Use este identificador para citar ou linkar para este item:
https://rd.uffs.edu.br/handle/prefix/6575
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.advisor1 | Duarte, Denio | - |
dc.contributor.referee1 | Sebben, Andressa | - |
dc.contributor.referee2 | Lima, Julyane Felipette | - |
dc.creator | Willinghoefer, Emili | - |
dc.date | 2023-02-17 | - |
dc.date.accessioned | 2023-05-25T14:15:55Z | - |
dc.date.available | 2023-05-23 | - |
dc.date.available | 2023-05-25T14:15:55Z | - |
dc.date.issued | 2023-02-17 | - |
dc.identifier.uri | https://rd.uffs.edu.br/handle/prefix/6575 | - |
dc.description.abstract | Atrial Fibrillation is one of the arrhythmias that most affect the elderly population, with a predisposition of several risk factors. Electrocardiograms are used to check the frequency of heart pulses and whether the internal waves are in a steady, rhythmic rhythm. Through the use of machine learning using ECGs as data, it is possible to predict and detect its occurrence. This work aims to synthesize some of the works present in the literature that used machine learning to detect heart disease. Through the studies found in the literature, it was possible to analyze that the classification methods that believed better performances were those that used deep learning. | pt_BR |
dc.description.resumo | A Fibrilação Atrial é uma das arritmias que mais acomete a população idosa, tendo como predisposição inúmeros fatores de riscos. Os ECGs servem para verificar a frequência dos batimentos cardíacos e se as ondas emitidas estão em um ritmo constante. Através da utilização de aprendizado de máquina com base em dados de ECGs, é possível predizer e detectar sua ocorrência. Este trabalho tem como objetivo sintetizar alguns dos trabalhos presentes na literatura que utilizaram o aprendizado de máquina para detecção de doenças cardíacas. Através dos estudos encontrados na literatura, foi possível concluir que os métodos de classificação que demonstraram melhor desempenho, foram os que utilizaram aprendizado profundo. | pt_BR |
dc.description.provenance | Submitted by Biblioteca Chapeco (biblio.ch@uffs.edu.br) on 2023-05-23T15:04:23Z No. of bitstreams: 1 WILLINGHOEFER.pdf: 3135414 bytes, checksum: d516105d330aceadd2ecddd3f72fe93b (MD5) | en |
dc.description.provenance | Approved for entry into archive by Franciele Scaglioni da Cruz (franciele.cruz@uffs.edu.br) on 2023-05-25T14:15:55Z (GMT) No. of bitstreams: 1 WILLINGHOEFER.pdf: 3135414 bytes, checksum: d516105d330aceadd2ecddd3f72fe93b (MD5) | en |
dc.description.provenance | Made available in DSpace on 2023-05-25T14:15:55Z (GMT). No. of bitstreams: 1 WILLINGHOEFER.pdf: 3135414 bytes, checksum: d516105d330aceadd2ecddd3f72fe93b (MD5) Previous issue date: 2023-02-17 | en |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal da Fronteira Sul | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | Campus Chapecó | pt_BR |
dc.publisher.initials | UFFS | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Fibrilação Atrial | pt_BR |
dc.subject | Saúde | pt_BR |
dc.subject | Idoso | pt_BR |
dc.subject | Mapeamento | pt_BR |
dc.subject | Fibrilação atrial | pt_BR |
dc.title | Mapeamento sistemático da literatura em aprendizado de máquina para identificação de fibrilação atrial | pt_BR |
dc.type | Monografia | pt_BR |
Aparece nas coleções: | Ciência da Computação |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
WILLINGHOEFER.pdf | 3,06 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.