Tratamento de ECG e Machine Learning com Pacientes ESTCAN/NOCAN

Este repositório contém o projeto de tratamento de sinais de ECG e aplicação de técnicas de aprendizado de máquina para análise de pacientes dos grupos ESTCAN e NOCAN. O trabalho foi desenvolvido no contexto da disciplina de Informática Médica na Universidade Federal de Santa Catarina (UFSC).

Objetivo

O objetivo deste projeto é realizar o tratamento de sinais de ECG e aplicar técnicas de machine learning para a classificação de pacientes, especialmente aqueles com condições como diabetes. O projeto envolve o pré-processamento de dados de ECG, extração de características e implementação de modelos de aprendizado de máquina para diagnóstico e análise clínica.

Alunos(as):

• João Lucas Pereira dos Santos de Paula - Me. Eng. Elétrica - Engenheiro Eletricista
• Débora Cristina Soares Bandeira - Me. Eng. Elétrica - Engenheira Eletricista

Conteúdo

O notebook aborda as seguintes etapas:

• Aquisição e tratamento de sinais de ECG: Importação e filtragem de sinais de ECG, removendo ruídos e preparando os dados para análise.
• Extração de características (features): Processamento de sinais para extrair informações relevantes, como variabilidade da frequência cardíaca e outras métricas úteis para análise.
• Classificação com Machine Learning: Aplicação de algoritmos de aprendizado de máquina para a classificação de pacientes, utilizando as características extraídas dos sinais de ECG.

Ferramenta utilizada:

• Google Colaboratory (Colab)

OBS: Ler o as descrições no "papper"(manual) que é o pdf, para saber mais informações relacionadas a isso.