REDE NEURAL ARTIFICIAL PARA DETECÇÃO DE PADRÃO DE ESTADO DE ELETROFIOSIOLOGIA DO CORAÇÃO USANDO SINAL DE ECG.

Os casos de problemas cardíacos estão entre as principais queixas de buscas aos centros de saúde(FRIED,1993), assim o desenvolvimento de um sistema baseado em IA que consiga auxiliar os profissionais é de extrema valia. Somente 61% dos estudantes do último ano de medicina reconheceram o diagnóstico eletrocardiográfico de um IAMCSST da parede inferior (Little et al, 2001). Logo, a execução de um projeto que proporcione a integração da medicina e métodos computacionais, com a expectativa de servir como suporte para a tomada de decisão médica é de grande valia. Objetivo: Utilizar a ferramenta das redes neurais artificial para desenvolver um programa de detecção do padrão de gráfico por meio de sinais de eletrocardiograma. Metodologia: Inicialmente, será realizada uma análise da eletrofisiologia do coração para compreender os sinais de ECG utilizados no treinamento da rede neural. Isso incluirá o estudo do sistema de condução elétrica cardíaco, potenciais de ação e características como ciclo cardíaco, intervalos PR e QT, e ondas P, QRS e T. Os dados para o treinamento do modelo serão extraídos da plataforma PhysioNet, garantindo qualidade e confiabilidade. O desenvolvimento ocorrerá no Google Colaboratory, utilizando TensorFlow ou PyTorch para a implementação da rede neural. O treinamento será supervisionado, dividindo os dados em conjuntos de treinamento, validação e teste para evitar overfitting. Durante essa fase, o modelo aprenderá a identificar anomalias e padrões cardíacos a partir das características extraídas dos sinais de ECG. A avaliação do modelo será feita por meio de métricas como acurácia, precisão, sensibilidade, especificidade e AUC-ROC. Caso necessário, serão feitos ajustes para otimizar sua performance. O objetivo final é desenvolver um modelo eficiente para classificar exames patológicos e não patológicos, contribuindo para o suporte ao diagnóstico e monitoramento de doenças cardíacas