| Título: | Análise de ausculta pulmonar para ferramentas de auxílio a diagnóstico com base em redes neurais convolucionais e caraterísticas cepstrais |
| Autor(es): | Lima, Haniel Rodrigues Guimarães de |
| Orientador(es): | Miosso, Cristiano Jacques |
| Assunto: | Ausculta pulmonar Pulmões - ausculta Processamento de áudio |
| Data de apresentação: | 25-Fev-2025 |
| Data de publicação: | 31-Jul-2026 |
| Referência: | LIMA, Haniel Rodrigues Guimarães de. Análise de ausculta pulmonar para ferramentas de auxílio a diagnóstico com base em redes neurais convolucionais e caraterísticas cepstrais. 2025. 63 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Eletrônica) — Universidade de Brasília, Brasília, 2025. |
| Resumo: | Esta pesquisa apresenta uma alternativa para o processamento de áudio de ausculta cardiopulmonar, com foco em determinadas patologias pulmonares contidas em uma base de dados. O processamento sonoro envolve a separação dos sons das contrações cardíacas e dos sons dos movimentos pulmonares. Como parâmetro de avaliação dessa abordagem, foi utilizada uma rede neural convolucional em duas situações de entrada de dados: uma com a base de dados original, sem modificações, e outra com a mesma base, porém submetida ao processamento de separação. O objetivo é analisar a efetividade da separação sonora e as possíveis vantagens e desvantagens desse procedimento em uma análise computacional.
Por meio da rede neural convolucional, foram extraídos dados estatísticos para avaliar o procedimento e definir ações futuras, possibilitando, posteriormente, uma análise clínica. Foi realizada uma análise gráfica e sonora de amostras obtidas da base de dados utilizada para estudos científicos, empregando espectrogramas para comparar os áudios originais com aqueles processados para separação dos sons. Os áudios da base de dados foram processados, convertidos em gráficos de espectrograma MFCC e submetidos à extração de características MFCC, que foram então utilizadas como entrada na rede neural convolucional.
A partir dos dados estatísticos, foi avaliada a performance da rede tanto com os áudios brutos quanto com aqueles processados, que enfatizavam os sons pulmonares. Os resultados mostraram uma melhora de 5,3% na acurácia da identificação da patologia estudada. No entanto, ressalta-se a necessidade de uma base de dados com maior número de amostras para aprimorar a identificação das características sonoras de outras patologias. Devido ao desbalanceamento das bases de dados utilizadas, apenas uma patologia foi analisada: a Doença Pulmonar Obstrutiva Crônica (COPD).
Quanto à separação dos sons pulmonares e cardíacos, recomenda-se que testes futuros sejam conduzidos com especialistas da área da saúde para avaliar se esse processo contribui para a semiologia médica. |
| Abstract: | This research presents an alternative approach to processing cardiopulmonary aus cultation audio, focusing on specific pulmonary pathologies contained in a database. The
sound processing involves separating the sounds of cardiac contractions from those of pul monary movements. As an evaluation parameter for this approach, a convolutional neural
network was used in two data input scenarios: one with the original, unmodified database
and another with the same database but subjected to the separation process. The objec tive is to analyze the effectiveness of sound separation and the possible advantages and
disadvantages of this procedure in a computational analysis. Through the convolutional
neural network, statistical data were extracted to assess the procedure and define fu ture actions, ultimately enabling clinical analysis. A graphical and auditory analysis was
performed on samples obtained from the database used for scientific studies, employing
spectrograms to compare the original audio recordings with those processed for sound
separation. The database audio files were processed, converted into MFCC spectrogram
graphs, and subjected to MFCC feature extraction, which was then used as input for
the convolutional neural network. Based on statistical data, the network’s performance
was evaluated using both raw audio files and processed ones that emphasized pulmonary
sounds. The results showed a 5.3% improvement in the accuracy of identifying the studied
pathology. However, it is important to highlight the need for a database with a larger
number of samples to enhance the identification of sound characteristics associated with
other pathologies. Due to the imbalance in the databases used, only one pathology was
analyzed: Chronic Obstructive Pulmonary Disease (COPD). Regarding the separation of
pulmonary and cardiac sounds, it is recommended that future tests be conducted with
healthcare specialists to assess whether this process contributes to medical semiology. |
| Informações adicionais: | Trabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Faculdade UnB Gama, 2025. |
| Licença: | A 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. |
| Aparece na Coleção: | Engenharia Eletrônica
|
Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.