Detecção de Anomalias em Frequências Cardíacas Utilizando Autocodificadores para Identificação Precoce de COVID-19
Resumo
O vírus SARS-CoV-2 que causa a doença do coronavírus já está há mais de dois anos sendo transmitido pelo mundo, além de suas muitas mutações. Dentre as diversas maneiras de testar se uma pessoa está infectada, a detecção de anomalias em sinais vitais coletados por dispositivos vestíveis são investigados como uma alternativa para identificar COVID-19 em sua fase pré-sintomática. Alguns estudos demonstram diferentes técnicas empregadas para detectar tais anomalias, apesar de haver dados limitados sobre o problema. Neste trabalho, nós utilizamos Autocodificadores com camadas de convolução em dados de frequência cardíaca de pessoas infectadas pelo coronavírus a fim de identificar anomalias antes do início dos sintomas. Foi utilizada uma base de dados pública com dados de 25 pessoas infectadas com o vírus.
Referências
Bogu, G. K. and Snyder, M. P. (2021). Deep learning-based detection of covid-19 using wearables data. medRxiv.
Dunn, J., Kidzinski, L., Runge, R., Witt, D., Hicks, J. L., Rose, S.-F., Miryam, S., Li, X., Bahmani, A., Delp, S. L., Hastie, T., and Snyder, M. P. (2021). Wearable sensors enable personalized predictions of clinical laboratory measurements. Nature Medicine.
Gopali, S., Abri, F., Siami-Namini, S., and Namin, A. S. (2021). A comparative study of detecting anomalies in time series data using LSTM and TCN models. CoRR, abs/2112.09293.
Mishra, T., Wang, M., Metwally, A. A., Bogu, G. K., Brooks, A. W., Bahmani, A., Alavi, A., Celli, A., Higgs, E., Dagan-Rosenfeld, O., Fay, B., Kirkpatrick, S., Kellogg, R., Gibson, M., Wang, T., Hunting, E. M., Mamic, P., Ganz, A. B., Rolnik, B., Li, X., and Snyder, M. P. (2020). Pre-symptomatic detection of covid-19 from smartwatch data. Nature Biomedical Engineering.