Project

General

Profile

Overview

A transmissão em tempo-real do eletrocardiograma (ECG) em situações de urgência pode aumentar consideravelmente as chances de sobrevida do paciente. No entanto, um dos grandes problemas envolvendo essa aplicação da telemedicina em tempo-real envolve as limitações de banda. Exames de ECG podem gerar um grande número de dados, o que inviabiliza o uso de técnicas de telecardiologia em muitas aplicações do cotidiano. Esse problema instigou muitos autores a buscarem t´ecnicas eficientes de compressão de ECG, que podem ser agrupadas em quatro grandes grupos: abordagens baseadas em transformadas, abordagens bidimensionais, abordagens baseadas em similaridades e outras abordagens. O presente trabalho suscitou a hip´otese de que redes neurais artificiais podem ser utilizadas na compressão de ECG em conjunto com as transformadas Wavelet. Nessa abordagem, as transformadas foram respons´aveis por ressaltar os padr?oes do ECG no domínio tempo-freqüência. Esses padrões, por sua vez, foram comprimidos por uma rede neural MLP treinada com algoritmo de retro-propagação. Os registros da MIT-BIH Arrhythmia Database foram comprimidos em 28 vezes, enquanto a MIT-BIH ECG Compression Test Database foi comprimida em 20 vezes. O processo obteve bons resultados no quesito de qualidade, que podem ser observados nos baixos valores da diferença percentual da raiz media (0.037% e 0.028%), do desvio padrão dos erros (0.287 e 0.230) e do erro máximo (1.999 e 1.998). Um método automático de validação baseado em Wavelets também foi utilizado para qualificar o método proposto. Pode-se concluir a partir daí que o método proposto neste trabalho apresentou um grau de qualidade variando entre ?bom? e ?excelente?. Finalmente, especialistas internacionais avaliaram os exames comprimidos, demonstrando que a compressão do ECG não afetou o valor clíınico do exame.