Skip navigation
Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufpe.br/handle/123456789/52552

Comparte esta pagina

Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorSANTANA, Maira-
dc.contributor.authorANDRADE, Daniel-
dc.date.accessioned2023-10-02T14:24:36Z-
dc.date.available2023-10-02T14:24:36Z-
dc.date.issued2023-09-19-
dc.date.submitted2023-09-26-
dc.identifier.citationANDRADE, Daniel Moraes Costa. Alterações cardiovasculares na senescência: como a inteligência artificial auxilia na identificação de padrões. 2023. 65f. Trabalho de Conclusão de Curso (Curso de Sistemas de Informação) - Centro de Informática, Universidade Federal de Pernambuco, Recife, 2023.pt_BR
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/52552-
dc.description.abstractA área da saúde está testemunhando um aumento significativo no uso de inteligência artificial para aprimorar diversas atividades, incluindo a interpretação de eletrocardiogramas (ECGs). Essa abordagem tecnológica tem se mostrado cada vez mais vital para agilizar a análise de ECGs, o que pode ser especialmente demorado sem a assistência da tecnologia. Com isso, surge a dificuldade de identificar com precisão alterações cardiovasculares em indivíduos saudáveis, especialmente considerando seu grupo etário, já que a maioria das pesquisas se concentra em dados cardíacos problemáticos, deixando uma lacuna na detecção de mudanças relacionadas ao envelhecimento em pessoas saudáveis. Nesse sentido, este estudo tem como objetivo central explorar o papel da inteligência artificial na detecção de alterações cardiovasculares no envelhecimento por meio da análise do ECG a fim de encontrar padrões cardíacos nas alterações cardiovasculares normais. Para isso, foi conduzido um experimento empregando algoritmos de aprendizado de máquina supervisionados, especificamente Máquinas de Vetores de Suporte e Floresta Aleatória, em uma base de dados composta por ECGs de 499 voluntários saudáveis. O experimento tinha como intuito compreender como o aprendizado de máquina pode ser útil para identificação de padrões em um ciclo de ECG associadas à alterações cardiovasculares durante o envelhecimento saudável. Os resultados do experimento indicaram dificuldade na previsão precisa do grupo etário dos idosos, com pontuações baixas de no máximo de 0.2 após a aplicação da técnica PSO para seleção de atributos. Em contraste, os resultados para o grupo de adultos consistentemente alcançaram pontuações próximas a 0.95, independentemente das configurações experimentais e das técnicas de pré-processamento empregadas. No entanto, com base nos resultados obtidos, pode-se discutir sobre a complexidade da tarefa de classificação proposta, bem como levantar potenciais abordagens futuras. Notou-se ainda a necessidade de investimento em outras técnicas e abordagens computacionais para estudo mais aprofundado das alterações cardiovasculares relacionadas ao envelhecimento natural. Pesquisas contínuas nesse sentido contribuem para o melhor entendimento do processo de envelhecimento humano como um todo.pt_BR
dc.format.extent62p.pt_BR
dc.language.isoporpt_BR
dc.rightsopenAccesspt_BR
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectECGpt_BR
dc.subjectAprendizado de máquinapt_BR
dc.subjectEnvelhecimentopt_BR
dc.subjectAlterações cardiovascularespt_BR
dc.titleAlterações cardiovasculares na senescência: como a inteligência artificial auxilia na identificação de padrõespt_BR
dc.typebachelorThesispt_BR
dc.degree.levelGraduacaopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/3365230603042700pt_BR
dc.description.abstractxThe healthcare field is witnessing a significant increase in the use of artificial intelligence to enhance various activities, including the interpretation of electrocardiograms (ECGs). This technological approach has proven increasingly vital in speeding up the analysis of ECGs, which can be especially time-consuming without the assistance of technology. As a result, there is a challenge in accurately identifying cardiovascular changes in healthy individuals, taking into consideration their age group, as much of the research published today focuses on applying machine learning algorithms to datasets with problematic cardiac records, leaving a gap in the identification of age-related changes in healthy individuals. In this regard, this study aims to explore the role of artificial intelligence in detecting cardiovascular changes associated with aging through ECG analysis in order to find cardiac patterns in normal cardiovascular alterations. To achieve this, an experiment was conducted using supervised machine learning algorithms, specifically Support Vector Machines and Random Forests, on a database comprising ECGs from 499 healthy volunteers. The experiment sought to understand how machine learning can be useful in identifying patterns in an ECG cycle associated with cardiovascular changes during healthy aging. The results of the experiment indicated difficulty in accurately predicting the age group of the elderly, with scores as low as 0.2 at most after applying the PSO technique for feature selection. In contrast, results for the adult group consistently achieved scores close to 0.95, regardless of experimental settings and preprocessing techniques employed. However, based on the results obtained, it can be discussed that the proposed classification task is complex, and potential future approaches can be explored. There is also a need for investment in other computational techniques and approaches for a more in-depth study of natural age-related cardiovascular changes. Ongoing research in this direction contributes to a better understanding of the human aging process as a whole.pt_BR
dc.subject.cnpqÁreas::Ciências Exatas e da Terrapt_BR
dc.degree.departament::(CIN-DSC) - Departamento de Sistemas da Computação pt_BR
dc.degree.graduation::CIn-Curso de Sistemas de Informaçãopt_BR
dc.degree.grantorUniversidade Federal de Pernambucopt_BR
dc.degree.localRecifept_BR
Aparece en las colecciones: (TCC) - Sistemas da Computação

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
TCC Daniel Moraes Costa Andrade.pdf1.94 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está protegido por copyright original



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons