Escolar Documentos
Profissional Documentos
Cultura Documentos
Gabriel Hora de Sá
REFERÊNCIA BIBLIOGRÁFICA
De Sá, Gabriel Hora de Sá. Dispositivo detector de Patologias Cardíacas através de
curvas ecg. 2020. 46f. Trabalho de Conclusão de Curso (Graduação) – Instituto Tecnológico
de Aeronáutica, São José dos Campos
CESSÃO DE DIREITOS
NOME DO AUTOR: Gabriel Hora de Sá
TÍTULO DO TRABALHO: Dispositivo
TIPO DO TRABALHO/ANO: Dissertação / 2020
__________________________________
Gabriel Hora de Sá
Av. Nove de Julho 4782, apto 22
CEP:01406-200, São Paulo - SP
iii
Gabriel Hora de Sá
Formatted: Left
_________________________________________
Prof. Dr. Douglas Soares dos Santos
Coorientador
_________________________________________
Prof. Dr. Marcelo PinhoRoberto Kawakami Harrop Galvão
iv
Agradecimentos
Resumo
Abstract
Due to new investments in the biotechnology department, it was decided to create a project to
assist in the future study of students through materials available for graduation. Using UNO
Arduino hardware, available in the laboratory, this work aims to detect possible cardiac
pathologies through the study of ECG waves and the theory of analysis of temporal signals
learned during graduation
x
mV mili Volt
AV Atrioventricular
Sumário
1 INTRODUÇÃO .............................................................................................................. 13
3 COMPONENTES ........................................................................................................... 20
3.1 Arduino .................................................................................................................... 20
3.2 AD8232 .................................................................................................................... 24
3.3 Clustering ................................................................................................................ 29
3.4 PCA .......................................................................................................................... 30
5 CONCLUSÃO ................................................................................................................. 40
ERROR!BOOKMARKNOTDEFINED.ERROR!BOOKMARKNOTDEFINED.Ero!BokmarknotdefindE
.ro!BokmarknotdefindE
.ro!BokmarknotdefindE
.RROR!BOOKMARKNOTDEFINED.Ero!BokmarknotdefindE
.ro!BokmarknotdefindE
.RROR!BOOKMARKNOTDEFINED.Ero!BokmarknotdefindE
.RROR!BOOKMARKNOTDEFINED.ERROR!BOOKMARKNOTDEFINED.
12
1 Introdução
Cada vez mais, técnicas de análise de dados veem se tornando uma grande ferramenta
Esse trabalho tem como propósito utilizar essas técnicas, em especial a abordagem de
Clustering, para criar um dispositivo capaz de apontar um possível laudo de patologia cardíaca
utilizados em medidores ECG portáteis, esse fato foi uma das motivações para a realização
desse projeto que auxiliará no estudo da fisiologia cardíaca para futuros alunos do Laboratório.
Além disso, é proposta fundamental desse projeto fornecer uma alternativa de baixo custo para
medidores ECG com laudo interpretativo, que hoje custa em média R$ 7,000 no mercado
nacional.
13
2 Revisão Bibliográfica
2.1 Funcionamento do coração
impulso. Ao atingir o potencial de ação o impulso se propaga pelo sistema de Purkinje até
chegar nos átríosátrios causando a sua contração.
Após centésimos de segundos, o impulso atinge o nó AV que o retarda para que os
átrios possam forçar a passagem do sangue aos ventrículos, após isso o sistema de Purkinje
propaga o impulso aos ventrículos para forçar sua contração.
A imagem abaixo exemplifica os sistemas citados acima:
16
2.2 Eletrocardiograma
Note que nesta curva existem pontos notáveis denominados, P Q R S T esses pontos
serão fundamentais na análise do funcionamento do coração como veremos a seguir.
A curva com pico em P, também chamada de curva P, corresponde a despolarização
dos átrios, ela possui duração menor que 120 ms e amplitude inferior a 0,2 mV. O
segmento P-R representa a defasagem do impulso no nó AV, fenômeno visto na seção
anterior.
2.3 Derivações
Como foi dito anteriormente, dois pontos de aplicação dos eletrodos definem uma
derivação. Cada derivação representa uma projeção do vetor dipolo do ciclo cardíaco
em um determinado ângulo.
D1, D2, D3 e as unipolares aVR, aVL e aVF. Na imagem abaixo podemos visualizar o
plano frontal definido pelas derivações periféricas:
3 Componentes
3.1 Arduino
Ele possui uma linguagem padrão C/C++ , porém a Arduino disponibiliza uma IDE
baseada na linguagem Processing. Sua placa possui 14 pinos que podem ser tanto
utilizados como entrada ou saída digital, além de 6 pinos de entrada analógica como
pode ser visto na imagem abaixo:
20
Microcontrolador ATmega328P
Voltagem de Operação 5V
Voltagem de Entrada
7-12V
(recomendada)
Voltagem de entrada (limite) 6-20V
Digital Pinos E/S 14 (dos quais 6 fornecem saída PWM )PWM)
Pinos Digitais PWM E/S 6
21
Memória Flash 32 KB
SRAM 2 KB
22
EEPROM 1 KB
Canais de toque 16
Interrupções externas 2
USB Interface No
USB Speed –
Seu desing podedesign pode ser visto na imagem na imagem abaixo :abaixo:
3.2 AD8232
O AD8232 é um sensor de monitoramento cardíaco, capaz de traçar curvas ECG e
outras aplicações de caráter biopotencial. Seu circuito tem como finalidade
extrair, amplificar e filtrar pequenos sinais de origem biológica na presença de ruídos.
Para analisar a curva ECG do paciente, basta rodar um simples código na IDLE do
projeto Arduino. O código tem como objetivo resgatar o valor na saída analógica A0
do arduino como podemos ver na imagem abaixo:
27
Feito isso é possível ver a curva ECG do paciente no Serial Plotter da IDLE, como é
mostrado na figura abaixo:
Figure 131313 Curva ECG obtida pelo sensor após sua estabilização
28
Feita a coleta de dados, a curva salva será comparada por um algoritmo de machine learning
descrito abaixo através de um código escrito em Python como será discutido na seção 4.
3.3 Clustering
3.4 PCA
Para definir os melhores parâmetros analisar as patologias cardíacas foi feito uma
análise através de uma base de dados utilizando o método de principal component analisys
(PCA).
O PCA é uma ferramenta de análise de dados que tem como finalidade obter
uma base ortogonal que melhor explica as variáveis aleatórias estudadas.
Através da matriz de covariância das variáveis aleatórias, são obtidos os
autovalores e autovetores, os autovetores representam a
base ortornomal que explica a variedade em questão, já os autovalores representam
quanto que o seu respectivo autovetor explica da variedade.
30
Na figura acima podemos ver uma que quando uma distribuição gaussiana é posta sob
análise do PCA dois vetores unidimensionais e linearmente independentes são obtidos como
resposta, ambos representam os estimadores ótimos da média e do desvio padrão da amostra
em questão.
4 Resultados e Discussões
As curvas na base de dados foram padronizadas para que sua amostragem comece em
um ponto em que não houvesse vetor dipolo resultante.
A partir dessa base de dados foi realizado um PCA para reduzir a dimensão do
problema, o código utilizado é mostrado na figura abaixo :
Figure 171717 CodigoCódigo de PCA utilizado para análise da base de dados Formatted: Font: Bold
Formatted: Font: Bold
34
Cada coordenada de uma componente do PCA representa o peso que cada uma
das 64 amostragens possui para explicar a variação da amostra.
36
Figure 21 Código exemplificando a indexação de cada curva ao seu cluster e sua patologia
Para o diagnóstico de uma nova curva obtida através do sensor AD8232, basta
adicioná-la à base de dados realizar o PCA e o Clustering e verificar qual patologia é
mais presente no cluster ao qual a nova curva pertence. O Código abaixo exemplifica
esse processo:
38
Conclui-se então que cada patologia está sendo representada unicamente por um cluster,
constatando grande eficácia do algoritmo para catalogar 14,000 amostras.
5 Conclusão
Pode-se concluir que o método de clustering tem larga utilização no ambiente de
bioengenharia, em especial para pré-diagnósticos de exames não tão complexos como o
eletrocardiograma, sua complexidade aumenta exponencialmente com o número de
40
Para maior eficácia do projeto, pode-se considerar analisar diversas derivações de uma
mesma curva na base de dados, entretanto esse número deverá ser escolhido de forma a não
deixar o tempo de execução muito elevado.
41
6 Referências
Formatted: Heading 1, Indent: Left: 0", Line spacing: single
6
https://www.arduino.cc/
MITCHELLl, Jamie R.; Wang, Jiun-Jr (2014-06-01). "Expanding application of the Wiggers
diagram to teach cardiovascular physiology". Advances in Physiology Education. 38 (2):
170-175. doi:10.1152/advan.00123.2013. ISSN 1043-
4046. PMC 4056172. PMID 24913453.
Helder José Lima Reis, Hélio Penna Guimarães, Ana Denise Zazula, Ronaldo Gomes Vasque
e Renato Delascio Lopes. “ECG Manual Prático de Eletrocardiograma”:
http://ole.uff.br/wp-content/uploads/sites/419/2019/04/ECG-Manual-Pr%C3%A1tico-de- Field Code Changed
Eletrocardiograma-HCor.pdf