Anais do V Congresso Brasileiro de Eletromiografia e Cinesiologia e X Simpósio de Engenharia Biomédica - ISBN: 978-85-5722-065-2 - DOI: 10.29327/cobecseb.78810 - 816 - SISTEMA DE AUXÍLIO AO DIAGNÓSTICO DE ARRITMIAS CARDÍACAS USANDO MÁQUINAS DE APRENDIZADO EXTREMO R. A. Cardozo*, K. Tomaszewski*, E. S. S. Reis**, H. V. Siqueira* e S. Okida* *Universidade Tecnológica Federal do Paraná, Ponta Grossa, Brasil **Universidade Estadual de Ponta Grossa, Ponta Grossa, Brasil e-mail: regisc@alunos.utfpr.edu.br Resumo: Este trabalho propõe e avalia um sistema de auxílio a diagnóstico de arritmias cardíacas, para a classificação de 11 tipos de batimentos cardíacos, utilizando uma rede neural artificial (RNA) com uma camada escondida e a técnica de treinamento máquina de aprendizado extremo (ELM), filtros adaptativos baseados em morfologia matemática e realizando a redução de dimensionalidade do sinal através da análise de componentes principais (PCA). Para a avaliação da ELM foram utilizadas duas variantes encontradas na literatura, uma com coeficiente de regularização e outra sem, também foram testadas várias topologias de RNAs, variando a quantidade de neurônios na camada escondida. Os resultados demonstram que a ELM sem coeficiente de regularização apresenta uma taxa de acerto melhor (96,86±0,05%) que os obtidos sem coeficiente de regularização (96,09±0,06%). Palavras-chave: ELM, PCA, filtro morfológico, sistema de auxílio a diagnóstico, arritmias cardíacas. Abstract: This paper proposes and evaluates an arrhythmia classification system for diagnosis assistance, for the classification of 11 beat types, utilizing an artificial neural network (RNA) with one hidden layer and the learning algorithm extreme learn machine (ELM), an adaptive filter based on mathematical morphology and performing a dimensionality reduction of the signal trough principal component analysis (PCA). To evaluate the ELM, there were used two variant found in literature, one with regularization coefficient and another without it, there were tested different RNA topologies, varying the neuron quantity in the hidden layer. The results demonstrate that the ELM without regularization coefficient achieve a better hit rate (96.86±0.05%) than with it (96.09±0.06%). Keywords: ELM, PCA, morphological filter, diagnosis assist system, cardiac arrhythmia. Introdução As doenças cardiovasculares são as principais causas de morte em homens e mulheres com mais de 30 anos no Brasil [1]. Desta forma, torna-se importante o aprimoramento e desenvolvimento de softwares que auxiliem os médicos no diagnóstico das arritmias cardíacas. Tais sistemas estão sendo utilizados amplamente em países como os Estados Unidos [2]. Estes softwares também podem ser usados em sistemas mHealth, que utilizam dispositivos móveis no monitoramento de pacientes, que na detecção de alguma anomalia enviariam os dados para uma central de monitoramento de saúde. Uma das formas de classificação automática baseia- se no uso de redes neurais artificiais (RNA) [3]. Com a utilização do algoritmo de treinamento máquina de aprendizado extremo (Extreme Learning Machine – ELM), proposto por Huang, Zhu e Siew (2006), as RNAs com arquiteturas feed-foward com uma única camada escondida podem obter uma precisão elevada, com baixo tempo de treinamento e custo computacional extremamente reduzido [4]. Para a correta classificação torna-se necessário que o sinal de eletrocardiograma (ECG) esteja corretamente filtrado. As técnicas convencionais usadas para suprimir os ruídos e corrigir as flutuações da linha de base de sinais de eletrocardiograma são em geral baseadas em filtragem linear passa-faixa. Entretanto, este tipo de técnica tem frequência de corte fixa e distorce o complexo QRS e o segmento ST [5]. Técnicas de filtragem adaptativa, como os filtros morfológicos, removem o ruído e corrigem a linha de base com mínima distorção do ECG. Portanto, facilitando as etapas seguintes de processamentos em sistemas como os de apoio a diagnóstico de arritmias [6]. Desta forma, este trabalho propõe e avalia um sistema de apoio ao diagnóstico de arritmias cardíacas que utiliza filtros morfológicos, análise de componentes principais (Principal Component Analysis – PCA), para redução da dimensionalidade do sinal de ECG, e uma RNA com uma camada escondida e algoritmo de treinamento ELM. Por fim, é realizada uma comparação dos resultados apresentados pela ELM com e sem o uso de coeficiente de regularização e também são avaliadas diversas topologias de RNAs variando a quantidade de neurônios na camada escondida. O sistema tem por objetivo classificar 11 tipos de batimentos cardíacos encontrados na base de dados MIT-BIH. Materiais e Métodos Esta seção apresenta os materiais e métodos utilizados no trabalho, como a base de dados usada nos experimentos, métodos para o pré-processamento e a rede neural artificial abordada.