Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/28653
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2019_DaviRabbouniDeCarvalhoFreitas_tcc.pdf3,82 MBAdobe PDFver/abrir
Registro completo
Campo Dublin CoreValorLíngua
dc.contributor.advisorOliveira, Flávia Maria Guerra de Sousa Aranha-
dc.contributor.authorFreitas, Davi Rabbouni de Carvalho-
dc.identifier.citationFEITAS, Davi Rabbouni de Carvalho. Caracterização quantitativa do sistema nervoso autônomo: estimação da taxa respiratória a partir do sinal de eletrocardiograma (ECG). 2019. 74 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia da Computação)—Universidade de Brasília, Brasília, 2019.pt_BR
dc.descriptionTrabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2019.pt_BR
dc.description.abstractEste trabalho propõe o estudo de uma abordagem alternativa e não invasiva para se obter características oriundas do sinal de respiração e de suas influências sobre o Sistema Nervoso Autônomo (SNA). Especificamente, procura-se verificar a validade do uso de um sinal respiratório extraído de um sinal de eletrocardiograma em um sistema que correlaciona sinais cardíacos e respiratórios e o grau de apneia do sono de um certo indivíduo. Para se alcançar tal objetivo, usaram-se dois conjuntos de dados: o primeiro consiste na seleção de 6 pacientes de um banco de 53 pacientes de unidades de tratamento intensivo; o segundo continha sinais de eletrocardiograma e respiração de 8 pacientes, divididos em 4 indívíduos com apneia e 4 pacientes sem apneia. Por meio da estimação da resposta ao impulso pelos métodos autoregressivo (ARX) e de funções base de Laguerre (FBL), foi possível obter parâmetros quantitativos que refletem a modulação do SNA a partir de um sistema com o sinal de respiração estimado. A partir desses modelos, foi possível compará-los com os parâmetros extraídos de um sistema com sinais de respiração obtidos por métodos convencionais, os quais foram tratados nesse estudo como sinais de referência. Assim, compararam-se esses sinais estimados e de referência por diferentes métricas: uma correlação cruzada foi aplicada entre os sinais estimado e de referência para se obter o nível de semelhança entre eles. Em seguida, realizou-se uma correlação entre os parâmetros de descrição da resposta ao impulso (RI) tanto para os modelos estimados quanto os de referência, com o intuito de se obter uma medida de similaridade no comportamento entre eles. Finalmente, procurou-se utilizar as técnicas ANOVA e K-Means com a finalidade de verificar a possibilidade de distinção entre pacientes apneicos e não-apneicos para esses parâmetros estimados e de referência. Nos resultados obtidos, observou-se uma diferença sensível na correlação cruzada dos sinais e na correlação dos parâmetros para bases de dados diferentes. Para o método ANOVA, foi possível observar que os parâmetros oriundos dos modelos criados com os sinais de respiração estimados não apresentaram diferença estatística na distinção entre pacientes apneicos e não-apneicos, algo que foi alcançado para os parâmetros provindos dos modelos com sinais de referência. Todavia, essa incerteza poderia ser possivelmente explicada por um número reduzido de amostras. Ademais, o método K-Means obteve 100% de acertos na segregação dos pacientes apneicos e não apneicos utilizando os parâmetros descritivos de RI dos modelos de referência; para os modelos com sinais estimados, dois pacientes apneicos foram incorretamente classificados. Pelos resultados obtidos, sugere-se a aplicação das metodologias descritas em uma base de dados maior e em diferentes bases de dados, a fim de se verificar algumas da questões levantadas ao longo dessa pesquisa.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subject.keywordProcessamento de sinais - técnicas digitaispt_BR
dc.subject.keywordEletrocardiogramapt_BR
dc.subject.keywordVariabilidade da Frequência Cardíaca (VFC)pt_BR
dc.titleCaracterização quantitativa do sistema nervoso autônomo : estimação da taxa respiratória a partir do sinal de eletrocardiograma (ECG)pt_BR
dc.typeTrabalho de Conclusão de Curso - Graduação - Bachareladopt_BR
dc.date.accessioned2021-09-22T12:55:30Z-
dc.date.available2021-09-22T12:55:30Z-
dc.date.submitted2019-07-11-
dc.identifier.urihttps://bdm.unb.br/handle/10483/28653-
dc.language.isoPortuguêspt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.pt_BR
dc.description.abstract1This work proposes the study of an alternative and non-invasive approach to acquire characteristics from the respiratory signal and its influences to the Autonomic Nervous System. Specifically, this work seeks to verifiy the validity of the application of a respiratory signal extracted from an electrocardiogram signal in a system that correlates cardiac and respiratory signals and the index of sleep apnea of a certain subject. In order to reach this goal, two databases were used: the first one consists of a selection of 6 subjects from a database of 53 critically-ill patients in intensive care units; the second data set contain electrocardiogram and respiratory signals of 8 subjects, divided between 4 individuals without apnea and 4 subjects with apnea. By means of the impulse response with the autregressive (ARX) and Laguerre basis functions (LBF) models, it was possible to extract quantitative parameters that reflect the Autonomic Nervous System modulation from a system with the estimated respiratory signal. These models made it possible to compare these parameters with the ones from a system with respiratory signals obtained from more conventional methods, which were treated in this study as reference signals. Therefore, the estimated and reference respiratory signals were compared by different metrics: a cross-correlation analysis was applied between these signals in order to measure the level of similarity between them. Then, the correlation technique was applied to the descriptive parameters of the impulse response for both the estimated and reference models. This was done with the purpose of obtaining a measure of similarity in the behavior of these parameters. Finally, the ANOVA and K-Means techniques were used in order to verify the possibility of distinction between apneic and non-apneic patients with the estimated and reference parameters. In the results obtained from these metrics, a sensible difference was observed in the cross-correlation for the signals and in the correlation for the parameters for the two different databases. In the ANOVA method, the parameters from the models with estimated respiratory signals weren’t statistically different in the distinction between apneic and non-apneic patients, unlike the models with the reference signals. However, this statistical uncertainty can possibly be explained by a reduced number of samples. Moreover, the K-Means method obtained 100% accuracy in the process of distinguishing patients with and without apnea using the impulse response parameters from the reference models; for the estimated models, however, two apneic patients were incorrectly classified as non-apneic. With the results obtained in this study, the application of the procedures used in this study in a larger database and in different databases is suggested, in order to verify some of the observations raised throughout this research.pt_BR
Aparece na Coleção:Engenharia da Computação



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.