Utilização de redes neurais artificiais no diagnóstico de cardiopatias

• Main Author: Thiago Reges Perales
• Other Authors: Márcio Roberto Covacic .
• Language: Portuguese
• Published: Universidade Estadual de Londrina. Centro de Tecnologia e Urbanismo. Departamento de Engenharia Elétrica. 2011
• Online Access: http://www.bibliotecadigital.uel.br/document/?code=vtls000165180

Este trabalho trata da aplicação de redes neurais artificiais para o diagnóstico de cardiopatias como arritmia e insuficiência cardíaca congestiva. Foram seguidos os passos: Aquisição e condicionamento dos dados para serem aplicados como entrada das redes; Treinamento de diversas redes para escolher a de melhor desempenho. A rede neural artificial para diagnosticar pessoas sadias foi o que apresentou melhor desempenho, com 95,93% de acerto. Já o diagnóstico de insuficiência cardíaca congestiva foi de 91,70%, e o de arritmia cardíaca foi de 93,67% de acerto. Assim, pode ser afirmado que as redes neurais artificiais poderão ajudar muito a obter um diagnóstico preciso e rápido. Fica como sugestão de trabalhos futuros realizar o treinamento com um número bem maior de dados para realizar o treinamento e melhorar ainda mais o desempenho da rede. === This work is about the application of Artificial Neural Networks for the diagnosis of heart disease as arrhythmia and insufficience heart congestive. The followed steps had been: Acquisition and conditioning of the data to be applied as input of the nets; Training of several nets to choose that with the best performance. The neural network to diagnosis healthy people was what it presented the best performance, with 95,93% of rightness. Already the diagnosis of insufficience heart congestive it was of 91,70%, and the arrhythmia cardiac it was of 93,67% of rightness. Thus, it can be affirmed that the artificial neural networks will be able to help very to get fast and precise the diagnosis. It is as suggestion to future works to carry through the training with a well bigger number of data to carry through the training and still more improve the performance of the network.