Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
FORTALEZA - CEARÁ
FEVEREIRO - 2007
c João Alexandre Lôbo Marques, 2007
João Alexandre Lôbo Marques
DISSERTAÇÃO
FORTALEZA - CEARÁ
2007
SISCTG - Um Sistema Inteligente para Classificação de
Sinais Cardiotocográficos para Auxı́lio ao Diagnóstico Médico
iii
Dedico este trabalho à minha esposa Sônia, por me fazer
feliz a cada dia,
à minha filha Melissa, por ter renovado minha fé na vida,
e ao meu pai Antônio Marques (in memorian),
pelo exemplo de amor.
iv
Sumário
Sumário v
Lista de Figuras ix
1 Introdução 1
1.1 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Organização desta Dissertação . . . . . . . . . . . . . . . . . . . . . . 5
2 Monitoramento Fetal 7
2.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2 Histórico do Monitoramento Fetal . . . . . . . . . . . . . . . . . . . . 8
2.3 Cardiotocografia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.4 Reconhecimento de Padrões da FCF . . . . . . . . . . . . . . . . . . 11
2.4.1 Linha de Base da Freqüência Cardı́aca Fetal . . . . . . . . . . 11
2.4.1.1 Taquicardia Fetal . . . . . . . . . . . . . . . . . . . . 12
2.4.1.2 Bradicardia Fetal . . . . . . . . . . . . . . . . . . . . 12
2.4.2 Variabilidade . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.4.3 Acelerações . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.4.4 Desacelerações . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4.4.1 Desacelerações precoces - DIP I . . . . . . . . . . . . 16
2.4.4.2 Desacelerações tardias - DIP II . . . . . . . . . . . . 16
2.4.4.3 Desacelerações Variáveis . . . . . . . . . . . . . . . . 17
2.4.4.4 Desacelerações Prolongadas . . . . . . . . . . . . . . 18
2.4.5 Padrões não usuais . . . . . . . . . . . . . . . . . . . . . . . . 18
2.5 Contrações Uterinas . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.5.1 Fisiologia das Contrações Uterinas . . . . . . . . . . . . . . . 19
2.5.2 Monitoramento das Contrações . . . . . . . . . . . . . . . . . 20
2.5.3 Quantificação das Contrações . . . . . . . . . . . . . . . . . . 21
v
2.5.4 Outros fatores que afetam as contrações uterinas . . . . . . . . 21
2.6 Critérios da FIGO . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.7 Cardiotocografia Computadorizada . . . . . . . . . . . . . . . . . . . 24
2.7.1 O Sistema Oxford System 8002 . . . . . . . . . . . . . . . . . 25
2.7.2 O Sistema CTGOnline . . . . . . . . . . . . . . . . . . . . . . 27
2.7.3 Comparações entre os sistemas . . . . . . . . . . . . . . . . . 30
2.8 Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3 Estado da Arte 31
3.1 Sistemas de Processamento Digital de Sinais . . . . . . . . . . . . . . 31
3.2 Sistemas utilizando Inteligência Computacional . . . . . . . . . . . . 33
3.3 Entropia Aproximada . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.4 O Algoritmo Dawes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.5 O Algoritmo DMW . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.6 Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4 Implementação do SISCTG 39
4.1 Sistema de Inferência Nebuloso . . . . . . . . . . . . . . . . . . . . . 39
4.1.1 Variáveis de Entrada e Saı́da . . . . . . . . . . . . . . . . . . . 40
4.1.2 Módulo Fuzzyficador . . . . . . . . . . . . . . . . . . . . . . . 42
4.1.3 Base de Regras de Inferência . . . . . . . . . . . . . . . . . . . 45
4.1.4 Máquina de Inferência . . . . . . . . . . . . . . . . . . . . . . 47
4.1.5 Módulo Desfuzzyficador . . . . . . . . . . . . . . . . . . . . . 49
4.2 O Sistema SISCTG . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.3 Ambiente da Pesquisa . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.4 Metodologia de validação com a Equipe Médica . . . . . . . . . . . . 54
4.5 Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
5 Resultados 56
5.1 Avaliação Visual de Cardiotocografias . . . . . . . . . . . . . . . . . . 56
5.1.1 Análise Qualitativa de CTGs . . . . . . . . . . . . . . . . . . 57
5.1.2 Diagnóstico Visual de CTGs . . . . . . . . . . . . . . . . . . . 59
5.2 Resultados do SISCTG . . . . . . . . . . . . . . . . . . . . . . . . . . 62
5.2.1 Base de Dados da MEAC . . . . . . . . . . . . . . . . . . . . 63
5.2.2 Base de Dados da Trium . . . . . . . . . . . . . . . . . . . . . 63
5.3 Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
vi
Referências Bibliográficas 71
Bibliografia 71
A O Projeto SISCTG 78
A.1 Histórico do Projeto . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
A.2 A parceria Brasil-Alemanha . . . . . . . . . . . . . . . . . . . . . . . 81
A.3 Implantação do CTGOnline na MEAC . . . . . . . . . . . . . . . . . 82
vii
Lista de Tabelas
viii
Lista de Figuras
ix
B.4 Conjuntos nebulosos representados por funções de pertinência trape-
zoidais. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
B.5 Conjuntos nebulosos representados por funções de pertinência gaussianas. 92
B.6 Variável de Entrada A, com valores definidos no intervalo de 0 a 100 . 94
B.7 Variável de Entrada B, com valores definidos no intervalo de 0 a 200 . 94
B.8 Variável de Saı́da C, com valores definidos no intervalo de 0 a 50 . . . 95
B.9 Aplicação do modelo de Mamdani a um conjunto de regras de inferência. 97
x
Resumo
A análise acurada da freqüência cardı́aca fetal (FCF ou FHR - Fetal Heart Rate)
desacelerações, sendo estas classificadas por seu tipo e pelo número de ocorrências.
o Fuzzy Toolbox do programa Matlab. O projeto também conta com uma parceria
multi-institucional entre o Brasil e a Alemanha, envolvendo a Universidade Federal
Online GmbH. Os resultados obtidos pelo SISCTG são bastante promissores, classifi-
vez que CTGs são exames de baixa especificidade, tendo como interesse maior encon-
The accurate analysis of the fetal heart rate (FHR) and its correlation with uter-
ine contractions (UC) allows the diagnostic and the anticipation of many problems
related to fetal distress and the preservation of his life. This dissertation presents
the results of an hibrid system based on a set of deterministic rules and fuzzy infer-
ence system developed to analyze FHR and UC signals collected by cardiotocography
(CTG) exams. The studied variables are basal FHR, short and long term FHR vari-
ability, transitory accelerations and decelerations, these lasts classified by their type
and number of ocurrencies. The system output is a first level diagnostics based on
those input variables. The SISCTG system is developed using the Matlab version
7 script language. Tests and modeling issues used the Matlab Fuzzy Toolbox. The
project also supports a multi-institutional agreement between Brazil and Germany,
among the DETI - Departamento de Engenharia de Teleinformática of the UFC - Uni-
versidade Federal do Ceará, the MEAC - Maternidade-Escola Assis Chateaubriand ),
the TUM - Technische Universität München, the Bundeswehr Universität München
and the Trium Analysis Online GmbH. The SISCTG results are very promising, cor-
rrectly classifying all normal exams. This is the expected behavior, once CTG exams
are classified as of low specificity, with the most interest focused in finding pathologies
aspects, but not precisely identifying them. These results allow the projection of im-
provements to the proposed system, inserting new input variables, for example. The
system validation methodology was based on the knowledge of Brazilian and German
obstetricians.
Agradecimentos
Introdução
A Medicina Fetal é uma área recente da Obstetrı́cia, que visa monitorar e determi-
nar ações para proporcionar o bem-estar do feto. Até pouco tempo atrás, as equipes
médicas não possuı́am equipamentos que as ajudassem a obter informações úteis e
precisas sobre o estado do feto. Hoje em dia, equipamentos de alta tecnologia per-
mitem o acesso a estas informações.
Uma das principais formas utilizadas pela Medicina Fetal consiste na aplicação de
exames visuais, através dos equipamentos baseados em ultra-som. Usam-se, também,
outros sistemas com sensores baseados na tecnologia Doppler e tocográficos, sendo
os primeiros para o monitoramento dos batimentos cardı́acos fetais e os outros para
realizar um mapeamento das contrações uterinas maternas. Estes sensores permitem
que seja realizado um acompanhamento contı́nuo dos sinais fetais e maternos, uma vez
que a correlação entre as duas medições permite que sejam feitas análises do estado
fetal. Este tipo de acompanhamento torna possı́vel determinar um grande conjunto
de caracterı́sticas fisiológicas e mesmo de patologias ou alterações na saúde do feto
examinado [19].
O acompanhamento contı́nuo do sinal de freqüência cardı́aca fetal (FCF) (Fe-
tal Heart Rate, FHR) concorrentemente às contrações uterinas maternas (Uterine
Contractions, UC) é possibilitado através do exame denominado cardiotocografia ou
CTG que é realizado com o uso do equipamento conhecido como cardiotocógrafo.
1
Capı́tulo 1: Introdução 2
1.1 Objetivos
Dentro do contexto apresentado, este trabalho tem por objetivo a modelagem e o
desenvolvimento do SISCTG, um sistema computacional inteligente baseado em lógica
nebulosa (fuzzy) e em um conjunto determinı́stico de regras, para análise e auxı́lio ao
diagnóstico médico de exames cardiotocográficos.
Monitoramento Fetal
2.1 Introdução
Com o objetivo de prever o sofrimento fetal e evitar sua morte ou mesmo o aparec-
imento de seqüelas após o nascimento, diversos esforços estão sendo realizados para
o desenvolvimento de técnicas e equipamentos que realizem o monitoramento do feto
com a maior precisão e o menor risco possı́veis.
Atualmente, diversos nı́veis de monitoramento são utilizados, podendo ser classi-
ficados, dentre vários tipos de classificação existentes, pela época gestacional em que
são realizados. Monitoramento antepartum é o monitoramento realizado durante a
gravidez, capaz de detectar diversas alterações no feto, levando a importantes tomadas
de decisão sobre a gestação; e o monitoramento intrapartum que é realizado durante
o trabalho de parto, uma fase em que diversas complicações podem ser evitadas, caso
haja um monitoramento eficiente [14].
Técnicas invasivas e não invasivas são utilizadas no monitoramento fetal. As
primeiras necessitam do contato direto com o feto, enquanto as últimas são realizadas
externamente, sendo elas as que oferecem menor risco de aborto ou de infecções tanto
materna quanto fetal.
A freqüência cardı́aca fetal é um importante sinal a ser analisado para a deter-
minação do bem-estar de um feto, podendo ser realizado de maneira não invasiva,
7
Capı́tulo 2: Monitoramento Fetal 8
2.3 Cardiotocografia
Conforme já apresentado anteriormente, a cardiotocografia é um exame de monitora-
mento contı́nuo da FCF (representado no termo pelo radical cardio) e das contrações
uterinas maternas (representado no termo pelo radical toco). Concomitantemente,
também podem ser registrados manualmente os movimentos fetais, com o uso de
Capı́tulo 2: Monitoramento Fetal 10
• variabilidade;
• presença de acelerações;
• padrões não-usuais.
Isto pode ser erroneamente confundida com uma linha de base abaixo do normal,
levando a classificar de forma errada o estado do feto.
Na Figura 2.2 estão representadas algumas das principais informações que devem
ser analisadas em uma curva de FCF. A linha pontilhada em azul representa a linha
de base da FCF, calculada de acordo com os critérios definidos pela FIGO. As outras
informações são explicadas no decorrer desta seção.
De acordo com o estabelecido pela FIGO, a taquicardia fetal é definida como a ocor-
rência de uma linha de base superior a 150 bpm. Dada sua natureza, normalmente
está vinculada a uma diminuição na variabilidade da FCF.
A ocorrência de taquicardia pode estar ligada a diversos fatores externos que
devem ser levados em consideração quando da realização do exame, tais como hipóxia
fetal, febre materna, anemia fetal, ingestão de determinados tipos de medicamentos
e hipertireoidismo materno, dentre outros.
A bradicardia fetal é determinada quando a FCF é inferior a 110 bpm, de acordo com o
estabelecido pela FIGO (Freeman estabelece um valor de 120 bpm [14]). A ocorrência
Capı́tulo 2: Monitoramento Fetal 13
2.4.2 Variabilidade
Para a determinação do estado fetal imediato, a caracterı́stica mais importante da
FCF é sua variabilidade. A presença de uma variabilidade normal é um reflexo de uma
modulação neurológica perfeita da FCF e de uma caracterı́stica de resposta normal
do coração.
Existem dois componentes a serem avaliados da variabilidade da FCF: variabili-
dade de curto prazo ou short-term variability - STV - e variabilidade de longo prazo
ou long-term variability - LTV.
A variabilidade de curto prazo caracteriza a irregularidade encontrada no intervalo
entre os batimentos cardı́acos, um a um (beat-to-beat). É medida em milisegundos e
é causada pela variação normal existente no ciclo cardı́aco. É uma consequência do
processo constante de “empurra-e-puxa” dos sistemas nervosos simpático e parassim-
pático.
A verificação da STV somente é possı́vel no exame de CTG computadorizada, não
sendo avaliada em exames visuais convencionais. É um fator importante na análise de
diversos aspectos do bem-estar fetal, como, por exemplo, a determinação da acidose
fetal [3].
Capı́tulo 2: Monitoramento Fetal 14
A variablidade de longo prazo representa a forma com que a onda da FCF está
variando na CTG, geralmente medida a uma freqüência de três a cinco ciclos por
minuto. É medida em batimentos por minuto.
À medida que a gestação prossegue e o sistema nervoso autônomo fetal amadurece,
a linha da base da FCF diminui e tanto a STV quanto a LTV elevam seus valores.
Isto é um reflexo do aumento no controle dos reflexos do coração.
Normalmente, valores muito altos de variabilidade podem indicar uma hipóxia
fetal, que é a falta de oxigenação fetal, moderada, podendo resultar em um estado
de acidose, isto é, de diminuição do pH sanguı́neo do feto. No entanto, quando se
encontra uma FCF normal ou elevada, o pH fetal é comumente encontrado em nı́veis
normais.
Uma baixa variabilidade da FCF geralmente é vista como algo vinculado à de-
pressão do sistema nervoso central - SNC. Entretanto, existem diversas outras causas
para uma possı́vel redução da STV e da LTV, tais como: ingestão de medicamentos,
a ocorrência de taquicardia, anomalias congênitas, dentre outras.
A Figura 2.2 apresenta graficamente uma interpretação de variabilidade de longo
prazo expressa pelo intervalo de variação da FCF em relação ao eixo vertical do
gráfico.
Alterações periódicas na FCF são modificações temporárias de seu nı́vel, retor-
nando para a linha de base previamente estabelecida ou para uma novo valor basal,
podendo estar vinculadas a diversos fatores como o movimento fetal, as contrações
uterinas e a existência de patologias fetais. Estas alterações são as desacelerações e
as acelerações.
2.4.3 Acelerações
Acelerações da FCF normalmente ocorrem na época denominada antepartum, no
inı́cio do trabalho de parto ou ainda associadas a alguns tipos de desacelerações.
Existem dois mecanismos fisiológicos responsáveis pelas acelerações. O primeiro
trabalha com as acelerações resultantes da movimentação fetal ou pelas contrações
Capı́tulo 2: Monitoramento Fetal 15
2.4.4 Desacelerações
Os outros tipos de alterações periódicas da FCF, muito importantes para a determi-
nação de sofrimento fetal ou mesmo de patologias congênitas, são as desacelerações.
A Figura 2.3 apresenta um exemplo de desaceleração detectada em um exame de
CTG.
Desacelerações classificadas como precoces possuem uma forma bem definida, tanto
de descenso quanto na atividade de retorno à linha de base da FCF. Iniciam-se logo
no inı́cio de uma contração uterina e seu menor valor coincide temporalmente com o
valor de pico da contração. Normalmente não existe nenhuma aceleração transitória
imediatamente antes nem imediatamente depois de uma desaceleração precoce.
Uma importante caracterı́stica do tipo de desaceleração descrita é sua amplitude
mı́nima que, apesar de depender da intensidade da contração uterina, normalmente
não cai para valores de FCF menores que 100 a 110 bpm ou mesmo não desacelera
mais que 20 a 30 bpm em relação à linha de base da FCF. Este tipo de alteração
é classificada como fisiológica e normalmente indica uma compressão no crânio fetal
quando da ocorrência de uma contração uterina. A alteração no fluxo sanguı́neo
cerebral causa a imediata redução na FCF. Sua ocorrência é mais comum já em
trabalho de parto e não indica estado patológico do feto.
raramente cai para menos que 30 a 40 bpm em relação à linha de base, ficando esta
queda usualmente situada no intervalo de 10 a 20 bpm.
Desacelerações tardias, quando não conseguem ser corrigidas, são significantes e
preocupantes quanto ao bem-estar fetal. A maioria de suas ocorrências estão vin-
culadas à hipóxia fetal resultantes de troca inadequada de oxigênio com a placenta,
causada pela contração uterina. A localização do cordão umbilical e sua tensão podem
causar este estado.
2. ocorre um rápido retorno para a linha de base da FCF após o valor mı́nimo ser
atingido;
3. existe a presença de um valor médio da STV (não ocorre aumento nem redução
acentuados);
Quando não seguem estas caracterı́sticas, isto é, longas desacelerações, redução
ou aumento acentuados da STV, dentre outras, as desacelerações variáveis podem ser
classificadas como patológicas.
Capı́tulo 2: Monitoramento Fetal 18
Desacelerações prolongadas são as que duram mais que dois minutos. São padrões
difı́ceis de serem classificados em termos de fisiopatologia porque devem ser analisa-
dos em um amplo conjunto de possibilidades. Dentre as diversas causas, podem ser
citadas a compressão do cordão umbilical, insuficiência placentária, hipotensão cau-
sada pela posição supina ou ainda ser detectada após a aplicação de anestesia epidural
ou espinhal.
nas medições de suas contrações, com um valor base de 12 mmHg na fase próxima ao
final da gravidez. Valores acima de 20 mmHg são classificados como hipertônus.
As principais caracterı́sticas para a classificação de contrações uterinas são: fre-
qüência, duração, intensidade (amplitude), uniformidade e forma. Todas estas carac-
terı́sticas podem ser extraı́das eficientemente por meio de um monitoramento externo
do tônus uterino.
• a linha de base encontra-se nos intervalos de 100 a 110 bpm ou de 150 a 170
bpm;
Capı́tulo 2: Monitoramento Fetal 23
CTG, contrações uterinas e FCF, bem como sua correlação, podem ser interpretadas
de várias maneiras e estão sujeitas a erros. Com isto, o uso de sistemas de auxı́lio ao
diagnóstico computadorizados tem o objetivo de alcançar interpretações mais precisas
destas informações.
artefatos são detectados e considerados como perda do sinal, não sendo considerados
na análise do traçado. O trecho é demarcado na tela do computador, indicando o
perı́odo em que ocorre o erro, e a mensagem para verificar o sensor é apresentada.
O sistema apresenta asteriscos para alertar o examinador sobre qualquer desvio de
normalidade. Asteriscos duplos surgem nas situações listadas a seguir, e o parâmetro
anormal aparece em cor púrpura na tela.
As condições que produzem os duplos asteriscos são:
• FCF anormal, menor que 115 bpm ou maior que 160 bpm em traçados com
duração inferior a 30 minutos;
• variação de curto prazo com valor maior que 3 ms e menor que 4 ms;
• FCF basal fora dos limites normais (116 bpm a 160 bpm), em traçados com
duração superior a 30 minutos;
A maior restrição ao uso do sistema “System 8002” está no fato de que o algoritmo
desenvolvido por Dawes, no qual baseia seus critérios de funcionamento, apresenta
diversos problemas de falhas na detecção de variações bruscas e na recuperação de
sinais perdidos, o que é corretamente tratado no algoritmo adotado pelo sistema
“CTGOnLine” apresentado a seguir [7, 47].
Além disso, não segue os padrões definidos pela FIGO, mas sim os estabelecidos
pelo RCOG.
A Tabela 2.2 apresenta um resumo desta extensão, feita para adequação computa-
cional dos critérios da FIGO para o sistema CTGOnline.
Tabela 2.2: extensão dos critérios estabelecidos pela FIGO - Sistema CTGOnLine.
Capı́tulo 2: Monitoramento Fetal 30
2.8 Conclusão
O monitoramento contı́nuo da freqüência cardı́aca fetal e das contrações uterinas
permitem que sejam detectadas diversas alterações no estado fetal. O bem-estar fetal
é o que se busca com este monitoramento.
Dada a diversidade de padronizações existentes para o exame de cardiotocografia,
o uso de sistemas computadorizados torna-se uma alternativa viável tanto para au-
mentar a precisão quanto a confiabilidade na interpretação destes exames - são as
chamadas cardiotocografias computadorizadas.
Neste contexto é feito um levantamento bibliográfico sobre as pesquisas que es-
tão sendo realizadas na área em todo o mundo com destaque para as técnicas de
processamento digital de sinais e de inteligência computacional.
Capı́tulo 3
Estado da Arte
31
Capı́tulo 3: Estado da Arte 32
A partir de 1993, uma equipe de pesquisa polonesa, liderada por Jezewski pub-
lica uma seqüência de artigos sobre o desenvolvimento de um sistema para análise
computadorizada de cardiotocografias, criando um sistema denominado KOMPOR
SYSTEM [20]. O projeto pesquisou o interfaceamento de equipamentos de moni-
toramento fetais [21], a comunicação confiável em sistemas cardiotocográficos [27],
o desenvolvimento de técnicas ergonômicas de visualização [23], e ainda a interpre-
tação computadorizada do sinal utilizando um algoritmo próprio comparando-o com
outras técnicas desenvolvidas por grandes fabricantes mundiais [22]. O projeto partiu
desde o projeto de hardware até a interpretação por meio de programas; no entanto,
com o avanço de novas técnicas, sua implementação é inferior às técnicas disponı́veis
atualmente para análise de sinais cardiotocográficos.
Salamalekis et. al (2002), propõe a utilização de transformadas wavelets para
estimar a potência em diferentes intervalos de freqüência para diversos estados fetais
unida ao monitoramento contı́nuo da oximetria fetal, ou seja, do nı́vel de oxigênio no
sangue. Estas variáveis, submetidas a uma rede neural auto-organizável (SOM - Self-
organising Map Neural Network ), apresentam resultados promissores de classificação
da hipóxia fetal [45]. No entanto, a detecção da hipóxia fetal é apenas um dos diversos
aspectos que podem ser determinados com a análise de cardiotocografias, o que torna
o sistema muito superficial em relação ao interesse das equipes médicas envolvidas
neste tipo de trabalho.
Com outra abordagem, Noguchi et. al. apresentam uma seqüência de publicações
nas quais são feitas diversas análises no domı́nio da freqüência da FCF e de sua
variabilidade. O método da função integral aplicado à análise da variabilidade se
mostra uma técnica sensı́vel na detecção de alterações e de baixo custo computacional
[34]. Em seguida, o mesmo método é utilizado diretamente na FCF apresentando
bons resultados na detecção de alterações dos padrões da freqüência cardı́aca fetal,
realçando componentes de freqüência desta variável [35]. Comparando esta técnica
com outras abordagens, tais como a utilização de filtros LPF-Improved, o método
da função integral de Noguchi apresenta boa performance. A grande restrição desta
Capı́tulo 3: Estado da Arte 33
seguinte com o uso de uma rede MLP. Em ambos é alcançado um nı́vel satisfatório de
classificação, porém sem um detalhamento quantitativo dos resultados da pesquisa.
Na Itália, Signorini e Magenes em [32, 48, 31], traçam uma linha de pesquisa
aplicando tanto o uso de RNA - Redes Neurais Artificiais quanto de sistemas nebulosos
de inferência para a classificação de cardiotocografias.
No primeiro trabalho, a equipe baseia-se na classificação de cardiotocografias por
redes neurais não supervisionadas, conhecidas como Redes de Kohonen. Os resultados
obtidos são bastante promissores mesmo com a utilização de arquiteturas simples de
redes e com um número limitado de conjunto de treinamento. A intenção é, neste
caso, classificar o estado fetal como normal ou patológico.
No segundo trabalho considera-se a utilização de um sistema de classificação neb-
uloso tendo como variáveis de entrada um conjunto de dez parâmetros estatı́sticos,
temporais e do domı́nio da freqüência. A utilização deste grande número de variáveis
é problemático para uso no dia-a-dia de um ambiente médico por adicionar variáveis
e classificações que não possuem respaldo da comunidade médica internacional. O
foco deste trabalho é a detecção de apenas duas condições: retardamento de cresci-
mento intra-uterino, conhecida como IUGR (Intra Uterine Growth Retardation) e a
existência de diabete materna do tipo 1. O trabalho utiliza ainda dez diferentes clas-
sificadores nebulosos baseados tanto no modelo de Mamdani quanto no modelo de
Takagi-Sugeno.
No terceiro trabalho é utilizado um conjunto de soluções baseadas em redes neurais
e lógica nebulosa para a criação de um sistema de classificação mais robusto. Consiste
na união dos dois sistemas apresentados anteriormente e tem como objetivo principal
oferecer um sistema mais completo e com maior análise de requisitos para auxı́lio ao
diagnóstico médico.
Ainda nesta linha, Ulbricht [53] implementa um sistema de dois nı́veis de redes
neurais para classificação de patologias em cardiotocografias. O primeiro nı́vel tem
como entrada as informações diretas dos sinais FCF e UC, tendo uma camada de
Capı́tulo 3: Estado da Arte 35
saı́da que já faz um determinado tipo de classificação baseada nestes dois parâmet-
ros, como por exemplo a ocorrência de taquicardia ou de bradicardia. Em seguida,
estas informações obtidas na saı́da são submetidas a outra rede neural, que realiza
uma classificação baseada em diagnóstico, como por exemplo, feto em estado normal,
hipóxia fetal, necessidade de intervenção imediata, dentre outras.
As implementações de Ulbricht, Signorini e Magenes podem servir como possı́veis
trabalhos para aperfeiçoamento do SISCTG.
• Detecção de valores discrepantes dos valores que vem sendo apresentados pelo
sinal;
3.6 Conclusão
No intuito de utilizar sistemas automatizados para a análise de cardiotocografias,
diversas implementações e estudos vêm sendo realizados em universidades e empresas.
Este capı́tulo apresenta algumas dessas abordagens, dando maior ênfase para a área de
Inteligência Computacional Aplicada, destacando-se as técnicas que são empregadas.
O algoritmo DMW, utilizado pelo sistema CTGOnLine é bastante eficiente na
detecção e tratamento dos sinais monitorados, sendo adequado para utilização com-
binada com um sistema de auxı́lio ao diagnóstico baseado em inteligência computa-
cional, em especial na combinação de regras determinı́sticas com lógica nebulosa.
Capı́tulo 4
Implementação do SISCTG
39
Capı́tulo 4: Implementação do SISCTG 40
estado fetal. A esta variável são associados três nı́veis de conclusão, a saber, normal,
subnormal ou patológico, sendo definidos da seguinte forma:
Vale ressaltar que são utilizadas funções de pertinência gaussianas em todas as var-
iáveis nebulosas do sistema. Testes realizados com funções triangulares e trapezoidais
não apresentaram diferença nos resultados obtidos. Uma discussão mais detalhada
sobre os tipos de função de pertinência existentes pode ser encontrada no Apêndice
A.
Após a fuzzyficação das variáveis do problema, as operações fuzzy são realizadas
baseadas em um conjunto de regras previamente criadas, apresentadas a seguir.
as outras torna-se desnecessária. Por exemplo, caso a FCFB seja classificada como
“Bradicardia Acentuada”, esta informação, por si só, já permite determinar a saı́da
do sistema como “Patológico” (primeira regra da Tabela 4.3).
A aplicação das regras entre as cinco variáveis de entrada e a variável de saı́da é
feita através do uso deste conjunto de regras de inferência, seguindo uma abordagem
definida na máquina de inferência do sistema.
implementação. Este modelo define que para o caso do tratamento de várias variáveis
de entrada deve ser utilizado o conectivo “E”, que corresponde à operação matemática
interseção ou ∩.
Por exemplo, para o presente projeto, com as quatro variáveis de entrada sob
determinadas condições e uma conclusão de saı́da, tem-se:
• Sistema para identificação dos conversores RS-232 para Ethernet MOXA - serve
para identificar e configurar os dispositivos conversores existentes na rede.
4.5 Conclusão
A lógica nebulosa como uma generalização da lógica bivalente é uma importante e
poderosa ferramenta para o uso em sistemas computacionais das mais diversas áreas
de aplicação.
Os próximos Capı́tulos apresentam os resultados do SISCTG em duas pesquisas
realizadas, as conclusões obtidas e ainda algumas futuras implementações possı́veis
para o sistema.
Capı́tulo 4: Implementação do SISCTG 55
Resultados
56
Capı́tulo 5: Resultados 57
• 25% considera que esta correlação deve ser avaliada em terceiro lugar;
• 75% considera o valor mı́nimo atingido pela FCF como quarto parâmetro a ser
avaliado;
igual a três, o fato das contrações uterinas serem visualmente analizáveis e a con-
sideração de um padrão normal de variabilidade tem-se 100% de concordância dos
pesquisadores.
O número de contrações uterinas detectadas está diferente para cada pesquisador.
Quanto ao número de desacelerações, metade dos pesquisadores considera que exis-
tem três, sendo que um deles indica que as três são classificadas como DIP II e o
outro classifica apenas uma como DIP II e as outras duas como do tipo Variável.
Um especialista considera ter duas desacelerações, classificando ambas como do tipo
Variável. O quarto e último considera apenas uma desaceleração do tipo Variável.
A diferença na detecção das desacelerações e, consequentemente, em sua classi-
ficação, é o principal fator que implica em um diagnóstico final no qual 50% dos
especialistas classifica a CTG como “Normal”, enquanto a outra metade classifica
como “Subnormal” ou “Suspeita”.
Capı́tulo 5: Resultados 61
exames são selecionados com maior ênfase para os casos em que haviam alterações
significativas da FCF. Daı́ a existência de poucos exames classificados como normais.
Os resultados apresentados corroboram a necessidade do desenvolvimento de sis-
temas computacionais para auxı́lio ao diagnóstico médico para aumentar a precisão
na análise de cardiotocografias.
• o sistema classifica corretamente em 75% dos casos em que houve opção pela
classificação mais grave, o que é equivalente a 28,57% do total, ı́tens 5 e 6 da
Tabela 5.1.
Conclui-se que, para esta base de dados, o SISCTG classifica corretamente 85,71%
dos casos.
Para cada caso, é montada uma matriz de confusão do SISCTG com o intuito de
apresentar os percentuais relativos de acertos e erros do sistema. Na Tabela 5.2 estão
os percentuais obtidos com a classificação determinı́stica do especialista. Calculando-
se a média dos elementos da diagonal principal da matriz, encontra-se o percentual
de 87,3531%, que corresponde a um valor aproximado do total de acertos do sistema.
Classificado como:
Diagnóstico Normal (%) Subnormal (%) Patológico (%)
Normal 93,8775 6,1224 0
Subnormal 5,5555 83,3333 1,1111
Patológico 0 15,1515 84,8484
Tabela 5.2: matriz de confusão resultante da análise pelo SISCTG de 100 exames
classificados deterministicamente.
Classificado como:
Diagnóstico Normal (%) Subnormal (%) Patológico (%)
Normal 100 0 0
Subnormal 0 89,4736 10,5263
Patológico 0 11,4285 88,5714
Tabela 5.3: matriz de confusão resultante da análise pelo SISCTG de 100 exames
classificados com ponderações pelo especialista.
5.3 Conclusão
O sistema SISCTG apresenta promissores resultados na avaliação de CTGs computa-
dorizadas na MEAC, com resultados de 85,71% de classificações corretas em uma base
de dados e um valor máximo de 93% na classificação correta em outra base de dados.
Alguns aspectos de padronização do sistema ainda devem ser considerados para sua
adoção em nı́vel internacional, como módulo adicional ao software “CTGOnLine” da
empresa Trium, uma vez que o padrão seguido pela MEAC, e adotado pelo SISCTG,
difere em alguns aspectos em relação à padronização definida pela FIGO e adotada
pelo “CTGOnLine”.
Capı́tulo 5: Resultados 67
Conclusões, Contribuições e
Trabalhos Futuros
68
Capı́tulo 6: Conclusões, Contribuições e Trabalhos Futuros 69
[6] Cervo, Amado L.; Bervian, Pedro A. “Metodologia Cientı́fica”. 5. ed. São Paulo:
Pearson - Prentice Hall. 242 pp. 2004.
71
Referências Bibliográficas 72
[9] Daumer, M.; Falk, M. “On-line change point detection (for state space models)
using multi-process Kalman filters”. Linear Algebra and its Applications. pp 125-
135. Alemanha. 1998.
[10] Daumer, M.; Neiss A. “A new adaptive algorithm to detect shift, drifts and
outliers in biomedical time seires”. Mathematical Statistics with Applications
in Biometry. Ed. Kunert J., Trenkler, G. Josef Eul Verlag Lohmar - Colônia.
Alemanha. 2001.
[14] Freeman, Roger K.; Garite, Thomas J.; Nageotte Michael P. “Fetal Heart Rate
Monitoring”. 2. ed. Baltimore: Williams Wilkins. 1991. 230 p.
[16] Hackzell, John L. “Categorization of Fetal Heart Rate Patterns Using Neural
Networks”. IEEE Computers in Cardiology. University of Lindköping, Dept of
Medical Informatics. Suécia. 1994.
[20] Jezewski, J.; Wrobel, J. “Fetal Monitoring with Automated Analysis of Car-
diotocogram: The KOMPOR System”. Engineering in Medicine and Biology
Society. Proc. of the 15th Annual Int. Conf. of the IEEE. pp. 638-639. 1993.
[24] Kosko, B. “Fuzzy Thinking - The New Science of Fuzzy Logic”, Hyperion, Nova
York. EUA. 1993.
[25] Klir, Geroge J. Filger, Tina A. “Fuzzy Sets, Uncertainty and Information”, Pren-
tice Hall, New Jersey. pp. 1-64. Caps. 1-2. EUA. 1998.
[28] Marques, J. A. L. et. al. “Sistema de Inferência Fuzzy para Análise da Frequên-
cia Cardı́aca Fetal em Exames Cardiotocográficos”. X Congresso Brasileiro de
Informática em Saúde. pp. 1584-1589. Vol. 01. 2006.
[30] Morris, M. H. “Energy and Entropy. Evolution and the Modern Christian”.
Apologetics Press. EUA. 1967.
[31] Magenes, Giovanni; Signorini, Maria G.; Arduini, Domenico. “Detection of Nor-
mal and Pathological fetal states by means of Neural and Fuzzy Classifiers applied
to CTG parameters”. Engineering in Medicine and Biology. 21st Annual Conf.
and the 1999 Annual Fall Meeting of the Biomedical Engineering Soc. pp. 936.
Vol. 2. 1999.
[33] National Institute of Child Health and Human Development. “NICHD Guide”.
Disponı́vel em: <http://www.nichd.nih.gov>. Acesso em: 01 de novembro de
2006.
Referências Bibliográficas 75
[38] Pedrycz, W. “Fuzzy Sets Engineering”, CRC Press. pp. 1-72. Caps. 1-3. EUA.
1995.
[39] Pedrycz, W. “Fuzzy Control and Fuzzy Systems”, RSP. pp. 1-221. Caps. 1-7.
Inglaterra. 1996.
[41] Reis, M. A. M. et. al. “Fuzzy Expert System in the Prediction of Neonatal Ressus-
citation”. Brazilian Journal of Medical and Biological Research. pp. 755-764. Vol.
37. 2004.
[43] Romero, Oscar Fontenla; Betanzos, Amparo Alonso; Berdiñas, Bertha Guijarro.
“Adaptive Pattern Recognition in the Analisys of Cardiotocographic Records”.
IEEE Transactions on Neural Networks. Vol. 12. No. 5. Espanha. 2001.
[44] Royal College of Obstetricians and Gynaecologists. “The use of Electonic Fetal
Monitoring - The use and interpretation of cardiotocography in intrapartum fetal
suveillance”. Evidence-based Clinical Guideline Number 8. RCOG Press. 2001.
144 p.
[46] Sandri, S.; Correa, C. “Lógica Nebulosa”. V Escola de Redes Neurais - ITA. São
José dos Campos, SP. 1999.
[48] Signorini, Maria G.; Magines, et al. “Classification of Fetal Pathologies Through
Fuzzy Inference Systems Based on a Multiparametric Analysis of Fetal Heart
Rate”. IEEE Computers in Cardiology. pp. 435-438. 2000.
[54] Virant-Klun I.; Virant J. “Fuzzy logic alternative for analysis in the biomedical
sciences”, Department of Obstetrics and Gynaecology, University Medical Centre,
Slajmerjeva 3, Ljubljana, 1000, Slovenia. 1999. http://www.pubmed.gov;
[56] Zadeh, Lofti A.; Yager, Ronald R. “An Introduction to Fuzzy Logic Applications
in Intelligent Systems”, Kluwer Academic Publishers, London. Inglaterra. 1992.
[57] Zadeh, Lofti A. Professor Lofti Zadeh - Página oficial da Universidade de Berke-
ley. Disponı́vel em: <http://www.cs.berkeley.edu/ zadeh/>. Acesso em: 25 de
setembro de 2006.
[58] Zimmermann, H.-J. “Fuzzy Set Theory and its Applications”, Kluwer Academic
Publishers, London. Inglaterra. 1990.
Apêndice A
O Projeto SISCTG
78
Apêndice A: O Projeto SISCTG 79
6. testes e otimização.
7. validação.
• acesso remoto aos exames de qualquer parte da MEAC ou mesmo de fora dela.
A lógica nebulosa, também denominada fuzzy ou difusa, é uma ampliação dos con-
ceitos estabelecidos na Lógica Aristotélica ou lógica bivalente. Enquanto nesta última
são reconhecidos apenas dois valores para uma determinada classificação, ou seja, ver-
dadeiro ou falso, pertence ou não pertence, sim ou não, naquela é criada uma nova
noção conhecida como nı́vel de pertinência de uma determinada grandeza, fazendo
com que ela possa pertencer parcialmente a mais de uma classificação ou conjunto.
Lofti Zadeh [55], no ano de 1965, lançou as bases desta nova lógica, com uma abor-
dagem que visa aproximar-se da noção de classificação ou valoração que os seres
humanos utilizam em seu raciocı́nio.
83
Apêndice B: Introdução à Lógica Nebulosa 84
Uma declaração de que, sob seu ponto de vista, o pensamento humano é fuzzy
e não binário. Com isso, fica claro que a criação da lógica Aristotélica envolve não
somente aspectos matemáticos e lógicos, mas também históricos e filosóficos.
Apêndice B: Introdução à Lógica Nebulosa 85
Um aspecto importante que pode ser visto nesta classificação é que além da criação
dos diversos nı́veis, são criadas zonas de interseção nas classificações, criando uma
espécie de transição entre elas.
Uma representação gráfica destas classificações com suas respectivas interseções
pode ser vista na Figura B.2.
Cada classificação de fumante neste caso gera um conjunto denominado de con-
junto nebuloso. Conforme estabelecido anteriormente, os nı́veis são criados com zonas
de interseção com seus vizinhos imediatos, havendo momentos em que um valor pode
possuir duas classificações. Analisando-se ainda a Figura B.2, pode-se constatar que
uma pessoa que fuma dez cigarros por dia pode ser classificada como pertencente par-
cialmente ao grupo de fumantes classificados como de Médio Consumo, assim como
também parcialmente ao grupo de Alto Consumo.
Um segundo exemplo que pode melhorar a compreensão destes conceitos intro-
dutórios pode ser o da classificação de uma gestante como hipertensa. Neste caso,
para fazer uma análise bivalente ou tradicional, seria necessário determinar um valor
de referência de pressão arterial diastólica e sistólica, para que, partindo deste valor,
se pudesse classificar uma gestante como hipertensa ou não.
Apêndice B: Introdução à Lógica Nebulosa 88
Fazendo uma modelagem baseada na lógica nebulosa ou Fuzzy, podem ser traça-
dos nı́veis de hipertensão, criando-se também interseções entre os nı́veis classificados,
permitindo representar numericamente o sentimento lingüı́stico de expressões como
“Pressão alta”, “Pressão muito alta”, “Pressão muito baixa”, “pressão baixa”, etc, para
o nı́vel em que se encontra a paciente no momento da medição.
Com estes exemplos, pode-se compreender matematicamente um problema nebu-
loso através da análise da teoria de conjuntos nebulosos, apresentada a seguir.
A(X) = 1; se e somente se X ∈ A
A(X) = 0; se e somente se X ∈
/A
Isto quer dizer que este valor de temperatura carrega em si informações tanto como
uma baixa temperatura quanto como uma temperatura média. A pertinência indicará
o grau de compatibilidade do valor com cada um dos nı́veis. Neste exemplo, 14 graus
é mais compatı́vel com o conceito de temperatura baixa, com uma pertinência de
0,50, do que com o de temperatura normal, com uma pertinência de 0,25.
Apêndice B: Introdução à Lógica Nebulosa 91
União:
Interseção:
Deve-se perceber que, para o caso em que as funções de pertinência estão limitadas
aos valores {0,1}, os operadores adequam-se perfeitamente às operações realizadas
nos conjuntos CRISP, tornando mais claro o conceito de generalização apresentado
anteriormente.
Com um firme embasamento matemático, diversas aplicações utilizando a lógica
nebulosa surgem e tornam-se mais populares na medida em que sua aplicação é bem
sucedida. A seguir estão apresentadas diversas aplicações e suas principais caracterı́s-
ticas.
Variável de entrada A - Variável fuzzy com cinco conjuntos nebulosos, todos com
função de pertinência do tipo triangular, com os intervalos definidos de acordo com
a Figura B.6.
Variável de entrada B - Variável fuzzy com três conjuntos nebulosos, todos com
função de pertinência do tipo trapezoidal, com os intervalos definidos de acordo com
a Figura B.7.
Variável de saı́da C - Variável fuzzy com três conjuntos nebulosos, todos com
Apêndice B: Introdução à Lógica Nebulosa 95
área com a utilização de lógica nebulosa para análise de ultrasonografias com re-
curso de Dopplervelocimetria [17], como ferramenta para a prevenção da ressuscitação
neonatal [41] ou mesmo para análise de algumas variáveis de exames cardiotocográfi-
cos [42].
B.8 Conclusão
A lógica nebulosa como uma generalização da lógica bivalente torna-se uma impor-
tante e poderosa ferramenta para o uso em sistemas computacionais das mais diversas
áreas de aplicação.