Identificao de hipercalemia via ECG

III Workshop de Dissertações de Mestrado do PPgSI (2016)
FICHA DA PESQUISA
DADOS GERAIS
Título do projeto de
pesquisa
Identificação de Hipercalemia via ECG.
Orientando
Gleydson Cavalcante Silva.
Orientador(es)
Patrícia Rufino de Oliveira.
Semestre no curso, na [ ] 2o semestre
data do workshop
[x] 3o semestre
[ ] 4o semestre
[ ] 5o semestre
[ ] 6o semestre
Qualificação
[ ] Qualificação já realizada em: __/__/____
[ ] Realização da qualificação planejada para: 10/2016
Defesa
Prazo máximo para depósito: 05/02/2018
Realização da defesa planejada para: 10/2017
Linha e Área de
pesquisa
Gestão e desenvolvimento de Sistemas:
[ ] BD [ ] Gestão de SI
[ ] Eng. de Software
[ ] IHC
Inteligência de Sistemas:
[x] IA [x] Rec. de Padrões
[ ] Proc. Gráfico
Área de aplicação
[ ] Ambientes Corporativos
[ ] Bioinformática
[ ] Biometria
[ ] Economia
[ ] Linguagem Natural
[ ] Linguística
[ ] Processos de Negócio
[ ] Química
[ ] Educação
[ ] Educação a Distância
[ ] Internet
[ ] Jogos
[ ] Redes Sociais
[ ] Robótica
[x] Saúde
[ ] [outro – escrever]
Publicações associadas
ao projeto de mestrado
DESCRIÇÃO DO PROJETO DE PESQUISA
Contextualização O exame de identificação de hipercalemia demora em torno de 40 minutos para ficar pronto, e identificar essa doença
/ motivação
no exame de ECG em salas de emergência pode salvar muitas vidas
Problema de
pesquisa
Os trabalhos atuais conseguem identificar hipercalemia, mas os resultados no que diz respeito a acurácia e
especificidade necessitam de melhoras para uma aplicação real.
Objetivo geral da D Melhorar e aplicar novas téncicas de Inteligência artificail na busca de melhores resultados da identificação de
pesquisa
hipercalemia no examde de ECG.
Trabalhos
relacionados
●
R. S. Porter, Prediction of hyperkalemia in dogs from electrocardiographic parameters using an artificial
neural network (Um dos trabalhos precursores da área de pesquisa, mostrando que é possível identificar
hipercalemia pelo sinal de ECG)
●
W. Tzeng, Predicting hyperkalemia by a two-staged artificial neural network (Se apoia no trabalho anterior, e
os resultados são aparesentados em comparação com o mesmo, mostrando que é possível melhorar os
resultados com métodos mais elaborados.)
●
W. Tzeng, Predicting hyperkalemia by the use of a 12-lead temporal-spatial electrocardiograph (Dos
mesmo autores do trabalho acima, aplica uma outra abordagem, obtendo resultados ainda melhores, no que
diz respeito a especificidade e acurácia.)
Justificativa e
relevância
Aprimorando os métodos de identificação de hipercalemia em ECG, para que tenham uma precisão aceitável, será
possível com a evolução do processamento de grandes volumes e dados, salvar muitas vidas, notificando pacientes
antes da doença se manifestar através de sintomas, ou mesmo fazendo uma identificação rápida da doença, quando o
paciente estiver em uma emergência, por um método mais rápido e menos invasivo.
Proposta para
Solução
Observando os trabalhos, notou-se que os mesmos foram desenvolvidos em sua maioria por pessoas da área da saúde,
o que abre espaço para técnicas computacionais melhor elaboradas, tanto no processamento, quanto o classificador
em si.
Dados
Será necessário um dataset da doença, e é o principal problema que estamos enfrentando nesta fase do projeto,
tentando identificar um dataset público.
Validação
Serão utilizadas técnicas de validação cruzada, e medições do erro, bem como acurácia, específicade e outras
métricas presentes nos trabalhos relacionados, para que seja possível comparações dos resultados.
Limitações
A generalização do modelo para problemas do mundo real certamente será um problema, uma vez que o sinal de
ECG, tem variações que podem indicar ou não uma doença, e pode ter variações que nomalmente indicam uma
doença, mas em certos casos indicam outra.
Resultados
esperados
Contribuições científicas: A modelagem para problemas semelhantes.
Contribuições tecnológicas:
MÉTODO DE PESQUISA
Gênero
[ ] Pesquisa teórica
[x] Pesquisa prática
[x] Pesquisa empírica
[ ] Pesquisa metodológica
Natureza
[ ] Pesquisa básica/pura
[x] Pesquisa aplicada
Objetivo
[ ] Pesquisa exploratória
[x] Pesquisa descritiva
[x] Pesquisa explicativa
[ ] [outro – escrever]
Abordagem
[x] Pesquisa quantitativa
[ ] Pesquisa qualitativa
[ ] Pesquisa mista (quali-quanti)
Procedimento(s)
técnico(s)
[x] Pesquisa experimental
[x] Pesquisa bibliográfica
[ ] Pesquisa documental
[ ] Pesquisa ex-post-facto
[ ] Pesquisa de levantamento
[ ] Pesquisa com survey
[ ] Estudo de caso
[ ] Pesquisa participante
[ ] Pesquisa-ação
[ ] Pesquisa etnográfica
[ ] Pesquisa netnográfica
[ ] Teoria fundamentada em dados (grounded theory)
[ ] Ciência do projeto (Design science research)
[ ] [outro – escrever]
Fonte(s) de dados
[ ] pesquisa de laboratório
[ ] pesquisa de campo
[x] pesquisa bibliográfica [ ] [outro – escrever]
[x] medição
[ ] questionário
[ ] entrevista
[ ] grupos focais
[ ] formulário
[ ] benchmark
[ ] observação (direta / participante)
[ ] diário de campo / notas de campo
[ ] análise documental (ou de artefatos)
Técnica(s) /
Instrumento(s) de
coleta de dados
Técnica(s) de análise
de dados
Análise quantitativa:
[x] Estatística descritiva
[ ] Estatística inferencial
Análise qualitativa:
[ ] Análise de conteúdo
[ ] Análise do discurso
CRONOGRAMA [altere conforme necessário]
2015
2016
2017
1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12
Estudo da literatura
Revisão sistemática
x x x x x x x x x x x x x
x x x x x x x
Definição da proposta
x x x x
Execução da proposta
x x x x
Coleta/obtenção de dados
x
Análise dos dados
x x
Validação da proposta
x x x
Preparo da qualificação
x x x x
Exame de qualificação
Escrita da dissertação
Escrita de artigo
Depósito da dissertação
(Outros)
x x
x x x x x x x x x x x
x x x x x x
x