Please use this identifier to cite or link to this item: http://repositorio.ufes.br/handle/10/6200
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorAndreão, Rodrigo Varejão
dc.date.accessioned2016-12-23T14:07:23Z-
dc.date.available2013-06-07
dc.date.available2016-12-23T14:07:23Z-
dc.identifier.citationCALOTI, Thiago de Aguiar. Identificação de pacientes com diabetes baseada na variabilidade da frequência cardíaca. 2013. 154 f. Dissertação (Mestrado em Robótica; Automação Inteligente; Inteligência Artificial; Processamento de Sinais; Eletrônica de Pot) - Universidade Federal do Espírito Santo, Vitória, 2013.por
dc.identifier.urihttp://repositorio.ufes.br/handle/10/6200-
dc.format.mediumtexten
dc.publisherUniversidade Federal do Espírito Santopor
dc.rightsopen accessen
dc.titleIdentificação de pacientes com diabetes baseada na variabilidade da frequência cardíacapor
dc.typemasterThesisen
dcterms.abstractO diabetes mellitus (DM), usualmente referido como diabetes, é uma doença crônica caracterizada por hiperglicemia e leva a complicações específicas a longo prazo: retinopatia, neuropatia, nefropatia e cardiopatia. A análise da variabilidade da frequência cardíaca (VFC), sendo uma ferramenta não invasiva, tornou-se um método amplamente empregado em pesquisas para avaliar a atividade do sistema nervoso autônomo (SNA). A frequência cardíaca (FC) é sinal biológico que está em constante mudança. Essas mudanças podem ser um indício de doença ou servir como um indicativo de iminentes doenças cardiovasculares. Neste trabalho, analisam-se sinais de VFC de 360 indivíduos saudáveis e 360 indivíduos diabéticos, usando métodos no domínio do tempo, no domínio da frequência e técnicas não lineares. Os resultados mostram que os índices no domínio do tempo (RRmean, SDNN, RMSSD, pNN50 e D index), no domínio da frequência (VLF, LF, HF, HFnorm e LF/HF) e os índices não lineares (ApEn, SampEn, SD1, SD2, s, a1, FD, REC, DET, Lmean, Lmax e ShanEn) são clinicamente significativos na identificação de pacientes com diabetes. O sistema de diagnóstico proposto classifica indivíduos saudáveis e com DM, com acurácia de 75:69%, especificidade de 80:56% e sensibilidade de 70:83%por
dcterms.abstractDiabetes mellitus (DM), usually referred to as diabetes, is a chronic disease characterized by hyperglycaemia and leads to specific long-term complications: retinopathy, neuropathy, nephropathy and cardiomyopathy. Analysis of heart rate variation (HRV), being a noninvasive tool, has become a popular method to assess the activitie of the autonomic nervous system (ANS). Heart rate (HR) are bio-signals that are in constantly changing. These changes may be an indication of current disease or serve as a pre-warning to imminent cardiovascular diseases. In this work, we analyse HRV signals from 360 normal and 360 diabetic subjects, using time domain, frequency domain and nonlinear techniques. Our results show that the indexes in the time domain (RRmean, SDNN, RMSSD, pNN50 and D index), in the frequency domain (VLF, LF, HF, HFnorm and LF/HF) and the nonlinear indexes (ApEn, SampEn, SD1, SD2, s, a1, FD, REC, DET, Lmean, Lmax and ShanEn) are clinically meaningful in the identification of patients with diabetes. The proposed diagnostic system classifies, DM patients and normal subjects, with an accuracy of 75:69%, specificity of 80:56% and sensitivity of 70:83%eng
dcterms.creatorCaloti, Thiago de Aguiar
dcterms.issued2013-05-13
dcterms.languageporpor
dcterms.subjectVariabilidade do batimento cardíacopor
dcterms.subjectDiabetespor
dcterms.subjectProcessamento de sinais - Técnicas digitaispor
dcterms.subjectMáquina de suporte vetorialpor
dc.publisher.countryBRpor
dc.publisher.departmentRobótica; Automação Inteligente; Inteligência Artificial; Processamento de Sinais; Eletrônica de Potpor
dc.publisher.programPrograma de Pós-Graduação em Engenharia Elétricapor
dc.publisher.initialsUFESpor
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICApor
dc.contributor.refereeSalles, Evandro Ottoni Teatini
dc.contributor.refereeDantas, Eduardo Miranda
dc.contributor.advisor-coSarcinelli Filho, Mário
Appears in Collections:PPGEE - Dissertações de mestrado

Files in This Item:
File Description SizeFormat 
Thiago de Aguiar Caloti.pdf6.64 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.