LOGIN / Acesse o sistema

Esqueceu sua senha? Redefina aqui.

Ainda não possui uma conta? Cadastre-se aqui!

REDEFINIR SENHA

Insira o endereço de email associado à sua conta que enviaremos um link de redefinição de senha para você.

Ainda não possui uma conta? Cadastre-se aqui!

Este conteúdo é exclusivo para membros ABCM

Inscreva-se e faça parte da comunidade

CADASTRE-SE

Tem uma conta?

Torne-se um membros ABCM

Veja algumas vantagens em se manter como nosso Associado:

Acesso regular ao JBSMSE
Boletim de notícias ABCM
Acesso livre aos Anais de Eventos
Possibilidade de concorrer às Bolsas de Iniciação Científica da ABCM.
Descontos nos eventos promovidos pela ABCM e pelas entidades com as quais mmantém acordo de cooperação.
Estudantes de gradução serão isentos no primeiro ano de afiliação.
10% de desconto para o Associado que pagar anuidade anntes de completar os 12 meses da última anuidade paga.
Desconto na compra dos livros da ABCM, entre eles: "Engenharia de Dutos" e "Escoamento Multifásico".
CADASTRE-SE SEGUIR PARA O VIDEO >

Tem uma conta?

Eventos Anais de eventos

Anais de eventos

COBEM 2023

27th International Congress of Mechanical Engineering

CLASSIFICATION OF HEART RHYTHM DYNAMICS USING ARTIFICIAL NEURAL NETWORKS

Submission Author: Igor Fortuna , RJ
Co-Authors: Igor Fortuna, Marcelo Savi
Presenter: Igor Fortuna

doi://10.26678/ABCM.COBEM2023.COB2023-2404

 

Abstract

Biological rhythms represent one of the most important manifestations of natural systems and therefore, dynamical analysis can establish relations among responses characteristics and biological functioning. Artificial intelligence developments are motivating automatic systems capable of performing cardiac diagnosis for medical support. This work aims to develop an intelligent system based on artificial neural networks capable of classifying cardiac rhythms from the heart rate variability (HRV) signal extracted from electrocardiograms. Five cardiac rhythms are selected to develop a proof of concept: normal sinus rhythm; atrial fibrillation; sinus bradycardia; premature ventricular contraction; and ventricular tachyarrhythmia. Linear and nonlinear features are employed to feed the artificial neural network, which is analyzed considering different arrangement of input configurations. After the definition of the neural network, clinical cases are analyzed showing satisfactory results, being able to classify the heart rhythm of patients with the same diagnosis offered by cardiologists.

Keywords

nonlinear dynamics, heart rate variability, ECG, cardiovascular rhythms, Artificial Intelligence

 

DOWNLOAD PDF

 

‹ voltar para anais de eventos ABCM