Recep Tayyip Erdoğan’ın Liderlik Yolu 102 

6.1. Considerações Finais

Essa dissertação propôs a detecção de transientes em sinais de eletrocardiograma através de um método baseado na energia da transformada Hilbert do sinal entre duas ondas R, além disso, foi proposto a criação de dois novos Quadros para o protocolo PM-AH de forma que uma mensagem particular possa ser confirmada através de uma troca de mensagens na janela assíncrona do protocolo.

Toda essa arquitetura tem como objetivo criar um sistema distribuído para pré-processar os dados de um eletrocardiograma de forma que um dispositivo computacional não tenha que processar dados que não contém informações relevantes.

Para demonstração dessa arquitetura, usou-se:

o Análise de desempenho da energia da transformada Hilbert entre ondas R na detecção de transientes.

o Demonstração matemática da viabilidade de utilização dos Quadros propostos pelo trabalho para o protocolo PM-AH.

As contribuições do presente trabalho foram:

o Propôs um sistema distribuído para pré-processamento de sinais de ECG.

o Propôs a análise da energia de um sinal de ECG para a detecção de alterações em um sinal de ECG, o único outro método encontrado na literatura é baseado em morfologia.

o Propôs dois novos Quadros para o protocolo PM-AH que fazendo uso da janela assíncrona permitem a confirmação de uma informação presentes nos dados que estão sendo enviados.

6.2. Trabalhos em perspectiva

Nessa subsecção são propostos trabalhos para serem desenvolvidos em futuras dissertações de mestrados e teses de doutorados.

6.2.1. Otimização do valor do limiar para a detecção de

transientes

O valor atual do limiar foi estabelecido após experimentação exaustiva, o que não cobre todas as possibilidades possíveis e não garante que o valor utilizado foi o melhor valor possível.

O estudo matemático para otimizar o valor do limiar irá garantir um melhor desempenho para a arquitetura.

6.2.2. Uso da transformada Hilbert-Huang em detrimento da

transformada Hilbert

A transformada Hilbert-Huang é mais um algoritmo que um método matemático propriamente dito e assim como a transformada Hilbert, ela calcula a freqüência instantânea. Porém ela foi desenvolvida para dados não-lineares e não- estocásticos, características de um sinal de eletrocardiograma. Um estudo comparativo entre as duas transformadas seria interessante para fazer a avaliação da energia e uma eventual substituição da transformada Hilbert pela transformada Hilbert-Huang.

6.2.3. Uso da arquitetura na automação industrial

Um estudo sobre a utilização dessa arquitetura em um cenário de automação industrial parece ser interessante, desde que o dispositivo emita um sinal razoavelmente periódico e que seja possível extrair algum parâmetro dele. Assim a energia entre dois sinais podem ser comparadas.

O protocolo PM-AH pode ser utilizado no cenário industrial, embora tenha sido desenvolvido para o ambiente hospitalar, nada impede que ele seja utilizado no ambiente industrial.

Referências Bibliográficas

(1) Dietrich,D.; Sauter, T. “Evolution Potentials for Fieldbus Systems”. WFCS 2000, IEEE Workshop on Factory Communications Systems, Setembro de 2000

(2) Pedreiras, P.; Almeida, L.; Gail, P.; Giorgio, B. “FFT-Ethermet: A Flexible Real-time comunication Protocol that suports Dynamic QoS Management on Ethernet-Based Systems”, IEEE Transactions on Industrial Informatics, volume 1, número 3, Agosto de 2005.

(3) Nagin, V.; Potapov, I.; Selishchev, S. “A distributed-oriented architecture for real-time ECG data acquisitions systems”, Proceedings of the 23rd _{annual EMBS International}

conference, Outubro de 2001.

(4) Silipo, R.; Marchesi, C. “Artificial Neural Networks for Automatic ECG Analysis” IEEE transactions on signal processing, volume 46, número 5, Maio de 1998.

(5) Übyli, E. “Usage of eigenvector methods in implementation of automated diagnostic systems for ECG beats”, Elsevier Digital Signal Processing, Maio de 2007

(6) Hosseini, H,; Luo, D.; Reynolds, K. “The comparison of different feed foward neural network architectures for ECG signal diagnosis”, Elsevier Medical engineering & physics, Abril de 2005.

(7) Lu, H.; Ong, K.; Chia, P.”an automated ECG classification system based on a Neuro- Fuzzy system” Computer in cardiology 27, 387-390, 2000

(8) Karvounis, E.; Papaloukas, C.; Fotiadis, D.; Michalis, L. “Fetal heart rate extraction from composite maternal ECG using complex continous wavelet transform”, Computers in cardiology 31, 737-740, 2004.

(9) Foo, S.; Stuart, G.; Harvey, B.; Meyer-Bease, A. “Neural network-based EKG pattern recognition”, Engineering applications of artificial intelligence 15, 253-260, 2002. (10) Stamkopoulos, T.; Diamantaras, K.; Maglaveras, N.; Strintizs, M. “ECG analysis using

nonlinear PCA neural networks for ischmeia detection” Transactions on signal processing, volume 46, número 11, Novembro de 1998.

(11) Papaloukas, C.; Fotiadis, D.; Likas, A.; Michalis, L. “An ischemia detection method based on artificial neural networks”, Elsevier artificial intelligence in medicine24, 167- 178, Junho de 2001.

(12) Chazal, P.; O‟Dwyner, M.; Reilly, R. “Automatic classification of heartbeats using ECG morphology and heartbeat Interval features”,IEEE Transactions on biomedical engineering, volume 51, número 7, Julho de 2004.

(13) Güler, I.; Übeyli, E. “A modified mixture of experts network structure for ECG beats classification with diverses features”, Elsevier engineering applications of articial intelligence 18, Abril de 2005

(14) Schneiderman, N.; Weidd, S. M.: Kaufmann, P. G. “Handbook of Research Methods in Cardiovascular Behavioral Medicine”. New York and London: Plenum Press, 1989 (15) Moore K. L.; Dalley, A. F. “Anatomia, orientada para a clínica” 4 ed, Rio de Janeiro,

Guanabara Koogan, 2001

(16) Tortora, G. L.; Grabawski, S. R. “Princípios de anatomia e fisiologia” 9 ed, Rio de Janeiro, Guanabara Koogan, 2002

(17) Correia, P. P.; Espanha, M.; Oliveira, R.; Pascoal, A. G.; Silva, P. A. “Anatomorfisiologia”, Tomo III, Universidade Técnica de Lisboa, Faculdade de Motricidade Humana, Ciências da Motricidade, FMH Edições, 2001

(18) Webster, J. G. “Design of Cardiac Pacemakers”, New York, IEEE Press, 1995

(19) Mark, R. G. “Quantitative Physiology: Organ Transport Systems” notas de aula de HST/MIT Open Courseware 2004, diponível em http://ocw.mit.edu/OcwWeb/Health- Sciences-and-Technology/HST-542JSpring-2004/Course acessado em Novembro de 2004

(20) Skou, J. C.; Hoffman, J. F. “The Influence of Some Cations on an Adenosine Triprosphatase from Peripheral Nerves” Milestones in Nephrology, 2170 – 2177, 1998 (21) Guyton, A. C.; Hall, J.D. “Tratado de fisiologia médica”, 9 ed Rio de Janeiro,

Guanabara Koogan, 1997

(22) Clifford, G. D.; Azuaje, F.; McSharry, P. E. “Advanced Methods and Tools for ECG Data Analysis” Norwood, Artech House, 2006

(23) Goldman, M. J. “Princípios da Eletrocardiografia Clínica” 8 ed São Francisco, 1976 (24) Feldman, J.; Goldwasser, G. P. “eletrocardiograma: recomendações para a sua

interpretação” Revista da SOCERJ, Out/Nov/Dez 2004

(25) http://www.virtual.epm.br/material/tis/curr-bio/trab2003/g5/vetocardio.html acessado em 8 de julho de 2010.

(26) Dos Santos, V.L.; Costa, B.S.; Belchior, H.Á.; Dória, N. A.D.; “Rat‟s Hippocampal Field Potentials Clustering of Wake and Sleep Stages in Euclidean Space” Engineering in Medicine and Biology Society, 2010. EMBC 2010. Annual International Conference of the IEEE.

(27) Haykin, S.; “Sistemas de comunicação: analógicos e digitais” 4 ed Bookman company Ed, 2001.

(28) Abhilash, G.; “Hilbert Transform: A simple, signal-theoric formulation” Article series of the Signals Research Laboratory, Abril 28, 2006.

(29) Johansson, M.; “The Hilbert transform” Master Thesis Mathematics/Applied Mathematics Växjö University

(30) Valentim, R.A.M.; “Protocolo Multiciclos para Automação Hospitalar sobre Multicast com IEEE 802.3 utilizando IGMP Snooping” Tese de Doutorado, UFRN, 2007.

(32) Dolejs, O.; Smolik, P. Hanzalek, Z.; “On the Ethernet use for real-time publish- subscribe based applications”, in 5th _{IEEE International Workshop on Factory}

Communication Systems, Vienna, Austria, 2004

(33) de Morais, A.H.F; “eOSI: Um modelo para Desenvolvimento de Sistemas Embarcados Tolerantes a Falhas”, Dissertação de mestrado, UFRN, 200

(34) Yeh, Y., Wang, W. (2008) “QRS complexes detection for ECG signal: The Difference Operation Method”, Comput. Meth. Progr. Biomed., v. 9, p. 245-254

(35) Hamilton, P. S., Tompkins, W. J. (1986) “Quantitative Investigation of QRS Detection Rules Using the MIT/ BIH Arrhythmia Database”. IEEE Transactions on Biomedical

Engineering, v. BME- 33, n. 12, p. 1157-1165

(36) Engelse, W. A. H., Zeelenberg, C., (1979) “A Single Scan Algorithm for QRS Detection and Feature Extraction”. Computers in Cardiology, p. 37-42

(37) Pan, J., Tompins, W. J., (1985), “A real-time QRS detection algorithm”. IEEE

Transactions on Biomedical Engineering, v. BME-32, n.3, p. 230-236

(38) Schlindwein, F. S., Yi, A. C., Edwards, T., Bien, I. C. H, (2006) “Optimal frequency and bandwidth for FIR bandpass filter for QRS detection”. Advances in Medical,

Signal and Information Processing, MEDSIP 2006, p. 1-4

(39) Medeiros, J. P. V.; Cortez, P. C.; Oliveira, F. I.; Siqueira, R. S. (2007). A new approach to QRS segmentation based on wavelet bases and adaptive threshold technique, Medical Engineering and Physics 29: 26-27

(40) Benitez, D. S.; Gaydecki, P. A.; Zaidi, A.; Fitzpatrick A. P. “A New QRS Detection Algorithm Based on the Hilber Transform” Computers in Cardiologu 200, 37, 379-382 (41) Pan, J.; Tompkins, W.J.; “A Real-Time QRS Detection Algorithm” IEEE Transactions

on Biomedical Engineering, Vol 32 Numero 3, Março de 1985.

(42) Benitez, D.; Gaydecki, P.A.; Zaidi, A.; Fitzpatrick, A. P.; “The use of the Hilbert transform in ECG signal analysis” Computers in Biology and Medicine 31, 2001, 399- 406.