31 jul 2025
09:00 Defesa de Mestrado Sala 85 do IC2
Tema
Filtragem de artefatos de movimento de ECG em condições livres e detecção de hiperglicemia
Aluno
Giorgio de Moraes Rossa
Orientador / Docente
Marcelo da Silva Reis - Coorientadora: Emely Pujólli da Silva
Breve resumo
Estudos demonstram que o sinal de Eletrocardiograma (ECG) é capaz de detectar informações importantes do coração, que podem ser utilizadas para diversas aplicações e análises. Uma destas é a identificação da mudança da glicose sanguínea. Atualmente as formas de medir a glicose sanguínea são invasivas, e podem resultar em eritemas e coceiras. O desenvolvimento de sensores vestíveis levou a criação de diferentes áreas de pesquisa com dados em condições livres, incluindo sensores de ECG, que podem ser utilizados para melhorar a qualidade de vida de pacientes que precisam monitorar sua glicose continuamente.
Porém, um dos problemas do sinal de ECG é sua vulnerabilidade a ruídos e artefatos. Tais ruídos são normalmente separados em desvio da linha de base, interferência de linha de energia, artefatos musculares e artefatos de movimento. Destes, os artefatos de movimento do eletrodo (EMs) são particularmente difíceis de remover, por conta de sua semelhança com ritmos sinusais de ECG normais.
Em situações de ambiente não controlado, artefatos EM são mais frequentes e podem perturbar o sinal. Apesar da extensa quantidade de pesquisas sobre filtragem de ECG, existe uma falta de padrões metodológicos, fazendo com que comparações diretas entre trabalhos uma tarefa desafiadora.
Neste trabalho, Filtro Estendido de Kalman com pesos e Autocodificadores de remoção de ruído foram utilizados para remoção de artefatos de movimento do sinal de ECG. Este trabalho propõe uma metodologia para validar as técnicas de filtragem utilizando diferentes conjuntos de dados, em um experimento utilizando conjuntos de dados cruzados, separando participantes em treino, validação e teste, e misturando a entrada com segmentos limpos e com artefatos reais. Os artefatos também foram divididos em treino, validação e teste, para não enviesar os resultados dos modelos. Por fim aplicamos os métodos para filtrar o ECG do conjunto de dados D1NAMO, que contém ECG e glicose capturados em condições livres, para identificar eventos de hiperglicemia utilizando características HRV do ECG.
Banca examinadora
Titulares:
| Marcelo da Silva Reis | IC/UNICAMP |
| Fernando José Von Zuben | FEEC/UNICAMP |
| Marcos Medeiros Raimundo | IC/UNICAMP |
Suplentes:
| André Santanchè | IC/UNICAMP |
| Fabrício Martins Lopes | DACOM/UTFPR |