Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19100
Full metadata record
DC FieldValueLanguage
dc.creator.IDGUIMARÃES, T. J. R.pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/0124536137586104pt_BR
dc.contributor.advisor1SANTOS JÚNIOR, Gutemberg Gonçalves dos.
dc.contributor.advisor1IDSANTOS JÚNIOR, G. Gpt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/0204301941083935pt_BR
dc.contributor.referee1SANTOS, Danilo Freire de Souza.
dc.contributor.referee1IDSANTOS, D. F. S.pt_BR
dc.description.resumoAs doenças cardíacas são a principal causa de morte em todo o mundo, atingindo países desenvolvidos e subdesenvolvidos, e vem apresentando um crescimento contínuo e alarmante. Um diagnóstico precoce deste tipo de anomalia é fundamental para diminuição da mortalidade. A principal, e mais comum, forma de diagnóstico de doenças cardíacas é o Eletrocardiograma (ECG), sendo realizado em clínicas e laboratórios sob supervisão de um profissional da área. Consequentemente é fácil observar a necessidade de um diagnóstico preventivo com intuito de minimizar os altos índices de mortalidade desses tipos de doenças. Portanto, esse trabalho tem por objetivo o desenvolvimento de um programa inteligente, com fundamentos em Machine Learning, para facilitar o processo de identificação de doenças cardíacas a partir de sinais de eletrocardiogramas.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentCentro de Engenharia Elétrica e Informática - CEEIpt_BR
dc.publisher.initialsUFCGpt_BR
dc.subject.cnpqEngenharia Elétrica.pt_BR
dc.titleIdentificação de doenças cardíacas a partir de eletrocardiogramas utilizando Machine Learning.pt_BR
dc.date.issued2019-07
dc.description.abstractHeart disease is the leading cause of death worldwide, reaching developed and underdeveloped countries, and it has been showing continued and alarming growth. An early diagnosis of this type of anomaly is essential to reduce mortality. The main, and most common, way of diagnosing heart disease is the Electrocardiogram (ECG), being performed in clinics and laboratories under the supervision of a professional in the area. Consequently, it is easy to observe the need for a preventive diagnosis in order to minimize the high mortality rates of these types of diseases. Therefore, the objective of this work is the development of an intelligent program, based on Machine Learning, to facilitate the identification of cardiac diseases from electrocardiograms.pt_BR
dc.identifier.urihttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19100
dc.date.accessioned2021-05-27T20:58:12Z
dc.date.available2021-05-27
dc.date.available2021-05-27T20:58:12Z
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.subjectIdentificação de doenças cardíacaspt_BR
dc.subjectDoenças cardíacas - identificaçãopt_BR
dc.subjectEletrocardiogramaspt_BR
dc.subjectMachine Learningpt_BR
dc.subjectTecnologia aplicada à cardiologiapt_BR
dc.subjectIdentification of heart diseasept_BR
dc.subjectHeart disease - identificationpt_BR
dc.subjectElectrocardiogramspt_BR
dc.subjectMachine Learningpt_BR
dc.subjectTechnology applied to cardiologypt_BR
dc.rightsAcesso Abertopt_BR
dc.creatorGUIMARÃRES, Thiago José Ribeiro.
dc.publisherUniversidade Federal de Campina Grandept_BR
dc.languageporpt_BR
dc.title.alternativeIdentification of heart disease from electrocardiograms using Machine Learning.pt_BR
dc.identifier.citationGUIMARÃES, Thiago José Ribeiro. Identificação de doenças cardíacas a partir de eletrocardiogramas utilizando Machine Learning. 2019. 39f. (Trabalho de Conclusão de Curso - Monografia), Curso de Bacharelado em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba - Brasil, 2019. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/19100pt_BR
Appears in Collections:Curso de Bacharelado em Engenharia Elétrica - CEEI - Monografias

Files in This Item:
File Description SizeFormat 
THIAGO JOSÉ RIBEIRO GUIMARÃES - TCC ENG. ELÉTRICA 2019.pdfThiago José Ribeiro Guimarães - TCC Eng. Elétrica 2019.593.67 kBAdobe PDFView/Open


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