1. RI UFLA
  2. Escola de Engenharia - EENG
  3. Departamento de Automática - DAT
  4. DAT - Trabalhos apresentados em eventos
Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/36800
Full metadata record
DC FieldValueLanguage
dc.creatorDias, Guilherme Lopes-
dc.creatorMota, Frederico Lucas de Oliveira-
dc.creatorBarbosa, Bruno Henrique Groenner-
dc.date.accessioned2019-09-13T12:42:08Z-
dc.date.available2019-09-13T12:42:08Z-
dc.date.issued2018-
dc.identifier.citationDIAS, G. L.; MOTA, F. L. de O.; BARBOSA, B. H. G. Classificador de sons pulmonares: uma abordagem baseada em FFT e máquina de vetor de suporte. In: CONGRESSO DE INICIAÇÃO CIENTÍFICA DA UFLA, 31., 2018, Lavras. Anais... Lavras: UFLA, 2018. Não paginado.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/36800-
dc.description.urihttp://prp.ufla.br/ciuflasig/generateResumoPDF.php?id=11343pt_BR
dc.languagept_BRpt_BR
dc.rightsrestrictAccesspt_BR
dc.subjectSons pulmonarespt_BR
dc.subjectMáquina de vetores de suportept_BR
dc.subjectTransformada Rápida de Fourierpt_BR
dc.titleClassificador de sons pulmonares: uma abordagem baseada em FFT e máquina de vetor de suportept_BR
dc.typeTrabalho apresentado em eventopt_BR
dc.description.resumoA ausculta pulmonar permite caracterizar uma patologia do sistema respiratório e assim guiar a conduta médica. No entanto, necessita do estetoscópio e prática do operador para classificar entre vesicular ou adventício, sendo esta última dividida em sibilo monofônico ou polifônico, estertores grossos ou finos, atrito pleural e estridor. A área de reconhecimento de padrões tem avançado na implementação de técnicas e sistemas de detecção dos sons pulmonares de forma automática com a finalidade de dar suporte mais seguro ao diagnóstico médico. O objetivo do trabalho é propor uma técnica de reconhecimento de padrões utilizando a transformada rápida de Fourier (FFT) em conjunto com Máquina de Vetor de Suporte (SVM) e um algoritmo genético como sistema de classificação de sons pulmonares. O software de classificação foi implementado em Python, treinado e testado utilizando sons pulmonares amostrados a taxa de 8kHz. No total 450 sinais compostos por 320 amostras que foram divididos em conjuntos de treino e teste do detector proposto. No conjunto de treino 120 dados eram de som vesicular e 30 de cada um dos outros sons patológicos. O conjunto de teste teve metade das amostras do conjunto de treino. Os dados são entregues ao algoritmo genético com taxa de cruzamento de 0,65, probabilidade de mutação 0,3 com 200 gerações de 100 indivíduos. Os melhores índices da transformada rápida de Fourier (FFT) são selecionados de modo a classificar as classes consideradas com a menor quantidade possível de características. Os dados são enviados à máquina de vetores suporte (SVM) e é selecionado o melhor conjunto de características capaz de relacionar o conjunto de dados à classe correspondente a partir da maior média de score de acerto retornado da validação cruzada do tipo k-fold com 5 folds. A classificação entre vesicular e adventícios foi 100,0 ± 0,0%, entre sibilos mais estertores versus atrito pleural e estridor de 100,0 ± 0,0%, entre sibilos e estertores de 93,3 ± 1,6%, entre sibilo monofônico e polifônico de 100,0 ± 0,0% entre estertores grosso e fino 93,3 ± 1,6% e entre estridor versus atrito pleural 93,3 ± 1,6%, sendo resultados obtidos com 8,5,15,17,17 e 5 características respectivamente. Os resultados demonstram a efetividade do método proposto, afirmando a adequação das técnicas do domínio da freqüência, para extração de características, e de aprendizado de máquina na classificação automática de sons pulmonares.pt_BR
Appears in Collections:DAT - Trabalhos apresentados em eventos

Files in This Item:
There are no files associated with this item.
Show simple item record Recommend this item


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