Título: Análise de classificadores otimizando hiperparâmetros e reduzindo a dimensionalidade aplicados na detecção de apneia do sono
Autores: Lucas de Souza Rodrigues, Leandro dos Santos Coelho, Viviana Cocco Mariani
Resumo: A apneia do sono e um distúrbio do sono caracterizado por episodios de dificuldade ou obstrução da respiração durante o sono. Cerca de 4% dos homens adultos e 2% das mulheres adultas no mundo sofrem com este tipo de disturbio, podendo afetar populaçoes mais jovens, totalizando cerca de 200 milhoes de pessoas. Diversos trabalhos tem focado em criar formas automaticas para detecção da apneia do sono, destacandose o uso de aprendizado de máquinas e o eletrocardiograma (ECG). Estes trabalhos visam utilizar um tipo específico de modelo e configurando seus hiperparametros empiricamente na maioria das vezes. Neste aspecto, este artigo visa o projeto de um ambiente computacional que possibilite o desenvolvimento, comparação, otimização de hiperpar ametros e explicabilidade de diferentes abordagens de classificação de aprendizado de maquina. A base pública da PhysioNet de ECGs com apneia do sono foi utilizada neste artigo para construção de um total de 11 modelos. Optuna foi empregado para busca de hiperparametros ideais e uma análise dos valores SHAP para explicabilidade. O melhor modelo encontrado obteve um resultado de 77,23% de acuracidade, 81,02% de sensibilidade e 82,65% de precisão. O ambiente computacional mostrou-se eficaz e possível de se utilizar em mais modelos.
Palavras-chave: apneia do sono, eletrocardiograma, classificação, aprendizado de maquina, otimização de hiperparâmetro, explicabilidade
Páginas: 8
Código DOI: 10.21528/CBIC2023-075
Artigo em pdf: CBIC_2023_paper075.pdf
Arquivo BibTeX: CBIC_2023_075.bib