Título: Abordagem de Atenção Local em Rede Neural Convolucional para Classificação de Arritmias Cardíacas
Autores: Daniel Dantas do Amaral Ramos, Adriana Rosa Garcez Castro & Italo Flexa Di Paolo
Resumo: Este trabalho propõe uma arquitetura baseada em Rede Neural Convolucional (CNN) com mecanismo de atenção local para a classificação automática de arritmias cardíacas, utilizando sinais de ECG transformados em imagens por meio da técnica Gramian Angular Field (GAF). O estudo investiga como diferentes funções de ativação (tangente hiperbólica e sigmoide) e tipos de kernel (fixo e adaptativo) podem impactar o desempenho do módulo de atenção da arquitetura proposta. Os experimentos foram conduzidos com a base de dados pública MIT-BIH para abordagem interpaciente, considerando as classes N (Normal) , S (Supraventricular) e V (Ventricular). Após os diversos experimentos, a melhor configuração encontrada para o módulo de atenção, com tangente hiperbólica e kernel adaptativo, obteve F1-score de 0,7678, superando os demais cenários testados. Os resultados confirmam a relevância das escolhas arquiteturais internas do mecanismo de atenção para o aprimoramento de classificadores de arritmia baseados em aprendizado profundo.
Palavras-chave: Electrocardiogram; Activation function; Kernel; Convolutional Neural Network; Attention Mechanism; Cardiac Arrhythmia.
Páginas: 8
Código DOI: 10.21528/CBIC2025-1175309
Artigo em PDF: CBIC_2025_paper1175309.pdf
Arquivo BibTeX:
CBIC_2025_1175309.bib