Banca de DEFESA: JOSÉ HUGO ALVES MASCENA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: JOSÉ HUGO ALVES MASCENA
DATA: 27/02/2024
HORA: 14:00
LOCAL: Sala virtual: https://meet.google.com/rux-aady-ose
TÍTULO: Medidas de Caos em Sinais de ECG e Classificação de Ritmos Cardíacos por Meio de Aprendizado de Máquina
PALAVRAS-CHAVES: Caos, ECG, Matrizes aleatórias, Correlação, Densidade de máximos, Aprendizado de máquina.
PÁGINAS: 110
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Física
RESUMO: Desde a segunda metade do século passado, a teoria de sistemas não lineares e caos vem se desenvolvendo rapidamente através de uma empreitada multidisciplinar. Como resutado, um grande número de técnicas foi desenvolvida buscando a correta identificação de caos em sistemas empíricos. Nesse sentido, uma importante aplicação é diferenciar as componentes de natureza alea- tória de um sinal das componentes de natureza determinística, essencial em qualquer área que en- volva a análise de dados experimentais. Em especial, na fisiologia busca-se estabelecer as relações entre caos, estocasticidade e o estado de saúde do corpo humano, essencial para nortear aplicações médicas que permitam o diagnóstico facilitado e preciso de doenças e outra condições anormais. Seguindo essa linha, buscamos neste trabalho identificar caos no coração por meio de análises de sinais de eletrocardiograma de pacientes com diferentes condições de ritmos: normais ou arrítmicas, e tentar diferenciá-los por meio de medidas de caos. Para isso, utilizamos métodos alternativos aos comumente utilizados na literatura, um baseado na teoria de matrizes aleatórias e o outro fundamen- tado no princípio da máxima entropia que permite relacionar a densidade de máximos de um siste- ma com o seu comprimento de correlação. Transformando os sinais temporais em matrizes típicas do ensemble de Wigner e do ensemble de Wishart-Laguerre constatamos que a densidade espectral média dos autovalores dessas matrizes não recuperam as formas assintóticas esperadas de sinais aleatórios, mas se assemelham a de sinais caóticos. Pudemos verificar também que a densidade de máximos converge particularmente bem para uma função do comprimento de correlação do sinal, típico de sinais caóticos, implicando dessa forma a presença de caos no sistema sem a necessidade de reconstrução do espaço de fases e cálculo de dimensão do atrator caótico do sistema. Em especi- al, temos no comprimento de correlação uma medida quantitativa associada ao nível de caos no sistema. Por fim, utilizando essas medidas, calculadas diretamente e a partir da densidade de máximos, fomos capazes de classificar sinais com ritmo normal e sinais com arritmia através de algoritmos de aprendizado de máquina.
MEMBROS DA BANCA:
Externo ao Programa - 2579537 - ALISSON VASCONCELOS DE BRITO
Interno - 2348379 - FABIO LEAL DE MELO DAHIA
Presidente - 1572287 - JORGE GABRIEL GOMES DE SOUZA RAMOS