Processamento do sinal de eletrocardiograma para classificação de cardiopatias utilizando rede neural

De acordo com informações disponibilizadas pelo Portal da transparência brasileiro, no Brasil, houve um aumento de pelo menos 50% em óbitos causados por cardiopatias não diagnosticadas, desde o início da pandemia de COVID-19 no ano de 2020. Um dos principais fatores para que isso ocorra é a baixa procura por cardiologistas, dificultando assim o diagnóstico de doenças cardíacas. Uma possível solução para esta problemática seria o uso da telemedicina, já que, o distanciamento social dificulta um diagnóstico presencial. Isto posto, o presente trabalho se propõe a realizar o processamento dos dados, adquiridos no Eletrocardiograma, por meio de uma rede neural capaz de identificar cardiopatias de forma prática, cômoda e segura. Foi desenvolvido uma Rede Neural Artificial Convolucional de uma dimensão, que permite identificar anormalidades, doenças cardíacas, no sinal do Eletrocardiograma. A Rede Neural Artificial foi implementada em linguagem Python, utilizando a plataforma Google Colaboraty. A rede foi treinada com dados da PhysioNet, e testada com dados colhidos. A Rede Neural Artificial apresentou uma excelente acurácia de forma a atingir os resultados esperados.