Pombo, Nuno Gonçalo Coelho CostaGarcia, NunoBousson, KouamanaPinho, André Miguel da Silva2020-03-112020-03-112019-04-012019-01-25http://hdl.handle.net/10400.6/9998A dissertação incide na selecção de características, importância das mesmas num modelo de classificação e diferentes tipos de classificação para uma melhor detecção de apneia de sono, recorrendo apenas a um electrocardiograma (ECG) e comparando a precisão dos diferentes modelos. Recorrendo ao uso da base de dados Physionet Apnea-ECG, um filtro Savitsky Golay (sgolay) foi aplicado aos registos para limpar o sinal e depois obter o complexo QRS de forma a obter o Heart Rate Variability (HRV) e o ECG-Derived Respi¬ration (EDR). As características extraídas destes dois métodos foram usadas para treino, teste e validação dos classificadores. As características obtidas foram analisadas por forma a se selecionar as mais relevantes no contexto da detecção de apnea. Os conjuntos de treino e teste foram obtidos dividindo aleatoriamente os dados até uma boa performance ser atingida usando o k-fold cross-validation (k=IO). De acordo com os resultados obtidos, a melhor precisão foi de 82.12%, com uma sensibilidade e uma especificidade de 88.41% e 72.29%, respectivamente. Estes resultados preliminares podem levar a estudos complementares para implementação numa aplicação realporApneia de SonoEcg-Derived RespirationElectrocardiogramaHeart Rate VariabilityLinear Discriminant AnalysisPartial Least Squares RegressionRede NeuronalSupport Vector Machinemaster thesis202365263