Automated ECG classification using Deep Neural Networks to predict arrhythmia recurrence in patients with atrial fibrillation

Nesta tese é feito um resumo teórico focado no coração e na sua eletrofisiologia, nomeadamente na onda P do eletrocardiograma de superfície, seguido de um estudo prospetivo acerca da possibilidade do uso de redes neuronais em R na previsão de recorrência em pacientes com fibrilhação auricular sujeitos a uma ou mais ablações. A previsão é baseada quer em parâmetros eletrocardiográficos, principalmente da onda P como validação de conceito, quer em valores clínicos como o sexo e a idade. Os canais II, V1 e aVF do ECG, canais onde a onda P é mais acentuada, foram usados na extração dos primeiros parâmetros, inseridos posteriormente na rede neuronal. O modelo desenvolvido utiliza pacientes com arritmia e tem o potencial de identificar recorrência, ainda que o número de casos utilizados para treino e teste da rede neuronal seja reduzido. Este método não é ainda utilizado na prática clínica.

Com o aumento da base de dados utilizada nas fases de treino e teste, é possível aumentar a eficácia do modelo.