Several authors use the R-R interval, which is the temporal difference between the largest waves (R waves) of the electrocardiogram (ECG), to propose a support system for the diagnosis of arrhythmias. However, R-R interval analysis does not measure ECG waveform deformations such as P wave deformations for atrial fibrillation. In this study, we propose an arbitrary analysis the any segment of the heartbeat. This analysis is a generalization of a previous work that measures the wave deformations of the ECG signal. We proposed to investigate the voltage (mV) variation occurring at each heartbeat interval using statistical moments. Unlike the R-R interval in which each heartbeat is associated with a single real number, the proposed method associates each heartbeat to a set of points, that is, a vector. The heartbeats were obtained in the following databases: MIT-BIH Normal Sinus Rhythm, MIT-BIH Atrial Fibrillation (AF), and MIT-BIH Arrhythmia; and the classifiers used to evaluate the proposed method were linear discriminant analysis, k-nearest neighbors, and support vector machine. The experiments were conducted using 80% of the patients for training (16 healthy patients, 41 patients with arrhythmia, and 20 patients with AF) and 20% of the patients for testing (2 healthy patients, 6 patients with arrhythmia, and 3 patients with AF). The proposed method proved to be efficient in solving global (accuracy is up to 99.78% in the arrhythmia classification) and local (accuracy of 100% in the AF classification) heartbeat problems. The results obtained by the proposed method can be used to support decision-making in clinical practices.

In this paper, a bioinspired method in the magnetic field memory of the bees, applied in a rover of precision pollination, is presented. The method calculates sharpness features by entropy and variance of the Laplacian of images segmented by color in the HSV system in real-time. A complementary positioning method based on area feature extraction between active markers was developed, analyzing color characteristics, noise, and vibrations of the probe in time and frequency, through the lateral image of the probe. From the observed results, it can be seen that the unsupervised method does not require previous calibration of target dimensions, histogram, and distances involved in positioning. The algorithm showed less sensitivity in the extraction of sharpness characteristics regarding the number of edges and greater sensitivity to the gradient, allowing unforeseen operation scenarios, even in small sharpness variations, and robust response to variance local, temporal, and geophysical of the magnetic declination, not needing luminosity after scanning, with the two freedom of degrees of the rotation.

Na busca por diagnósticos cada vez mais precisos de doenças cardíacas, métodos computacionais são utilizados para auxiliar especialistas na tomada de decisões. Nesse contexto, é necessário desenvolver métodos que que façam a classificação precisa de uma mesma doença cardíaca, como a fibrilação atrial (FA). Este estudo propõe um novo método de extração de características classificando os sinais de eletrocardiograma (ECG) para distinguir entre ritmo sinusal normal e FA, utilizando técnicas de modulação de frequência e amplitude, estatísticas dos ciclos cardíacos e algoritmos de aprendizado de máquina. Utilizaram-se duas bases de dados, pré-processando o sinal de ECG com o algoritmo de Pan e Tompkins, filtros e remoções de ruídos e sinal normalizado. Na extração de características realizou-se modulação de frequência, modulação de amplitude e cálculo dos parâmetros estatísticos (média, variância, assimetria e curtose) de cada ciclo cardíaco. Na classificação dos sinais utilizou-se os algoritmos de discriminação linear com região de aceitação adaptativa e Rede Neural Perceptron Multicamadas, definindo-se as regiões de aceitação. Para avaliar o desempenho do método utilizou-se métricas de Sensibilidade, Especificidade e Acurácia aplicando a técnica de validação cruzada k-fold, para evitar overfitting e garantir a generalização dos modelos. O método proposto permitiu uma separação com precisão média de 100% para a classe de FA. Os resultados obtidos neste estudo podem ser utilizados para auxiliar o diagnóstico e o acompanhamento de doenças cardíacas.

Organizado por: Prof.° Dr. Adriano Mesquita Soares ISBN 978-65-5379-000-1 DOI: 10.47573/aya.5379.2.55 N° páginas: 391 Formato: Livro Digital (PDF)

Esse artigo buscou demonstrar o funcionamento e a importância de filtros de áudio RC, trazendo os principais pontos de interesse dentro dessa temática e analisando sua aplicação prática em dispositivos sonoros. A metodologia empregada fundamenta-se em uma revisão bibliográfica e análise teórica dos circuitos RC (Resistor-Capacitor), detalhando os princípios físicos de reatância capacitiva e sua interação com a resistência para atenuar ou permitir a passagem de faixas específicas de frequência. Foram explorados os funcionamentos dos filtros passa-baixa (LPF) e passa-alta (HPF) como fundamentos do processamento de sinais analógicos. Os principais resultados foram satisfatórios, demonstrando que a correta implementação desses filtros é de suma importância para a qualidade sonora em dispositivos de saída de áudio, como fones de ouvido e alto-falantes. A análise evidenciou sua capacidade de eliminar ruídos indesejados (como chiados de alta frequência ou zumbidos de baixa frequência) e de moldar a resposta tonal do áudio. Conclui-se que os filtros RC, apesar de simples, são componentes cruciais na engenharia de áudio, impactando diretamente a fidelidade e a clareza da experiência auditiva do usuário final.