DA ALFACE (Lactuca Sativa, L) UTILIZANDO O SISTEMA DE APOIO À TOMADA DE DECISÃO BKD
ANÁLISE DA CONSERVAÇÃO PÓS-COLHEITA DA ALFACE (Lactuca Sativa, L) UTILIZANDO O SISTEMA DE APOIO À TOMADA DE DECISÃO BKD RESUMO Thereza P. P. Padilha Fabiano Fagundes Conceição Previero Laboratório de Solos
Leia maisPRINCÍPIOS 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 maisTelecardiologia 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 maisESTUDO COMPARATIVO DE ABORDAGENS DE CLASSIFICAÇÃO NÃO SUPERVISIONADA DE BATIMENTOS CARDÍACOS
ESTUDO COMPARATIVO DE ABORDAGENS DE CLASSIFICAÇÃO NÃO SUPERVISIONADA DE BATIMENTOS CARDÍACOS ROGÉRIO O. AGUIAR*, RODRIGO V. ANDREÃO*, TEODIANO F. BASTOS FILHO* *Laboratório de Telecomunicações, Departamento
Leia maisSistema Inteligente Não-Linear de Apoio à Aprendizagem 1 Rangel RIGO, Ana Paula Laboissière AMBRÓSIO
Sistema Inteligente Não-Linear de Apoio à Aprendizagem 1 Rangel RIGO, Ana Paula Laboissière AMBRÓSIO rangelrigo@gmail.com, apaula@inf.ufg.br Instituto de Informática Universidade Federal de Goiás (UFG)
Leia maisOficina de Interpretação de ECG. Dr. Leandro Dias de Godoy Maia
Oficina de Interpretação de ECG Dr. Leandro Dias de Godoy Maia Estratégias educacionais para o desenvolvimento de habilidades APRESENTAÇÃO da habilidade DEMONSTRAÇÃO da habilidade PRÁTICA da habilidade
Leia maisInstituto de Computação, Universidade Federal do Amazonas (UFAM) Manaus-AM, Brasil
Elicitação de Requisitos a partir de Modelos de Processos de Negócio e Modelos Organizacionais: Uma pesquisa para definição de técnicas baseadas em heurísticas Marcos A. B. de Oliveira 1, Sérgio R. C.
Leia maisDESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE
DESENVOLVIMENTO DE UM SOFTWARE NA LINGUAGEM R PARA CÁLCULO DE TAMANHOS DE AMOSTRAS NA ÁREA DE SAÚDE Mariane Alves Gomes da Silva Eliana Zandonade 1. INTRODUÇÃO Um aspecto fundamental de um levantamento
Leia maisCurva ROC. George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE
Curva ROC George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE Introdução ROC (Receiver Operating Characteristics) Curva ROC é uma técnica para a visualização e a seleção de classificadores baseado
Leia maisEletrocardiograma 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 maisPRINCÍPIOS 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 maisProjeto 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 maisFATEC Cruzeiro José da Silva. Ferramenta CRM como estratégia de negócios
FATEC Cruzeiro José da Silva Ferramenta CRM como estratégia de negócios Cruzeiro SP 2008 FATEC Cruzeiro José da Silva Ferramenta CRM como estratégia de negócios Projeto de trabalho de formatura como requisito
Leia maisFisiologia 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 maisESTUDO DE CASO: LeCS: Ensino a Distância
ESTUDO DE CASO: LeCS: Ensino a Distância HERMOSILLA, Lígia Docente da Faculdade de Ciências Jurídicas e Gerenciais de Garça FAEG - Labienópolis - CEP 17400-000 Garça (SP) Brasil Telefone (14) 3407-8000
Leia maisPALAVRAS-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 mais6 Construção de Cenários
6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.
Leia mais3 Classificação. 3.1. Resumo do algoritmo proposto
3 Classificação Este capítulo apresenta primeiramente o algoritmo proposto para a classificação de áudio codificado em MPEG-1 Layer 2 em detalhes. Em seguida, são analisadas as inovações apresentadas.
Leia maisEletrocardiograma. Como interpretar o ECG e fornecer um laudo?
Eletrocardiograma Como interpretar o ECG e fornecer um laudo? (Monitoria 20/05) O laudo é dividido em três partes principais: - medidas eletrocardiográficas (ou seja, analisar a duração e amplitude de
Leia maissoftwares que cumprem a função de mediar o ensino a distância veiculado através da internet ou espaço virtual. PEREIRA (2007)
1 Introdução Em todo mundo, a Educação a Distância (EAD) passa por um processo evolutivo principalmente após a criação da internet. Os recursos tecnológicos oferecidos pela web permitem a EAD ferramentas
Leia maisDissociação atrioventricular
ELETROCARDIOGRAMA Antonio Américo Friedmann I Clínica Geral do Hospital das Clínicas da Faculdade de Medicina da Universidade de São Paulo (Professor Milton de Arruda Martins) não é um diagnóstico de arritmia
Leia mais4 Avaliação Econômica
4 Avaliação Econômica Este capítulo tem o objetivo de descrever a segunda etapa da metodologia, correspondente a avaliação econômica das entidades de reservas. A avaliação econômica é realizada a partir
Leia maisADM041 / EPR806 Sistemas de Informação
ADM041 / EPR806 Sistemas de Informação UNIFEI Universidade Federal de Itajubá Prof. Dr. Alexandre Ferreira de Pinho 1 Sistemas de Apoio à Decisão (SAD) Tipos de SAD Orientados por modelos: Criação de diferentes
Leia maisUtilização 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 maisUniversidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados
Universidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados Prof. Celso Kaestner Poker Hand Data Set Aluno: Joyce Schaidt Versão:
Leia maisOtimização de Funções Não Lineares por Meio do Algoritmo Árvore da Montanha
Otimização de Funções Não Lineares por Meio do Algoritmo Árvore da Montanha Amarildo de Vicente Colegiado do Curso de Matemática Centro de Ciências Exatas e Tecnológicas da Universidade Estadual do Oeste
Leia maisAvaliando o que foi Aprendido
Avaliando o que foi Aprendido Treinamento, teste, validação Predição da performance: Limites de confiança Holdout, cross-validation, bootstrap Comparando algoritmos: o teste-t Predecindo probabilidades:função
Leia maisMÓDULO 6 INTRODUÇÃO À PROBABILIDADE
MÓDULO 6 INTRODUÇÃO À PROBBILIDDE Quando estudamos algum fenômeno através do método estatístico, na maior parte das vezes é preciso estabelecer uma distinção entre o modelo matemático que construímos para
Leia mais3 Arquitetura do Sistema
3 Arquitetura do Sistema Este capítulo irá descrever a arquitetura geral do sistema, justificando as decisões de implementação tomadas. Na primeira seção iremos considerar um conjunto de nós interagindo
Leia mais5 Extraindo listas de produtos em sites de comércio eletrônico
5 Extraindo listas de produtos em sites de comércio eletrônico Existem diversos trabalhos direcionadas à detecção de listas e tabelas na literatura como (Liu et. al., 2003, Tengli et. al., 2004, Krüpl
Leia maisFigura 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 maisTÓPICOS 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)HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR
6LPXODomR GH6LVWHPDV )HUUDPHQWDV &RPSXWDFLRQDLV SDUD 6LPXODomR #5,6. Simulador voltado para análise de risco financeiro 3RQWRV IRUWHV Fácil de usar. Funciona integrado a ferramentas já bastante conhecidas,
Leia maisGARANTIA DA QUALIDADE DE SOFTWARE
GARANTIA DA QUALIDADE DE SOFTWARE Fonte: http://www.testexpert.com.br/?q=node/669 1 GARANTIA DA QUALIDADE DE SOFTWARE Segundo a NBR ISO 9000:2005, qualidade é o grau no qual um conjunto de características
Leia maisInteligência Computacional Aplicada a Engenharia de Software
Inteligência Computacional Aplicada a Engenharia de Software Estudo de caso III Prof. Ricardo de Sousa Britto rbritto@ufpi.edu.br Introdução Em alguns ambientes industriais, pode ser necessário priorizar
Leia maisUniversidade Federal do Ceará Faculdade de Medicina do Cariri Liga de Medicina Intensiva e Emergências Médicas do Cariri
Universidade Federal do Ceará Faculdade de Medicina do Cariri Liga de Medicina Intensiva e Emergências Médicas do Cariri Introdução ao Eletrocardiograma ACD: Damito Robson Xavier de Souza Enganoso é o
Leia maisALGORITMOS GENÉTICOS: UMA VISÃO EXPLANATÓRIA
136 ALGORITMOS GENÉTICOS: UMA VISÃO EXPLANATÓRIA FILITTO, Danilo 1 Resumo: Os algoritmos Genéticos inspiram-se no processo de evolução natural e são utilizados para resolver problemas de busca e otimização
Leia maisAplicação de Ensembles de Classificadores na Detecção de Patologias na Coluna Vertebral
Aplicação de Ensembles de Classificadores na Detecção de Patologias na Coluna Vertebral Hedenir M. Pinheiro Instituto de Informática Universidade Federal de Goiás (UFG) Caixa Postal 131 74001-970 Goiânia
Leia maisAnálise e Desenvolvimento de Sistemas ADS Programação Orientada a Obejeto POO 3º Semestre AULA 03 - INTRODUÇÃO À PROGRAMAÇÃO ORIENTADA A OBJETO (POO)
Análise e Desenvolvimento de Sistemas ADS Programação Orientada a Obejeto POO 3º Semestre AULA 03 - INTRODUÇÃO À PROGRAMAÇÃO ORIENTADA A OBJETO (POO) Parte: 1 Prof. Cristóvão Cunha Objetivos de aprendizagem
Leia maisUNIVERSIDADE 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 maisFigura 1.1: Exemplo de links patrocinados no Google
1 Links Patrocinados 1.1 Introdução Links patrocinados são aqueles que aparecem em destaque nos resultados de uma pesquisa na Internet; em geral, no alto ou à direita da página, como na Figura 1.1. Figura
Leia maisUniversidade Federal de Goiás Escola de Engenharia Elétrica e de Computação Laboratório de Máquinas Especiais
Aspectos Relacionados ao Acionamento e Controle de Velocidade de um Motor Linear a Relutância Variável. MARIANO, Rodrigo Leandro; SANTOS, Euler Bueno. Universidade Federal de Goiás Escola de Engenharia
Leia maisProtocolo em Rampa Manual de Referência Rápida
Protocolo em Rampa Manual de Referência Rápida 1 O que é o Protocolo em Rampa O protocolo em rampa é um protocolo para testes de esforço que não possui estágios. Nele o incremento da carga se dá de maneira
Leia maisModelo Cascata ou Clássico
Modelo Cascata ou Clássico INTRODUÇÃO O modelo clássico ou cascata, que também é conhecido por abordagem top-down, foi proposto por Royce em 1970. Até meados da década de 1980 foi o único modelo com aceitação
Leia mais4 Implementação e Resultados Experimentais
4 Implementação e Resultados Experimentais Com o objetivo de fazer a criação automática de visões materializadas, ou seja, prover uma solução on-the-fly para o problema de seleção de visões materializadas,
Leia maisO que é a estatística?
Elementos de Estatística Prof. Dr. Clécio da Silva Ferreira Departamento de Estatística - UFJF O que é a estatística? Para muitos, a estatística não passa de conjuntos de tabelas de dados numéricos. Os
Leia maisELETROCARDIOGRAMA. 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 maisANÁLISE DE DIFERENTES MODELOS DE ATRIBUIÇÃO DE NOTAS DA AVALIAÇÃO INTEGRADORA (AVIN) DO CURSO DE ENGENHARIA CIVIL DO UNICENP
ANÁLISE DE DIFERENTES MODELOS DE ATRIBUIÇÃO DE NOTAS DA AVALIAÇÃO INTEGRADORA (AVIN) DO CURSO DE ENGENHARIA CIVIL DO UNICENP Flavia Viviani Tormena ftormena@unicenp.edu.br Júlio Gomes jgomes@unicenp.edu.br
Leia maisGestão do Conhecimento A Chave para o Sucesso Empresarial. José Renato Sátiro Santiago Jr.
A Chave para o Sucesso Empresarial José Renato Sátiro Santiago Jr. Capítulo 1 O Novo Cenário Corporativo O cenário organizacional, sem dúvida alguma, sofreu muitas alterações nos últimos anos. Estas mudanças
Leia maisMODELO DE APRESENTAÇÃO DE PROJETO DE PESQUISA
MODELO DE APRESENTAÇÃO DE PROJETO DE PESQUISA PÓS-GRADUAÇÃO EM CIÊNCIA E ENGENHARIA DE MATERIAIS Elaborado por Prof. Dr. Rodrigo Sampaio Fernandes Um projeto de pesquisa consiste em um documento no qual
Leia maisEstudo da Perfusão e Ventilação Pulmonar em Imagens de Tomografia de Impedância Elétrica através de Modelagem Fuzzy
Anais do CNMAC v.2 ISSN 1984-820X Estudo da Perfusão e Ventilação Pulmonar em Imagens de Tomografia de Impedância Elétrica através de Modelagem Fuzzy Harki Tanaka Centro de Engenharia, Modelagem e Ciências
Leia maisCAPÍTULO 9 RISCO E INCERTEZA
CAPÍTULO 9 9 RISCO E INCERTEZA 9.1 Conceito de Risco Um fator que pode complicar bastante a solução de um problema de pesquisa operacional é a incerteza. Grande parte das decisões são tomadas baseando-se
Leia maisAmbientes Computacionais para o Desenvolvimento e Aplicação de Sistemas de Documentação Ativa
Plano de Trabalho Ambientes Computacionais para o Desenvolvimento e Aplicação de Sistemas de Documentação Ativa Professores Ana Cristina Garcia Bicharra 1 e Flávio Miguel Varejão 2 1 Laboratório de Documentação
Leia maisInstalações Máquinas Equipamentos Pessoal de produção
Fascículo 6 Arranjo físico e fluxo O arranjo físico (em inglês layout) de uma operação produtiva preocupa-se com o posicionamento dos recursos de transformação. Isto é, definir onde colocar: Instalações
Leia maisAssociação Catarinense das Fundações Educacionais ACAFE PARECER DOS RECURSOS
13) Acerca do conceito de corporeidade descrito na Proposta Curricular de Santa Catarina, assinale a alternativa correta. A Corporeidade é presença no esporte, via corpo, que age e que, ao expressar-se,
Leia maisIntrodução à genética quantitativa usando os recursos do R
Introdução à genética quantitativa usando os recursos do R Marisa R. Cantarino 1 Julia M. P. Soler (orientadora) 2 1 Introdução Um dos principais desafios da pesquisa genética atualmente é estabelecer
Leia maisSimulação Transiente
Tópicos Avançados em Avaliação de Desempenho de Sistemas Professores: Paulo Maciel Ricardo Massa Alunos: Jackson Nunes Marco Eugênio Araújo Dezembro de 2014 1 Sumário O que é Simulação? Áreas de Aplicação
Leia mais5 Mecanismo de seleção de componentes
Mecanismo de seleção de componentes 50 5 Mecanismo de seleção de componentes O Kaluana Original, apresentado em detalhes no capítulo 3 deste trabalho, é um middleware que facilita a construção de aplicações
Leia maisMetodologia Científica. Metodologia Científica
Metodologia Científica Metodologia Científica Seqüência da Apresentação Introdução Tipos de pesquisa Tipos de fontes de dados Pesquisa na área de Informática Projeto de pesquisa Metodologia Formato de
Leia maisQuadro de consulta (solicitação do mestre)
Introdução ao protocolo MODBUS padrão RTU O Protocolo MODBUS foi criado no final dos anos 70 para comunicação entre controladores da MODICON. Por ser um dos primeiros protocolos com especificação aberta
Leia maisSimulação e controle inteligente de tráfego veicular urbano
Simulação e controle inteligente de tráfego veicular urbano Instituto de Informática - UFRGS XVII Seminário de Computação (SEMINCO) 04/11/2008 Roteiro Introdução O Simulador ITSUMO Simulação de Caso Real:
Leia maisAprendizagem 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 maisMINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br
MINERAÇÃO DE DADOS APLICADA Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br Processo Weka uma Ferramenta Livre para Data Mining O que é Weka? Weka é um Software livre do tipo open source para
Leia maisUNIVERSIDADE FEDERAL DE SANTA CATARINA
UNIVERSIDADE FEDERAL DE SANTA CATARINA CIÊNCIAS DA COMPUTAÇÃO MÁQUINAS DE COMITÊ APLICADAS À FILTRAGEM DE SPAM Monografia submetida à UNIVERSIDADE FEDERAL DE SANTA CATARINA para a obtenção do grau de BACHAREL
Leia maisDadas a base e a altura de um triangulo, determinar sua área.
Disciplina Lógica de Programação Visual Ana Rita Dutra dos Santos Especialista em Novas Tecnologias aplicadas a Educação Mestranda em Informática aplicada a Educação ana.santos@qi.edu.br Conceitos Preliminares
Leia maisAnálise Univariada de Sinais Mioelétricos
Análise Univariada de Sinais Mioelétricos Orientador: Maria Claudia Ferrari de Castro Departamento: Engenharia Elétrica Candidato: Luiz Victor Esteves N FEI: 11209220-0 Início: Setembro/10 Provável conclusão:
Leia maisA. MANUAL DO MÓDULO ATFAR DO ECGLAB
A. MANUAL DO MÓDULO ATFAR DO ECGLAB ECGLAB Módulo atfar Projeto de Mestrado de João Luiz Azevedo de Carvalho (Eng. Elétrica), orientado pelos Profs. Adson Ferreira da Rocha (Eng. Elétrica) e Luiz Fernando
Leia maisMedida da velocidade de embarcações com o Google Earth
UNIVERSIDADE FEDERAL DO RIO DE JANEIRO Instituto de Física Programa de Pós-Graduação em Ensino de Física Mestrado Profissional em Ensino de Física Medida da velocidade de embarcações com o Google Earth
Leia maisSIMPÓSIO 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 maisDisciplina: Unidade III: Prof.: E-mail: Período:
Encontro 08 Disciplina: Sistemas de Banco de Dados Unidade III: Modelagem Lógico de Dados Prof.: Mario Filho E-mail: pro@mariofilho.com.br Período: 5º. SIG - ADM Relembrando... Necessidade de Dados Projeto
Leia maisREDE BAYESIANA PARA ESTIMAÇÃO DE FALHAS INCIPIENTES EM TRANSFORMADORES DE POTÊNCIA UTILIZANDO DETECÇÃO DE DESCARGAS PARCIAIS POR EMISSÃO ACÚSTICA
REDE BAYESIANA PARA ESTIMAÇÃO DE FALHAS INCIPIENTES EM TRANSFORMADORES DE POTÊNCIA UTILIZANDO DETECÇÃO DE DESCARGAS PARCIAIS POR EMISSÃO ACÚSTICA Pedro Henrique da S. PALHARES 1, Leonardo da C. BRITO 1,
Leia maisDesenvolvendo uma Arquitetura de Componentes Orientada a Serviço SCA
Desenvolvendo uma Arquitetura de Componentes Orientada a Serviço SCA RESUMO Ricardo Della Libera Marzochi A introdução ao Service Component Architecture (SCA) diz respeito ao estudo dos principais fundamentos
Leia maisResolução de Exercícios Orientações aos alunos
2015 Resolução de Exercícios Orientações aos alunos Área de Concentração: EXATAS Disciplina de Concentração: FÍSICA Professores: Gustavo Castro de Oliveira, Reine Agostinho Ribeiro. UBERABA 2015 Colégio
Leia maisRECONHECIMENTO DE AVES DE NOMES ONOMATOPÉICOS
RECONHECIMENTO DE AVES DE NOMES ONOMATOPÉICOS Célio Seixo de BRITO Junior, Paulo César Miranda MACHADO Escola de Engenharia Elétrica e de Computação, UFG, 74001-970, Goiânia, GO Celiojunior01@gmail.com,
Leia maisI Seminário da Pós-graduação em Engenharia Elétrica
DESENVOLVIMENTO DE FERRAMENTAS COMPUTACIONAIS PARA ESTUDOS EM LINHAS SUBTERRÂNEAS DE DISTRIBUIÇÃO DE ENERGIA ELÉTRICA Danilo Sinkiti Gastaldello Aluno do Programa de Pós-Graduação em Engenharia Elétrica
Leia maisMetodologias de Desenvolvimento de Sistemas. Analise de Sistemas I UNIPAC Rodrigo Videschi
Metodologias de Desenvolvimento de Sistemas Analise de Sistemas I UNIPAC Rodrigo Videschi Histórico Uso de Metodologias Histórico Uso de Metodologias Era da Pré-Metodologia 1960-1970 Era da Metodologia
Leia maisDescoberta de Domínio Conceitual de Páginas Web
paper:25 Descoberta de Domínio Conceitual de Páginas Web Aluno: Gleidson Antônio Cardoso da Silva gleidson.silva@posgrad.ufsc.br Orientadora: Carina Friedrich Dorneles dorneles@inf.ufsc.br Nível: Mestrado
Leia maisPLANOS DE CONTINGÊNCIAS
PLANOS DE CONTINGÊNCIAS ARAÚJO GOMES Capitão SC PMSC ARAÚJO GOMES defesacivilgomes@yahoo.com.br PLANO DE CONTINGÊNCIA O planejamento para emergências é complexo por suas características intrínsecas. Como
Leia maisInstituto Federal de Educação, Ciência e Tecnologia de Santa Catarina Campus Sombrio Curso Técnico em Agropecuária Integrado ao Ensino Médio
1 Instituto Federal de Educação, Ciência e Tecnologia de Santa Catarina Campus Sombrio Curso Técnico em Agropecuária Integrado ao Ensino Médio DISCIPLINA: Educação Física CARGA HORÁRIA: 40hs PROFESSOR(A):
Leia mais5 Resultados. 5.1. Avaliação Baseada na Taxa de Igual Erro
5 Resultados Neste capitulo discutem-se os resultados obtidos no desenvolvimento desta pesquisa segundo a metodologia descrita no capitulo anterior. A avaliação de acurácia para tarefas de verificação
Leia maisUtilização das transformadas wavelets na detecção de características em um sinal de ECG
Utilização das transformadas wavelets na detecção de características em um sinal de ECG Orientador: Prof. Dr. Aldo Artur Belardi Departamento: Engenharia Elétrica Candidato: Gabriel Diego Porfirio N FEI:.206.062-9
Leia maisRedação do Trabalho de Conclusão
Redação do Trabalho de Conclusão Ricardo de Almeida Falbo Metodologia de Pesquisa Departamento de Informática Universidade Federal do Espírito Santo Agenda Estrutura de Trabalho Acadêmico Elementos pré
Leia maisTTT-PLOT E TESTE DE HIPÓTESES BOOTSTRAP PARA O MODELO BI-WEIBULL. Cleber Giugioli Carrasco 1 ; Francisco Louzada-Neto 2 RESUMO
TTT-PLOT E TESTE DE HIPÓTESES BOOTSTRAP PARA O MODELO BI-WEIBULL Cleber Giugioli Carrasco ; Francisco Louzada-Neto Curso de Matemática, Unidade Universitária de Ciências Exatas e Tecnológicas, UEG. Departamento
Leia maisPLANEJAMENTO OPERACIONAL - MARKETING E PRODUÇÃO MÓDULO 11 PESQUISA DE MERCADO
PLANEJAMENTO OPERACIONAL - MARKETING E PRODUÇÃO MÓDULO 11 PESQUISA DE MERCADO Índice 1. Pesquisa de mercado...3 1.1. Diferenças entre a pesquisa de mercado e a análise de mercado... 3 1.2. Técnicas de
Leia maisCalibração de Equipamentos
Vídeo Conferência Calibração de Equipamentos Instituto de Pesos e Medidas do Estado do Paraná Junho/2014 Diferença entre calibração e a verificação metrológica Calibração Estabelece o erro de medição e
Leia maisRELATÓRIO DE ESTÁGIO
Centro Universitário de Araraquara - UNIARA Departamento de Ciências da Administração e Tecnologia Sistemas de Informação / Engenharia de Computação NOME DO ALUNO RELATÓRIO DE ESTÁGIO Araraquara 2011 Aluno(a)
Leia maisSENSOR DE MONITORAMENTO DO CONSUMO DE ÁGUA
SENSOR DE MONITORAMENTO DO CONSUMO DE ÁGUA Camila Madeiros Alcântara Faculdade de Engenharia Elétrica CEATEC camilamadeiros@hotmail.com Alexandre de Assis Mota Eficiência Energética CEATEC amota@puc-campinas.edu.br
Leia maisPRIMAVERA RISK ANALYSIS
PRIMAVERA RISK ANALYSIS PRINCIPAIS RECURSOS Guia de análise de risco Verificação de programação Risco rápido em modelo Assistente de registro de riscos Registro de riscos Análise de riscos PRINCIPAIS BENEFÍCIOS
Leia mais