Dissertação
IDENTIFICAÇÃO DO INFARTO DO MIOCÁRDIO POR MEIO DA ANÁLISE DO CARDIOGRAMA VETORIAL E DA RECONSTRUÇÃO DO ESPAÇO DE FASES
O infarto do miocárdio (IM) é uma das maiores causas de morte em todo o mundo e sua identificação necessita de agilidade e precisão, e por essa razão favorece ao número crescente de pesquisas e inovações no âmbito do processamento de sinais biomédicos. No Brasil, a desigualdade na distribuição dos recursos destinados a saúde e a precariedade das unidades de saúde, mais afastadas de suas capitais, impulsionam o desenvolvimento de métodos computacionais para o auxílio ao diagnóstico de doenças utilizando técnicas de processamento de sinais baseadas na análise do sinal de eletrocardiograma (ECG). Conhecido popularmente como ataque cardíaco, o infarto do miocárdio se caracteriza pela ausência ou pela diminuição da circulação sanguínea no coração, causando lesões importantes que podem levar a morte de suas células, conforme o tempo de duração do evento. Nos últimos anos, uma outra forma de observar o comportamento do músculo cardíaco vem sendo utilizada para monitoramento e diagnóstico de diversas patologias, o cardiograma vetorial (VCG), que apresenta as forças que atuam no coração na forma de vetores dando a ideia espacial do comportamento cardíaco. Trabalhos recentes têm apresentando também, métodos de análise de sistemas não-lineares como uma maneira de obter informações não observáveis em sinais de comportamento dinâmico e caótico, caracterizado pela imprevisibilidade. Uma maneira de observar esse tipo de comportamento é por meio da reconstrução do espaço de fases, definido como o espaço de todos os estados possíveis de um sistema físico. Este trabalho propõe a utilização de duas técnicas distintas, a reconstrução do espaço de fases e a análise do cardiograma vetorial para identificação do infarto do miocárdio, cujo objetivo compreende em fornecer diferentes análises para a caracterização de uma patologia com ferramentas de baixo custo possibilitando expandir o monitoramento e o diagnóstico à locais onde há precariedade nos serviços de saúde e atender a um número maior de pacientes diminuindo as estatísticas da falta de agilidade e imprecisão, pelo auxílio ao médico, na identificação de doenças importantes como o IM. O algoritmo desenvolvido faz uso dos sinais de ECG do bando de dados Physikalisch-Technische Bundesanstalt (PTB) reconstruindo o espaço de fases, segundo um atraso fixo de 0,01 se gerando o VCG pelo método de Frank para cada um desses sinais. Características e parâmetros são extraídos de ambas as técnicas e analisados por uma rede neural artificial do tipo MLP que atua como classificador. Essas técnicas são avaliadas de maneira individual e combinadas quanto a identificação do IM. Individualmente, a análise da reconstrução do espaço de fases promove um melhor resultado para o tamanho de bloco 20 x 20 pixels com a combinação dos métodos da contagem de caixas, diferença e contagem de caixas ponderadas, o que gerou resultados de 84%, 92% e 88% para sensibilidade (Sb), especificidade (Es) e acurácia (Ac), respectivamente. Para o VCG o algoritmo apresentou melhor desempenho quando comparado com trabalhos semelhantes, segundo a combinação de parâmetros ângulo médio QRS - Ta (SMQRS - Ta) e a elevação do gradiente ventricular espacial (SVGelev ) resultando em valores de Sb = 95%, Es = 70% e Ac = 82,5%. Os melhores resultados para o desempenho do algoritmo, conforme as métricas de sensibilidade, especificidade e acurácia foram para as duas técnicas combinadas, com valores de 95%. Ao classificar os sinais de ECG segundo a parede de acometimento do IM, um ganho notável de desempenho é visto para o uso das técnicas combinadas, resultando em um aumento de até 10% nos valores de sensibilidade, especificidade e acurácia.
