PRODUÇÃO ACADÊMICA Repositório Acadêmico da Graduação (RAG) TCC Engenharia de Computação
Use este identificador para citar ou linkar para este item: https://repositorio.pucgoias.edu.br/jspui/handle/123456789/8749
Registro completo de metadados
Campo DCValorIdioma
dc.creatorFernandes, João Monferrari Salgadopt_BR
dc.date.accessioned2024-12-19T20:14:08Z-
dc.date.available2024-12-19T20:14:08Z-
dc.date.issued2024-12-12-
dc.identifier.urihttps://repositorio.pucgoias.edu.br/jspui/handle/123456789/8749-
dc.languageporpt_BR
dc.publisherPontifícia Universidade Católica de Goiáspt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectInteligência artificialpt_BR
dc.subjectRedes neurais-
dc.subjectRedes neurais convolucionais-
dc.subjectCNN-
dc.subjectIA-
dc.subjectBEV-
dc.subjectBatimento ectópico ventricula-
dc.subjectMIT-
dc.subjectEletrocardiograma-
dc.subjectECG-
dc.subjectDiagnóstico-
dc.titleO uso da inteligência artificial aplicada em eletrocardiogramas para diagnóstico de Batimento Ectópico Ventricular (BEV)pt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Martins, Rafael Lealpt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/9792426862133439pt_BR
dc.contributor.referee1Schlag, Fabriciopt_BR
dc.contributor.referee1Latteshttp://lattes.cnpq.br/8538827338295434pt_BR
dc.contributor.referee2Abadia, Fernando Gonçalvespt_BR
dc.contributor.referee2Latteshttp://lattes.cnpq.br/3382052342707576pt_BR
dc.description.resumoO presente estudo tem como objetivo abordar o uso da Inteligência Artificial (IA), em específico das Redes Neurais Convolucionais (CNNs) aplicada a análise de Eletrocardiogramas para a geração de diagnóstico de Batimento Ectópico Ventricular (BEV). A pesquisa consiste no treinamento intenso de uma IA, por meio do uso de uma CNN, em cima de imagens de trechos de eletrocardiogramas montados pelo Instituto de Tecnologia de Massachusetts (MIT) no site Physionet, com a função de identificar e aprender os padrões de um ECG com diagnóstico de BEV. Além disso, o estudo utiliza redes neurais visando uma maior eficiência e precisão dos resultados, visto a complexidade dos dados. Sendo assim, espera-se por meio dessa automatização de diagnósticos, uma maior agilidade na triagem dos atendimentos, além de um processo de identificação e tratamento precoce dos pacientes, podendo evitar assim problemas mais graves que arritmias.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentEscola Politécnicapt_BR
dc.publisher.initialsPUC Goiáspt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRApt_BR
dc.degree.graduationEngenharia de Computaçãopt_BR
dc.degree.levelGraduaçãopt_BR
Aparece nas coleções:TCC Engenharia de Computação

Arquivos associados a este item:
Arquivo TamanhoFormato 
Projeto TCC2 João Monferrari.pdf1,86 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.

Ferramentas do administrador