APRENDIZAGEM DE MÁQUINA APLICADA À ANÁLISE DE BATIMENTOS CARDÍACOS
DOI:
https://doi.org/10.18406/2359-1269v8n12021191Palavras-chave:
Inteligência artificial, Informática aplicada a saúde, Machine LearningResumo
A inserção da Inteligência Artificial (IA) nas atividades do dia-a-dia é uma realidade. Além das práticas diárias comuns, o aprendizado de máquina aplicado na medicina é importante, sendo uma das principais áreas de estudo da IA. Diagnósticos médicos podem ter apoio com a utilização de algoritmos inteligentes, tendo em vista a rapidez e eficiência que podem proporcionar. Este artigo apresenta um estudo sobre a implementação de um algoritmo de aprendizagem de máquina utilizando-se a linguagem Python para análises de eletrocardiogramas, classificando o risco do paciente de sofrer infarto do miocárdio.
Referências
ANDERSON, Susan Leigh; ANDERSON, Michael. Machine Ethics: Creating an Ethical Intelligent Agent. AAAI - Association for the Advancement of Artificial Intelligence, [S. l.], p. 15-25, 10 dez. 2007.
CHEN, Shanshan et al. Heartbeat classification using projected and dynamic features of ECG signal. Biomedical Signal Processing and Control, [S.l], p. 1-9, 22 jul. 2016.
FERNANDES, A. P. S. Sistema Especialista Difuso de Apoio ao Aprendizado do Traumatismo Dento-Aveolar Utilizando Recursos Multimídia. Dissertação. Florianópolis: Universidade Federal de Santa Catarina, 1997.
FIGUINHA, Fernando. Como calcular a frequência cardíaca pelo eletrocardiograma (ECG). [S. l.], 2013. Disponível em: https://cardiopapers.com.br/curso-basico-de-eletrocardiograma-parte-07-frequencia-cardiaca/.
G. B. Moody and R. G. Mark, “The impact of the mit-bih arrhythmia database,” IEEE Engineering in Medicine and Biology Magazine, vol. 20, no. 3, pp. 45–50, 2001
J. RIGBY, Michael. Ethical Dimensions of Using Artificial Intelligence in Health Care. AMA Journal of Ethics, [S. l.], p. 1, 1 fev. 2019.
KACHUEE, Mohammad; FAZELI, Shayan; SARRAFZADEH, Majid. Ecg heartbeat classification: A deep transferable representation. In: 2018 IEEE International Conference on Healthcare Informatics (ICHI). IEEE, p. 443-444, 2018.
KAYA, Yasin; PEHLIVAN, Hüseyin. Classification of Premature Ventricular Contraction in ECG. International Journal of Advanced Computer Science and Applications, [S.l], ano 7, v. 6, p. 1-7, 7 nov. 2015
KONONENKO, Igor. Machine learning for medical diagnosis: history, state of the art and perspective. Science Direct, [S. l.], p. 89-109, 2 ago. 2001.
L. GOLDBERGER, Ary et al. PhysioBank, PhysioToolkit, and PhysioNet. AHA Journals, [S. l.], p. 1, 13 jun. 2000.
MARIN, Heimar de Fatima; PERES, Heloisa H. Ciqueto. O Ensino de Informática em Saúde e o Curriculum de Enfermagem. Journal of Health Informatics, [S. l.], p. 1-2, 9 dez. 2015.
MARIN, H. F; CUNHA, I. C. K. O. Perspectivas atuais da Informática em Enfermagem. Rev. bras. enferm. [online], vol.59, n.3, pp. 354-357. ISSN 0034-7167, 2006.
PRASAD, G. Krishna; SAHAMBI, J. S. Classification of ECG Arrhythmias using Multi-Resolution Analysis and Neural Ndtworks. Conference on Convergent Technologies for Asia-Pacific Region, Guwahati, Assam, 13 mar. 2003.
RODRÍGUEZ, Jimena; GOÑI, Alfredo; ILLARRAMENDI, Arantza. Real-Time Classification of ECGs on a PDA. IEEE Transactions on Information Technology in Biomedicine, [S.l], ed. 1, p. 1-12, 2 mar. 2005.
RONDON, E; NOVAIS, M; NAPPO, S. A importância da informática em saúde na educação superior nos cursos da área da saúde. Gestão e Saúde, [S.l],1, mar. 2013.
S. CHAR, Danton; H. SHAH, Nigam; MAGNUS, David. Implementing Machine Learning in Health Care — Addressing Ethical Challenges. The New England Journal of Medicine, [S. l.], p. 1, 15 mar. 2018.
SANTOS, Marcel Koenigkam et al. Inteligência artificial, aprendizado de máquina, diagnóstico auxiliado por computador e radiômica: avanços da imagem rumo à medicina de precisão. Radiologia Brasileira, [s. l.], 15 abr. 2019.
SHORTLIFFE, Edward H.; CLANCEY, Willian J. Readings in Medical Artificial Intelligence: The First Decade. First. ed. [S.l]: Addison Wesley, 1984. 512 p. v. 1. ISBN 9780201108545.
VOLANSKI, Waldemar et al. D-GDM: A mobile diagnostic decision support system for gestational diabetes. Archives of Endocrinology and Metabolism, [S. l.], p. 1-3, 2 set. 2019.
Z., Obermayer; E.J., Emanuel. Predicting the Future - Big Data, Machine Learning, and Clinical Medicine. US National Library of Medicine, [S. l.], p. 1-8, 29 set. 2016.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
A Revista Eixos Tech é um periódico científico de acesso aberto e gratuito.
A submissão de artigos e demais obras de comunicação científica para a Revista Eixos Tech implica plena aceitação pelo autor e pelos coautores da política de direitos autorais abaixo:
● Autor e coautores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution, que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
● Autor e coautores têm permissão e são estimulados a publicar e distribuir seu trabalho on-line (ex.: em repositórios institucionais ou na sua página pessoal) após seu aceite e publicação pela Revista Eixos Tech - mantendo o reconhecimento de autoria e publicação inicial nesta revista.
● Autor e coautores declaram que a obra é de autoria deles e responsabilizam-se por sua originalidade e pelas opiniões nela contidas.
● Após aceito e publicado o artigo, autor e coautores autorizam o editor a divulgar em mídias e modalidades de escolha do editor.
● O autor e os coautores resguardam os direitos autorais morais da obra publicada.