Jo A o Alexandre L o Bo Marques

UNIVERSIDADE FEDERAL DO CEARÁ
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE

TELEINFORMÁTICA
João Alexandre Lôbo Marques
SISCTG - UM SISTEMA INTELIGENTE PARA

CLASSIFICAÇÃO DE SINAIS CARDIOTOCOGRÁFICOS
PARA AUXÍLIO AO DIAGNÓSTICO MÉDICO
FORTALEZA - CEARÁ
FEVEREIRO - 2007

c João Alexandre Lôbo Marques, 2007
SISCTG - UM SISTEMA INTELIGENTE PARA

CLASSIFICAÇÃO DE SINAIS CARDIOTOCOGRÁFICOS
PARA AUXÍLIO AO DIAGNÓSTICO MÉDICO
DISSERTAÇÃO
Dissertação submetida ao corpo docente da Coordenação do Pro-

grama de Pós-Graduação em Engenharia de Teleinformática da
Universidade Federal do Ceará como parte dos requisitos necessários
para obtenção do grau de MESTRE EM ENGENHARIA DE TELEIN-
FORMÁTICA.
Área de concentração: Sinais e Sistemas
Paulo César Cortez

(Orientador)
FORTALEZA - CEARÁ
2007
SISCTG - Um Sistema Inteligente para Classificação de
Sinais Cardiotocográficos para Auxı́lio ao Diagnóstico Médico
Dissertação de Mestre em Engenharia de Teleinformática aprovada em 26/02/2007.
Paulo César Cortez

(Orientador)
Dr. Guilherme de Alencar Barreto
Dr. Rubens Viana Ramos
Dr. Leonardo Vidal Batista
Dr. Francisco Edson de Lucena Feitosa
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 Tabelas vii
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
6 Conclusões, Contribuições e Trabalhos Futuros 68

6.1 Contribuições do SISCTG . . . . . . . . . . . . . . . . . . . . . . . . 68
6.2 Trabalhos Futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
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
B Introdução à Lógica Nebulosa 83

B.1 Pensamento Nebuloso . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
B.1.1 Imprecisão x Incerteza . . . . . . . . . . . . . . . . . . . . . . 85
B.2 Caracterização de um Problema Nebuloso . . . . . . . . . . . . . . . 86
B.3 Teoria dos Conjuntos Nebulosos . . . . . . . . . . . . . . . . . . . . . 88
B.4 Funções de Pertinência . . . . . . . . . . . . . . . . . . . . . . . . . . 90
B.5 Operações sobre Conjuntos Nebulosos . . . . . . . . . . . . . . . . . . 93
B.6 Exemplo de Sistema de Inferência Nebuloso . . . . . . . . . . . . . . 93
B.6.1 Módulo Desfuzzificador . . . . . . . . . . . . . . . . . . . . . . 95
B.7 Aplicações de Lógica Nebulosa . . . . . . . . . . . . . . . . . . . . . . 96
B.7.1 Controle Nebuloso . . . . . . . . . . . . . . . . . . . . . . . . 97
B.7.2 Engenharia Biomédica . . . . . . . . . . . . . . . . . . . . . . 98
B.8 Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
vii
Lista de Tabelas
2.1 critérios estabelecidos pela FIGO. . . . . . . . . . . . . . . . . . . . . 23

2.2 extensão dos critérios estabelecidos pela FIGO - Sistema CTGOnLine. 29
4.1 SISCTG - critérios definidos pela MEAC. . . . . . . . . . . . . . . . . 42

4.2 SISCTG - conjunto de regras determinı́sticas. . . . . . . . . . . . . . 47
4.3 SISCTG - subconjunto de regras de inferência nebulosas. . . . . . . . 55
5.1 resultados tabulados da análise visual de CTGs por 4 especialistas. . 62

5.2 matriz de confusão resultante da análise pelo SISCTG de 100 exames
classificados deterministicamente. . . . . . . . . . . . . . . . . . . . . 65
5.3 matriz de confusão resultante da análise pelo SISCTG de 100 exames
classificados com ponderações pelo especialista. . . . . . . . . . . . . 65
B.1 Crescimento do número de publicações em Lógica Fuzzy. . . . . . . . 98
viii
Lista de Figuras
1.1 sinais de FCF e UC de um CTG. . . . . . . . . . . . . . . . . . . . . 2
2.1 cardiotocografia tı́pica. . . . . . . . . . . . . . . . . . . . . . . . . . . 10

2.2 informações importantes em uma curva de FCF. . . . . . . . . . . . . 12
2.3 desaceleração em uma curva de FCF. . . . . . . . . . . . . . . . . . . 15
2.4 diversas desacelerações em uma CTG. . . . . . . . . . . . . . . . . . . 18
2.5 CTG interpretada pelo programa CTGOnline. . . . . . . . . . . . . . 28
4.1 diagrama em blocos de um sistema de inferência nebuloso. . . . . . . 40

4.2 interface do sistema SISCTG. . . . . . . . . . . . . . . . . . . . . . . 50
4.3 relatório de saı́da do sistema SISCTG. . . . . . . . . . . . . . . . . . 51
4.4 MEAC - rede de cardiotocógrafos. . . . . . . . . . . . . . . . . . . . . 52
5.1 pesquisa qualitativa de CTGs - página 1. . . . . . . . . . . . . . . . . 59

5.2 pesquisa qualitativa de CTGs - página 2. . . . . . . . . . . . . . . . . 60
5.3 interpretaçao visual de CTGs. . . . . . . . . . . . . . . . . . . . . . . 61
A.1 Cardiotocógrafo existente na MEAC no inı́cio do projeto. Sem interface

de comunicação. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
B.1 Dado o Universo U, seja o conjunto A representando os fumantes e B

os não fumantes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
B.2 Representação gráfica da população de fumantes . . . . . . . . . . . . 88
B.3 Conjuntos Fuzzy para a variável Temperatura Ambiente. . . . . . . . 91
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)
correlacionada com as contrações uterinas maternas (UC - Uterine Contractions) per-
mite gerar diagnósticos e a conseqüente antecipação de problemas diversos relativos
ao bem estar fetal e à preservação de sua vida. O presente trabalho apresenta os
resultados de um sistema hı́brido baseado em regras determinı́sticas e em um módulo
de inferência nebuloso (fuzzy) para análise de sinais de FCF e UC coletados através
de exames denominados cardiotocografias (CTG). As variáveis analisadas são o valor
basal da FCF, sua variabilidade de curto e de longo prazo, acelerações transitórias e
desacelerações, sendo estas classificadas por seu tipo e pelo número de ocorrências.
A saı́da do sistema é o diagnóstico em primeiro nı́vel, baseado nas informações das
variáveis de entrada definidas. O sistema SISCTG é desenvolvido na linguagem de
scripts do programa Matlab versão 7. Modelagens e testes são realizadas utilizando-se
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
do Ceará (UFC), através do Departamento de Engenharia de Teleinformática (DETI)
e da Maternidade-Escola Assis Chateaubriand (MEAC), a Technische Universität
München (TUM), a Bundeswehr Universität München e a empresa Trium Analysis
Online GmbH. Os resultados obtidos pelo SISCTG são bastante promissores, classifi-
cando todos os exames normais corretamente. Este é o comportamento esperado, uma
vez que CTGs são exames de baixa especificidade, tendo como interesse maior encon-
trar indı́cios de patologias, sem a necessidade de identificá-las precisamente. Estes
resultados permitem projetar o aperfeiçoamento deste sistema com a inserção, por
exemplo, de novas variáveis de entrada. São realizados procedimentos de validação
com múltiplos especialistas na área obstétrica tanto no Brasil quanto na Alemanha.

Abstract
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
Dedico um agradecimento especial ao Professor Paulo César Cortez, um mestre

na essência da palavra, pela orientação objetiva neste trabalho e pelo exemplo conta-
giante de dedicação à pesquisa e ao ensino.
Agradeço também ao Professor Guilherme de Alencar Barreto, por sua partic-
ipação na modelagem do projeto, orientação clara e sensata e a pronta ajuda em
momentos cruciais do projeto. Certamente seu nome pode constar com destaque nos
resultados deste trabalho.
Sinceros agradecimentos também ao Professor Edson Lucena, Chefe da Enfermaria
da Maternidade Escola Assis Chateaubreand, e à toda sua equipe, pela ajuda na luta
que travamos juntos para efetivar a implantação do sistema de CTG computadorizada
na MEAC, um avanço significativo para a instituição, com resultados, estou certo,
alcançados já em 2007.
Expresso meus agradecimentos também ao Professor Rubens Viana Ramos, pelas
proveitosas sugestões e ao Professor Leonardo Vidal Batista, por dedicar parte de seu
tempo ao engrandecimento deste trabalho, participando da banca.
Aos participantes do projeto ligados à empresa Trium Analysis Online GmbH, em
Munique, Alemanha, em especial ao Sr. Martin Daumer, Christian Harböck e Katrin
Noack.
Ao Ministério Público Federal, pela licença para capacitação.
À FUNCAP, por financiar parcialmente este projeto.
Capı́tulo 1
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
Figura 1.1: sinais de FCF e UC de um CTG.
Este equipamento registra eletronicamente, de forma sucessiva e simultânea, além do

sinal da freqüência cardı́aca fetal, a movimentação fetal e a ocorrência de contrações
uterinas materna.
A Figura 1.1 traz uma amostra dos sinais de FCF e UC coletados simultaneamente
em uma CTG. A análise destes dois sinais permite gerar um prognóstico com a final-
idade de detectar diversos problemas fetais como alterações neurológicas ou baixos
nı́veis de oxigenação. É indicado principalmente para as gestações de risco, que po-
dem levar ao óbito do feto ou mesmo ao aparecimento de seqüelas graves, podendo
ser realizado tanto no perı́odo gestacional quanto durante o parto [18].
De uma maneira geral, o sinal mais rico em informações existente no exame
cardiotocográfico é a FCF. A partir desta informação, o bem-estar fetal é avaliado
baseado nos seguintes parâmetros: freqüência cardı́aca fetal basal ou linha de base da
freqüência cardı́aca fetal; variabilidades de longo e de curto prazo; aceleração tran-

sitória e as desacelerações, com seus variados tipos. Descrições superficiais de cada
um destes parâmetros podem ser vistas a seguir, de acordo com que é apresentado
por Freeman et al. [14].
A freqüência cardı́aca fetal basal consiste na média aproximada dos valores da
FCF avaliados num segmento de 10 minutos do traçado cardiotocográfico, excluindo-
se: desacelerações, acelerações, perı́odos de acentuada variabilidade e segmentos onde
a variação da FCF apresente diferenças superiores a 25 batimentos por minuto (bpm).
Em qualquer segmento de 10 minutos, a duração mı́nima da linha de base deve ser de
dois minutos ou este parâmetro será considerado indeterminado. Considera-se normal
valores entre 110 e 160 bpm.
A variabilidade é definida como a oscilação da linha de base da FCF com dois
componentes: microoscilação e macrooscilação. A microoscilação é a variabilidade
compreendida entre uma batida e outra, instante a instante. Na interpretação visual
do traçado cardiotocográfico, não é possı́vel avaliar a microoscilação, mas atualmente,
é possı́vel de ser estudada através dos modernos sistemas computadorizados de análise
de cardiotocografias fetais. A macrooscilação consiste na oscilação de longa duração
ou variabilidade oscilatória, em que a FCF descreve de 2 a 6 ciclos (ascensos e descen-
sos) no decurso de 1 minuto. A definição de variabilidade, na análise visual, baseia-se
na amplitude dos complexos, exceto para o padrão sinusoidal, cuja presença indica
estado patológico.
As acelerações transitórias são ascensos transitórios da FCF com amplitude de
pelo menos 15 bpm, durante pelo menos 15 segundos. É um importante marcador
cardiotocográfico para caracterizar o bem-estar fetal.
Finalmente, as desacelerações são quedas temporárias da FCF, classificadas de
acordo com a associação ou não às contrações uterinas em periódicas ou não periódi-
cas.
Cada um dos parâmetros apresentados, bem como seus valores padrões para
análise e seus diversos tipos são importantes em qualquer sistema de monitoramento
fetal para auxı́lio ao diagnóstico médico.

Devido ao grande número de variáveis a serem analisadas, um problema que surge,
normalmente, na utilização do exame cardiotocográfico convencional é a diversidade
de interpretação e nomenclatura empregada para expressar tanto as patologias quanto
a vitalidade fetal. Para minimizar este problema, algumas iniciativas de classificação
são usadas pela comunidade médica internacional, com destaque para a FIGO - Fed-
eração Internacional de Ginecologia e Obstetrı́cia (International Federation of Gy-
naecology and Obstetrics), que determina um conjunto de valores para classificação
dos parâmetros medidos pela cardiotocografia [13]. Entretanto, outras iniciativas
de classificação são criadas em outras instituições, dificultando a padronização das
interpretações dos exames.
Dentre as diversas classificações, destaques devem ser dados para:
• O American College of Obstetricians and Gynaecologists - ACOG, instituição

norte-americana que define sua classificação própria das variáveis e dos valores
considerados em cardiotocografias [2];
• O Royal College of Obstetricians and Ginecologists - RCOG, instituição inglesa

com forte influência nas comunidades médicas européia e brasileira, que criou
um guia baseado nas evidências clı́nicas para o acompanhamento fetal [44];
• A Federação Brasileira de Ginecologia e Obstetrı́cia - FEBRASGO, que em

seu manual de orientação à assistência pré-natal estabelece algumas orientações
sobre o uso da cardiotocografia [1].
Além disso, a própria Maternidade-Escola Assis Chateaubriand (MEAC), insti-

tuição pertencente à Universidade Federal do Ceará (UFC), possui uma classificação
própria definida por sua equipe médica da área Obstétrica.
O grande número de padronizações e ainda a natureza do exame permite um alto
nı́vel de subjetividade em sua análise, resultando em uma forte variação na interpre-
tação dos dados de acordo com os avaliadores dos sinais. Assim, o mesmo exame pode
ser avaliado de maneiras distintas caso seja submetido a diferentes especialistas.
Diante do exposto, há uma forte necessidade de se aumentar a precisão e con-

fiabilidade na análise dos sinais cardiotocográficos. Assim, sistemas computacionais
para interpretação de sinais cardiotocográficos estão sendo desenvolvidos, sendo alvos
de pesquisa tanto de universidades quanto dos fabricantes de equipamentos médicos
computadorizados.
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.
1.2 Organização desta Dissertação

No Capı́tulo 2 são apresentados os aspectos médicos relacionados ao exame com a
análise da FCF e das contrações uterinas, as variáveis, os parâmetros utilizados para
diagnósticos e uma série de análises de exames cardiotocográficos. Também é justifi-
cada a utilização da cardiotocografia computadorizada como importante ferramenta
de auxı́lio ao diagnóstico médico.
O estado da arte relativo às pesquisas realizadas sobre o exame estudado é apre-
sentado no Capı́tulo 3. São implementações e abordagens realizadas por diversas
equipes de engenheiros e médicos no mundo inteiro, com uma significativa quanti-
dade de pesquisas que estão sendo realizadas, tanto através da aplicação de técnicas
de Processamento Digital de Sinais, quanto com o uso de Inteligência Computacional.
Em seguida, todos os passos da implementação do Sistema de Inferência Fuzzy
SISCTG são apresentados em detalhes no Capı́tulo 4. Também é abordado o uso do
Matlab Fuzzy Toolbox como ferramenta de auxı́lio ao desenvolvimento do sistema e,
finalmente, os aspectos práticos do desenvolvimento da solução para a MEAC/UFC,
com a definição de sua interface de entrada e saı́da.

No Capı́tulo 5 são analisados os resultados obtidos em duas pesquisas realizadas
na MEAC. A primeira com a análise visual por parte de especialistas em obstetrı́cia
de diversos exemplos de exames cardiotocográficos. A segunda com a comparação de
diagnósticos fornecidos por médicos com o diagnóstico determinado pelo sistema.
Finalmente, no Capı́tulo 6 são apresentadas as conclusões do trabalho, suas con-
tribuições e ainda um conjunto de possı́veis trabalhos futuros a serem desenvolvidos
em continuidade ao projeto.
Capı́tulo 2
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
através de equipamentos denominados cardiotocógrafos, e com um grau de precisão

de boa qualidade.
Segundo Freeman et al. [14], pesquisas demonstram que a análise de alguns
parâmetros relacionados à FCF podem levar a considerações não somente sobre o
estado cardı́aco do feto, mas também sobre seu estado neurológico, a oxigenação de
seus tecidos e o fluxo sanguı́neo a ele fornecido.
Alterações na FCF, analisadas conjuntamente com a ocorrência de contrações
uterinas, constituem uma base de informações eficiente para o monitoramento fetal.
Com isso, diversos fatores externos que podem causar modificações do estado fetal
(problemas fetais, alterações no estado materno ou mesmo o uso de medicamentos)
devem ser considerados.
Este capı́tulo apresenta as principais técnicas utilizadas para o monitoramento de
fetos, com destaque para o monitoramento da freqüência cardı́aca fetal e das con-
trações uterinas com o exame denominado cardiotocografia, avaliando suas alterações
significativas para análise do bem estar fetal.
2.2 Histórico do Monitoramento Fetal

Ainda durante o século XIX, o benefı́cio de se acompanhar a freqüência cardı́aca de
fetos começa a ser estudado, com a realização das primeiras atividades de auscul-
tação fetal com estetoscópios, sendo inclusive criado por Adolph Pinard em 1876 um
equipamento especı́fico para tal atividade. Esta análise surgia como uma potencial
ferramenta para diminuir o número de mortes de fetos por problemas que ocorrem
em épocas próximas ou mesmo durante o parto [14].
De acordo com o Royal College of Obstetricians and Gynaecologists (RCOG),
sediado em Londres [44], com o surgimento de novos equipamentos no inı́cio do
século XX, a idéia de monitoramento contı́nuo e completo fica mais próxima de ser
atingida. Entretanto, para a detecção de uma eletrocardiografia eficiente do feto,
torna-se necessário o uso de sensores invasivos, uma vez que a medição externa é
fortemente influenciada pelos batimentos cardı́acos maternos.

Apenas após a aplicação de sensores baseados na técnica do efeito Doppler para
a detecção dos batimentos cardı́acos fetais, em 1964, o monitoramento da freqüência
cardı́aca fetal toma novos rumos. A possibilidade de monitoramento não invasivo
faz crescer o uso desta técnica e equipamentos denominados cardiotocógrafos são
então fabricados, oferecendo a detecção simultânea da freqüência cardı́aca fetal e das
contrações uterinas maternas.
Diversos estudos realizados nos anos 70, mostram uma diminuição no número de
óbitos fetais para os casos em que houve monitoramento fetal eletrônico comparados
com outros em que não houve monitoramento. No entanto, diversas contestações
são feitas nas metodologias empregadas na avaliação destes resultados. Além disso, a
ocorrência de casos de falsos positivos, levando a intervenções desnecessárias, também
criam a necessidade de se estabelecer métodos mais cuidadosos para a análise das
variáveis estudadas no monitoramento.
Mesmo com todo cuidado que qualquer tomada de decisão médica inspire, a
evolução no uso do monitoramento da freqüência cardı́aca fetal possui uma aplicabil-
idade incontestável em casos de detecção de sofrimento fetal, principalmente para o
caso de gestações de risco [12].
Para melhorar a qualidade nas interpretações dos exames, a cardiotocografia com-
putadorizada é o mais recente avanço nesta área, integrando sistemas computadoriza-
dos aos cardiotocógrafos para uma análise de primeiro nı́vel baseada em padrões
internacionalmente estabelecidos pela comunidade cientı́fica da área.
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
Figura 2.1: cardiotocografia tı́pica.
registradores que ficam de posse da mãe. A cada movimento do feto, o acionador

é pressionado. A saı́da convencional de uma CTG é a impressão das curvas dos
dois sinais monitorados e pontos indicando os registros de movimentação fetal feitos
pela mãe. Na Figura 2.1 pode ser visto um traçado tı́pico de uma cardiotocografia
classificada como normal.
Na Figura 2.1 podem ser visualizadas a curva representativa da FCF na parte
superior e outra da UC na parte inferior. Os pontos existentes na parte central são
indicações de movimentação fetal por parte da mãe.
Com o tipo de monitoramento descrito anteriormente, diversos fatores podem ser
avaliados para determinar se o feto é reativo, ou seja, normal, ou não reativo, isto é,
encontra-se em sofrimento momentâneo ou em estado patológico. São estes fatores e
padrões que são apresentados na próxima seção.
2.4 Reconhecimento de Padrões da FCF

Gerar parâmetros matemáticos ou estatı́sticos sobre a FCF é uma tarefa difı́cil, uma
vez que a tarefa de interpretação deste sinal pode ser considerada tanto um estudo
da área de reconhecimento de padrões, quanto um processo de avaliação de múltiplos
fatores clı́nicos para determinação do nı́vel de oxigenação do feto, por exemplo [14].
Nesta seção são apresentados os seguintes parâmetros avaliados em um exame de
CTG:
• linha de base da freqüência cardı́aca fetal;
• variabilidade;
• presença de desacelerações e seus tipos;
• presença de acelerações;
• padrões não-usuais.
Todas as definições utilizadas estão baseadas no que é estabelecido por Freeman

[14], pela FIGO [13] e pelo NIHCD - National Institute of Child Health and Human
Development [33].
2.4.1 Linha de Base da Freqüência Cardı́aca Fetal

A linha de base da FCF é um valor médio calculado em um intervalo pré-estabelecido
de tempo. De acordo com o NIHCD e a FIGO, este intervalo está entre 110 a 150
bpm (batimentos por minuto). Já Freeman estabelece o intervalo de 120 a 160 bpm.
O valor da linha de base da FCF é estabelecido após 10 minutos de duração do exame.
Da mesma forma, alterações nesta linha de base só são consideradas se maiores que 10
minutos. Alterações de menor duração são classificadas como alterações periódicas.
Entretanto, seguindo-se este critério, deve ser levada em consideração a possibilidade
de existência de alterações periódicas de longa duração, como por exemplo uma de-
saceleração da FCF que decorra mais de dez minutos para retornar ao valor basal.
Isto pode ser erroneamente confundida com uma linha de base abaixo do normal,
levando a classificar de forma errada o estado do feto.
Figura 2.2: informações importantes em uma curva de FCF.
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.
2.4.1.1 Taquicardia Fetal
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.
2.4.1.2 Bradicardia Fetal
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
de bradicardia no intervalo de 80 a 110 bpm com uma variabilidade significativa podem

ser considerados valores normais, sob circunstâncias maternas e fetais normais.
Conforme citado anteriormente, a ocorrências de desacelerações prolongadas po-
dem ser confundidas com a ocorrência de bradicardia. Normalmente, este tipo de
desaceleração está vinculado a uma queda na variabilidade da FCF.
Uma FCF com linha de base inferior a 70 bpm, geralmente possui baixa variabil-
idade e está relacionada a problemas congênitos no coração do feto [14].
Outro detalhe é que, na ocorrência de uma bradicardia persistente, deve-se veri-
ficar se não está sendo monitorada a FC materna e não a fetal, o que pode resultar
na conclusão de morte fetal. Neste caso, exames complementares como o ultra-som
devem ser realizados para confirmação de diagnóstico.
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].
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
uterinas. A outra causa pode ser a oclusão do cordão umbilical.

A presença de acelerações durante a gravidez é um sinal de vitalidade fetal. No
entanto, não se considera a ausência de acelerações, isoladamente, como um possı́vel
fator determinante de sofrimento do feto. Em conjunto com as acelerações, devem ser
levadas em consideração a variabilidade e a linha de base da FCF.
Na Figura 2.2 são apresentadas duas acelerações em uma CTG, indicadas com
setas. Pode-se notar que pequenas alterações não são consideradas como acelerações,
mas sim como parte da análise da variabilidade da FCF.
Em exames com grande movimentação fetal é comum confundir os retornos das
acelerações para a linha de base com desacelerações, principalmente no inı́cio do exame
quando ainda não se tem um valor determinado para a FCF basal.
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.
Figura 2.3: desaceleração em uma curva de FCF.
As desacelerações são classificadas em quatro diferentes tipos, de acordo com sua

forma e a relação temporal com as contrações uterinas. São elas: Desacelerações
precoces - DIP I (early decelerations), Desacelerações tardias - DIP II (late decelera-

tions), Desacelerações variáveis (variable decelerations) e Desacelerações prolongadas
(prolonged decelerations).
2.4.4.1 Desacelerações precoces - DIP I
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.
2.4.4.2 Desacelerações tardias - DIP II
Este segundo tipo de desaceleração assemelha-se à desaceleração precoce na forma e

na regularidade. No entanto, a diminuição da FCF ocorre com atraso em relação à
contração uterina. Esta queda inicia-se após um intervalo de aproximadamente trinta
segundos após o inı́cio da contração e o menor valor na desaceleração é atingido após
o final da contração.
Outras caracterı́sticas importantes das desacelerações tardias, além do aspecto
temporal, podem ser citadas, tais como a queda e o retorno à linha de base que são
graduais e amortecidos. Normalmente não são encontradas acelerações transitórias
nem imediatamente antes nem imediatamente depois desta desaceleração. A FCF
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.
2.4.4.3 Desacelerações Variáveis
As desacelerações variáveis são os tipos mais comuns encontrados em cardiotocografias.

Como o próprio nome indica, os padrões destes tipos de desacelerações variam em to-
dos os aspectos: forma, duração, intensidade e correlação temporal com as contrações
uterinas. Normalmente existe uma pequena aceleração transitória imediatamente
antes e uma imediatamente após uma desaceleração variável.
Uma das causas para a ocorrência de desacelerações variáveis pode ser a com-
pressão do cordão umbilical, mas pode também indicar a interrupção temporária do
fluxo sanguı́neo nos vasos do cordão.
As desacelerações variáveis podem ser do tipo reativa ou não patológica se tiverem
as seguintes caracterı́sticas:
1. duração não maior que 30 a 45 segundos;
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);
4. a linha de base não está aumentando.
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.
Figura 2.4: diversas desacelerações em uma CTG.
2.4.4.4 Desacelerações Prolongadas
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.
A existência de desacelerações em uma CTG normalmente é indicativo de pro-

blemas ou pelo menos de entrada em estado de alerta na análise do estado fetal. A
Figura 2.4 apresenta uma CTG com a ocorrência de desacelerações de diversos tipos,
inclusive com duas bastante graves com a FCF atingindo nı́veis em torno de 60 bpm.
O acompanhamento continuado e mais detalhado, nestes casos, é fundamental para a
tomada de decisão médica que pode ir desde a recomendação de repouso da mãe até
a interrupção da gravidez.
2.4.5 Padrões não usuais

A FCF apresenta alguns padrões de comportamento não usuais que, apesar de raros,
devem ser conhecidos para a correta interpretação dos exames.
O padrão sinusoidal é observado durante a gravidez, durante o trabalho de parto

ou mesmo no perı́odo neonatal. Pode estar associado a uma grave hipóxia fetal, que
resulta em grave anemia causada pela falta de oxigenação e consequente acidose, isto
é, a diminuição do pH sanguı́neo do feto. Hemorragia materna também pode resultar
neste padrão [19].
Outras formas de padrões não usuais encontradas são o padrão da linha de base de
Wandering e o padrão Lambda. O primeiro é quando não se consegue estabelecer uma
linha de base para a FCF, normalmente causado por problemas neurológicos no feto.
O segundo padrão ocorre quando se tem uma aceleração e logo em seguida uma de-
saceleração, podendo acontecer durante o trabalho de parto e sem causa determinada
[14].
2.5 Contrações Uterinas

As contrações uterinas são movimentos que podem ou não ser rı́tmicos ou periódicos,
dependendo do tempo de gestação. Seu monitoramento é importante para que seja
possı́vel verificar a ocorrência de patologias e para estabelecer uma correlação com as
alterações da FCF, principalmente nos casos de desacelerações.
2.5.1 Fisiologia das Contrações Uterinas

Fisiologicamente, o papel inicial de uma contração uterina é de expelir o conteúdo
intrauterino. Contrações normais existentes antes do momento do trabalho de parto
servem como preparação do útero e da cervix para tal momento.
Contrações conhecidas como Braxton-Hicks são medidas em milı́metros de mer-
cúrio (mmHg) e possuem uma magnitude de 10 a 20 mmHg. São generalizadas em
todo o útero e possuem uma freqüência que aumenta de uma por hora com 30 sem-
anas para uma contração a cada 5 ou 10 minutos durante o trabalho de parto. Este
tipo de contração muitas vezes não é notado pelas gestantes.
O útero é um músculo e possui um tônus basal que deve ser levado em consideração
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.
2.5.2 Monitoramento das Contrações

O monitoramento das contrações uterinas maternas é eficientemente realizado por
equipamentos externos denominados tocodinamômetros. Este tipo de equipamento
possui um sensor que é formado por um peso com um botão detector de pressão
localizado em sua parte central, sendo preso à parede abdominal por um cinto elástico
para regular sua posição e o nı́vel de pressão a que é submetido. Esta regulagem é
necessária para garantir uma melhor detecção das contrações.
A grande vantagem deste monitoramento reside no fato de ser não invasivo. Entre-
tanto, como o tônus uterino varia para cada paciente analisada, existe a necessidade
de um controle de calibração, quer seja no sensor ou no cardiotocógrafo, para ajuste
inicial do valor de repouso ou de base do útero que está sendo monitorado. Além
disso, deve ser sempre lembrado que o traçado obtido externamente para as con-
trações uterinas é sempre relativo e varia muito com a posição materna, obesidade
relativa e até mesmo com o nı́vel de aperto do cinto. A sensibilidade do sensor uti-
lizado no tocodinamômetro também gera influências na duração de uma contração.
Quanto mais sensı́vel, nota-se maior duração na contração.
Desta forma, o monitoramento externo das contrações resulta em um exame no
qual a freqüência de ocorrência é mais precisa, enquanto que a duração e a intensidade
são menos precisas.
2.5.3 Quantificação das Contrações

Diversas razões tornam importante a quantificação das contrações uterinas maternas.
Um exemplo claro está na detecção da aproximação do trabalho de parto. Para isto,
diversos ı́ndices são propostos e utilizados.
Freeman, Garite e Nageotte [14] citam que, em 1957, Caldeyro-Barcia definiu a
Unidade de Montevidéu como o produto da média dos picos das contrações uterinas
(medidos em milı́metros de mercúrio) pelo número de contrações no intervalo de 10
minutos. Em seguida, definiu-se que uma atividade uterina adequada em perı́odo de
parto deve ser maior ou igual a 200 unidades de Montevidéu. Este parâmetro, apesar
de bastante utilizado, não inclui a duração das contrações em seu cálculo.
Definiu-se, então, a Unidade de Alexandria, que multiplica a média dos picos das
contrações uterinas (medidos em milı́metros de mercúrio) pelo tempo médio de du-
ração destas contrações e pelo número de contrações no intervalo de 10 minutos. Uma
técnica computacional utilizada é a de integração da área sob a curva da contração.
Além da movimentação uterina, o ritmo ou freqüência das contrações também é
importante. Algumas classificações são estabelecidas, entretanto não são de uso uni-
versal. Uma das consequências, por exemplo, de contrações uterinas muito freqüentes,
sem um intervalo entre elas, é a possibilidade de se impedir o fluxo sanguı́neo para o
feto por compressão constante do cordão umbilical [50].
2.5.4 Outros fatores que afetam as contrações uterinas

Para compreender e tentar corrigir padrões anormais de contrações uterinas e as
reações causadas por elas na FCF, é importante levar em consideração aspectos in-
trı́nsecos e extrı́nsecos que afetam a contratilidade uterina. Estes aspectos podem
se manifestar tanto diminuindo quanto aumentando a intensidade e a duração das
contrações.
Dois aspectos intrı́nsecos são a posição materna e a existência de patologias,
tais como pré-eclâmpsia ou o rompimento da placenta. Este último normalmente
causa o mais alto grau de hiperatividade uterina, podendo-se encontrar problemas de
hipertônus uterino ou ainda algum outro nı́vel de hiperatividade, indicando sofrimento

fetal. Inclusive em casos com pouco sangramento vaginal, apenas a detecção destes
tipos de padrões, em conjunto com a verificação da existência de padrões anormais de
FCF, podem levar a se fazer fortes considerações sobre a possibilidade de rompimento
da bolsa placentária.
Do exposto, é fato que a análise das contrações uterinas maternas é de grande im-
portância para uma completa interpretação do monitoramento fetal eletrônico através
do uso de cardiotocografias, principalmente correlacionando-as com a ocorrência de
alterações na FCF.
2.6 Critérios da FIGO

Conforme citado anteriormente, visando gerar uma uniformização na nomenclatura e
nos critérios de análise das cardiotocografias, a FIGO definiu seu conjunto de critérios,
os quais serão utilizados neste trabalho.
A FIGO classifica uma CTG anteparto em três categorias: “Normal”, “Suspeita”
e “Patológica”, determinando as condições de cada variável separadamente, como
explicado a seguir.
Uma CTG é considerada NORMAL quando:
• a linha de base encontra-se entre 110 a 150 bpm;
• a variabilidade está no intervalo de 5 a 25 bpm;
• ausência de desacelerações, exceto desacelerações de pequena intensidade e de

curta duração;
• presença de pelo menos duas acelerações em um intevalo de 10 minutos.
Uma CTG é considerada SUSPEITA quando:
• a linha de base encontra-se nos intervalos de 100 a 110 bpm ou de 150 a 170
bpm;
Variável Normal Suspeito Patológico

Linha de Base [110,150] [100,110) ou < 100 ou > 170
(bpm) (150,170] ou Sinusoidal
Variabilidade [5,25] > 25 ou [5,10] < 5 por mais de
(bpm) tempo > 40 min. 40 min.
Acelerações ≥ 2 Acel. em 10 Apenas 1 Acel. Ausência
(freq.) min. em 10 min.
Desacelerações Ausência ou leve esporádica de periódica de
(freq.) e esporádica de qualquer tipo, qualquer tipo ou
curta duração exceto grave esporádica grave
ou prolongada
ou tardia
Tabela 2.1: critérios estabelecidos pela FIGO.
• a variabilidade encontra-se no intervalo de 5 a 10 bpm por mais de 40 minutos;
• a variabilidade encontra-se acima de 25 bpm;
• ausência de acelerações por mais de 40 minutos;
• desacelerações esporádicas, de qualquer tipo, exceto na ocorrência de uma de-

saceleração severa.
Uma CTG é considerada PATOLÓGICA quando:
• a linha de base encontra-se abaixo de 100 ou acima de 170 bpm;
• a variabilidade encontra-se abaixo de 5 bpm por mais de 40 minutos;
• existência de desacelerações periódicas e recorrentes;
• presença de desacelerações variáveis graves, prolongadas ou tardias;
• ocorrência de padrão sinusoidal da linha de base da FCF com freqüência menor

que 6 ciclos, amplitude maior ou igual a 10 bpm e duração maior que 20 minutos.
A Tabela 2.1 apresenta um resumo da definição desses critérios. Entretanto,

mesmo com esta padronização estabelecida, a análise das duas variáveis em uma
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.
2.7 Cardiotocografia Computadorizada

Analisando-se todos os aspectos abordados no decorrer deste Capı́tulo, vê-se que o
uso de cardiotocografias para o monitoramento do bem estar fetal é uma ferramenta
bastante útil. A FEBRASGO indica o uso de cardiotocografia em diversas fases e
situações para análise da vitalidade fetal e acompanhamento de gestações de risco [1].
A análise visual dos traçados cardiotocográficos (FCF e UC) é uma fonte de infor-
mação com um alto grau de subjetividade, estando sujeita à grande variabilidade de
critérios e limitada reprodutibilidade de resultados [36, 44, 4]. Além disso, diversos
padrões de nomenclatura e definições estabelecidos pela FIGO [13], pela FEBRASGO
[1], ou ainda pelo Royal College de Londres [44] das variáveis analisadas são causas
de divergências nos resultado de análise de CTG.
Neste contexto, sistemas computadorizados desenvolvidos estão sendo aperfeiçoa-
dos com o intuito de se padronizar nomenclaturas e definições para gerar um resultado
de primeiro nı́vel confiável para auxı́lio ao diagnóstico médico. Neste trabalho, são
apresentados dois sistemas, com suas respectivas definições de variáveis consideradas e
algumas caraterı́sticas de suas saı́das. O primeiro é o “System 8002”, desenvolvido na
Universidade de Oxford, no Reino Unido, sendo bastante difundido no mundo inteiro
e utilizado na Universidade de São Paulo - USP, como ferramenta de cardiotocografia
computadorizada. A segunda solução apresentada é o “CTGOnline”, da Trium, par-
ceira da UFC no projeto SISCTG. Este programa encontra-se instalado na MEAC,
tornando-se, assim, o foco maior das discussões apresentadas.
2.7.1 O Sistema Oxford System 8002

É um sistema computadorizado de análise da FCF desenvolvido por Dawes e Redman,
no ano de 1985 em Oxford, Reino Unido, que estabeleceram critérios próprios a serem
utilizados por este sistema [51].
O “System 8002” realiza a análise do traçado de uma CTG e armazena os dados,
permitindo a análise dos seguintes parâmetros: FCF basal, variabilidade de curto
prazo, episódios de alta e baixa variabilidade, acelerações e desacelerações da FCF,
perda de sinal, contrações uterinas e movimentos fetais registrados pela gestante. O
sistema é padronizado para ser utilizado no perı́odo anteparto.
Nos primeiros 10 minutos de realização do exame, o sistema não realiza nenhuma
interpretação. Após este perı́odo, ele realiza a primeira análise do traçado, que é
revista a cada 2 minutos até que se atinja o critério de normalidade pré-estabelecido
por Dawes e Redman [7].
O sistema é capaz de monitorar a perda do sinal da FCF. Quando é detectado um
intervalo com perda do sinal, o sistema sinaliza com um traço em linha reta ao marcar
a linha de base. Quando o programa de análise é executado, um alarme de perda do
sinal é fixado quando este atinge 30% do total analisado. A porcentagem final de
perda do sinal em todo o traçado é registrada no laudo final. O sistema não permite
a análise do traçado quando a perda do sinal é superior a 80%. Nestas situações, o
exame é automaticamente interrompido, sendo necessário reiniciar o procedimento.
Alguns problemas tı́picos deste sistema são a perda do sinal e erros de medição.
Se uma perda de sinal superior a 25% ocorrer em uma desaceleração superior a 20
batimentos perdidos, este evento é marcado com um asterisco. Uma perda entre 25%
e 50% é marcada com um sinal de interrogação e a ocorrência de perdas superiores a
50% durante uma aceleração ou desaceleração superior a 20 batimentos perdidos não
são consideradas na análise.
Quanto aos erros de medição, os monitores fetais ocasionalmente produzem sinais
que podem ser erroneamente interpretados como acelerações e desacelerações, princi-
palmente se evidenciados trechos isolados com grande diferença na FCF basal. Estes
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;
• desacelerações com mais de 100 batimentos perdidos ou desacelerações em traça-

dos com duração de 30 minutos;
• ausência de movimentos fetais e menos de 3 acelerações em traçados com du-

ração de 30 minutos;
• ausência de episódios de alta variabilidade;
• variabilidade de curto prazo inferior a 3 milisegundos;
• ausência de acelerações com menos de 21 movimentos fetais por hora ou variação

de longo prazo inferior ao percentil 10 em episódios de alta variação;
• quando a variação de longo prazo nos episódios de alta variação é inferior ao

percentil 1 para a idade gestacional.
As condições que produzem um asterisco são:
• 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;
• presença de pequenas desacelerações.

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.
2.7.2 O Sistema CTGOnline

O “CTGOnline” é um sistema de cardiotocografia computadorizada desenvolvido pela
empresa Trium, sediada em Munique, na Alemanha, compatı́vel com diversos equipa-
mentos cardiotocográficos que realiza detecções e análises da FCF e das contrações
uterinas maternas [52].
A comunicação é feita interligando-se os cardiotocógrafos a um servidor de rede
através de uma rede local padrão Ethernet baseada no protocolo TCP/IP.
É um sistema baseado em ambiente web, tendo como infra-estrutura de servidor
HTTP a ferramenta de código aberto Apache. Entretanto, é desenvolvido utilizando-
se diversas ferramentas proprietárias, tais como a ferramenta de desenvolvimento
ColdFusion, o gerador de gráficos LabView e o banco de dados cliente/servidor Mi-
crosoft Access. Isto faz com que o programa seja compatı́vel apenas com plataforma
Microsoft Windows.
A junção dessas diversas soluções torna sua instalação bastante complexa, assim
como também dificulta ações de gerência no servidor do sistema, tais como controle de
versões, cópias de segurança, dentre outras. Isto também encarece seu preço final, uma
vez que se tem que pagar taxas de licenciamento de uso para algumas das ferramentas
utilizadas.
A Figura 2.5 a seguir mostra uma cardiotocografia avaliada pelo “CTGOnline”.
O sistema baseia-se em uma extensão dos critérios estabelecidos pela FIGO, com
suas indicações de conformidade ou desconformidade apresentadas de forma gráfica
Figura 2.5: CTG interpretada pelo programa CTGOnline.
nos próprios traçados do exame.

Para compreensão das variáveis utilizadas, é criado um padrão de codificação que
encontra-se definido a seguir:
Accn número de Acelerações nos últimos n minutos;

Decn número de Desacelerações nos últimos n minutos;
V arn variabilidade nos últimos n minutos;
V arn i, j min(V arn ) ∈ i e max(V arn ) ∈ j, em que
i e j são representados pelos seguintes valores

I [0,5);
II [5,10); e
III [10, +∞).
A Tabela 2.2 apresenta um resumo desta extensão, feita para adequação computa-
cional dos critérios da FIGO para o sistema CTGOnline.
Normal Suspeito Patológico

Linha de Base
[110,150] X
[100,110) X
(150,170] X
[0,100] X
(170,+∞) X
Variabilidade
[0,25] X
(25,+∞) X
V ar30 I,I X
V ar30 I,II X
V ar30 I,III X
V ar30 II,II X
V ar30 II,III X
V ar30 III,III X
Acelerações
Acc30 ≥ 4 X
Acc30 ∈ {1, 2, 3} X
Acc30 = 0 X
Desacelerações
Dec30 = 0 X
Apenas desacel- X
erações curtas
Desacelerações X
severas
Outros tipos X
Tabela 2.2: extensão dos critérios estabelecidos pela FIGO - Sistema CTGOnLine.
2.7.3 Comparações entre os sistemas

A maior vantagem do “CTGOnLine” sobre o “System 8002”é ser um sistema projetado
para funcionar em ambiente web, podendo ser acessado de qualquer lugar a qualquer
tempo, permitindo à equipe médica visualizar a execução em tempo real de exames
e também consultar exames previamente realizados. O “System 8002”, por sua vez,
somente permite acesso no servidor que realiza o monitoramento.
Além disso, ao contrário do sistema de Oxford, o “CTGOnline” segue um padrão
internacionalmente estabelecido, baseando-se completamente na classificação deter-
minada pela FIGO [13].
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
A dificuldade de interpretação dos sinais em uma cardiotocografia pela grande var-

iedade de parâmetros, resultando em uma intrı́nseca subjetividade em sua análise,
fez surgir, em todo o mundo, diversas pesquisas com o intuito de gerar sistemas de
análises e diagnósticos computadorizados.
Este capı́tulo apresenta uma revisão bibliográfica de diversas pesquisas realizadas
em todo o mundo na tentativa de melhorar a análise de CTGs ou ainda extrair
informações mais ricas para os analisadores do sinal.
As abordagens estão classificadas em seções, sendo a primeira dedicada ao uso de
técnicas de processamento digital de sinais (PDS) baseadas, por exemplo, em análises
no domı́nio da freqüência. A segunda abordagem é focada nas soluções baseadas
em inteligência computacional aplicada, com redes neurais e sistemas de inferências
nebulosos. Finalmente, a última seção apresenta novas abordagens, inclusive com a
definição de novas variáveis para análise dos sinais. Ao final, são apresentados dois
algoritmos utilizados em sistemas de cardiotocografias computadorizadas.
3.1 Sistemas de Processamento Digital de Sinais

Diversas técnicas de processamento digital de sinais podem ser utilizadas para extrair
informações de sinais cardiotocográficos.
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
abordagem está no fato de não poder ser utilizada concomitante à realização do

exame, isto é, em tempo real. Sua aplicação é feita apenas de maneira posterior, o
que pode comprometer o tempo de resposta necessário de alguma intervenção por
parte da equipe médica.
3.2 Sistemas utilizando Inteligência Computacional

Técnicas de inteligência computacional, por possuirem caráter inerentemente não lin-
eares, estão sendo largamente empregadas na análise do monitoramento fetal eletrônico.
Trabalhando na detecção dos batimentos cardı́acos fetais, isto é, na detecção dos
complexos QRS de fetos, Outram e Ifeachor [37] apresentam um sistema de dois nı́veis
sendo o primeiro considerado uma camada de pré-processamento implementado por
um filtro para detectar os complexos QRS, isto é, os batimentos cardı́acos fetais, e
em seguida um módulo de reconhecimento de padrões para classificação. Para isto,
compara o uso de uma rede neural artificial baseada no Perceptron multicamada -
MLP (Multi-layer Perceptron) com o método da correlação. Este último apresenta os
melhores resultados, além do custo computacional ser menor. A detecção das ondas
QRS em fetos é de importância crucial na detecção da variabilidade de curto prazo
(STV). Sua implementação deve ser embarcada no próprio cardiotocógrafo e não no
programa de análise do exame, que é o objetivo deste trabalho.
Com foco em reconhecimento de padrões, Romero et. al. [43] realizam a clas-
sificação de exames cardiotocográficos utilizando uma rede neural artificial também
baseada no modelo MLP unida a uma aplicação de PCA (Principal Component Anal-
ysis), visando tornar a análise independente da linha de base. No mesmo trabalho, a
utilização de MR-PCA (Multi-Resolution Principal Component Analysis) também é
utilizada, concluindo-se que o uso de redes neurais pode ser uma boa ferramenta de
classificação.
Hackzell [16], por sua vez, desenvolve um estudo baseado em dois tipos de re-
des neurais artificiais, sendo o primeiro com o uso de uma rede do tipo SOM e o
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
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.
3.3 Entropia Aproximada

Em uma outra vertente, novas abordagens para avaliação dos sinais coletados em uma
CTG - FCF e UC - estão sendo desenvolvidas [40, 30].
Destaque para o estudo do comportamento da entropia aproximada tanto da FCF
como também da variabilidade da FCF como forma de determinar o nı́vel de energia
existente no sinal fetal, fornecendo um parâmetro sensı́vel a alterações.
Segundo Morris [30], todos os processos reais no mundo - quer sejam processos
fı́sicos, biológicos, geológicos e outros - possuem algumas caracterı́sticas em comum.
Todos eles envolvem fenômenos que acontecem no espaço e no tempo, e todos eles
envolvem uma interligação entre duas importantes entidades: energia e entropia.
A entropia aproximada (Approximate Entropy - ApEn) é uma medida do grau de
dispersão de um sistema. Foi definida por Pincus [40] e desde então diversos estudos
estão sendo realizados, encontrando forte aplicabilidade na análise de sinais biológicos.
3.4 O Algoritmo Dawes

Dawes [11] é o primeiro estudioso a desenvolver, no inı́cio dos anos 1980, pesquisas
para o desenvolvimento de um algoritmo para análise computadorizada de CTGs.
Para isso, utiliza-se de filtros de freqüência para determinar as variáveis relacionadas
à FCF.
A execução do algoritmo de Dawes deve ser realizada após os primeiros 10 minutos

de exame e repetida a cada 2 minutos, podendo ser dividida nos seguintes passos:
algoritmo de detecção de erro, para verificação de falhas nas medições; interpolação e
agregação; cálculo da linha de base da FCF; cálculo das acelerações e desacelerações
e, por último, o cálculo da variabilidade (LTV).
Um dos problemas existentes no método utilizado por Dawes é o fato de não
detectar corretamente no caso em que existem alterações como acelerações no inı́cio
do exame, e também não consegue acompanhar deslocamentos da FCF basal.
Diversas modificações de seu algoritmo foram realizadas, principalmente por Red-
man, com o intuito de corrigir suas deficiências e melhorá-lo na detecção das infor-
mações.
Todas as publicações de Dawes, Redman e seus pesquisadores parceiros foram su-
perficiais e não deram detalhes de sua implementação. Com o lançamento do sistema
“Oxford System 8002”, a implementação ficou ainda mais fechada e de difı́cil análise
[47].
3.5 O Algoritmo DMW

Daumer e Neiss [10] desenvolvem um algoritmo para análise em tempo real ou on-
line de sinais biológicos, com detecção de deslocamentos, oscilações e limites. Este
algoritmo é denominado de Delayed Moving Window ou Janela Móvel Atrasada e
é a base de detecção e classificação atualmente utilizada no sistema “CTGOnline”
utilizado na MEAC e foco deste projeto.
O DMW é um algoritmo adaptativo para detectar irregularidades, saltos e valores
discrepantes em um sinal no tempo, podendo, nestes casos, ser utilizado como sistema
de alarme em tempo real.
O modo mais simples de definição de sistema de alarme é baseado na utilização
de dois limites fixos utilizados para controlar o sinal. Se o sinal ultrapassa o limite
superior ou cai abaixo do limite inferior, o alarme é disparado. Este tipo de sistema
não leva em consideração a possibilidade de ocorrência de medições errôneas, valores

discrepantes momentâneos (que pode ser causado pela falha na detecção do sinal)
nem a existência de irregularidades ou de saltos no sinal causados, no caso de car-
diotocografias, pela movimentação materna ou fetal. Estas alterações podem levar os
sinais monitorados a se reestabilizarem em um novo nı́vel de base, o que também não
é considerado por este tipo de sistema.
O DMW contorna esses problemas. Ele utiliza um sistema de alarme baseado em
limites, mas estes limites são continuamente recalculados de acordo com o histórico
do sinal monitorado em uma janela móvel denominada como “atrasada”, isto é, que
considera os valores anteriores do sinal.
O algoritmo implementado por Daumer implementa soluções para alguns impor-
tantes problemas encontrados nos sinais de cardiotografias:
• Substituição de vazios ou zeros causados por falhas na detecção;
• Detecção de valores discrepantes dos valores que vem sendo apresentados pelo
sinal;
• Cálculo da linha de base da FCF.
Após este tratamento, as detecções de acelerações, desacelerações e o cálculo da

variabilidade são realizados. O método tem o objetivo de ser simples, de tal forma
que não matemáticos, como médicos e enfermeiras possam avaliá-lo e contribuir para
sua melhoria.
Comparado a outros algoritmos utilizados em pesquisas para análises de CTG
computadorizadas, o DMW apresenta boa performance e confiabilidade, detectando
corretamente alterações significativas no sinal e tratando adequadamente falhas de
medições dos sensores.
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
O SISCTG é um sistema hı́brido utilizado para a classificação de cardiotocografias,

constituı́do por um componente determinı́stico para a análise das desacelerações e
seus tipos, e por um sistema de inferência nebuloso, baseado no modelo de Mamdani,
levando em consideração a FCF basal, as variabilidades de longo e de curto prazo e a
quantidade de acelerações transitórias.
Uma discussão sobre os conceitos de lógica nebulosa, suas operações matemáticas
e um exemplo básico de aplicação se encontram no Apêndice B.
4.1 Sistema de Inferência Nebuloso

Segundo Mendel [29], em geral, um sistema de lógica nebulosa é um mapeamento não
linear de um vetor de dados de entrada em uma saı́da escalar.
Modularmente, um sistema de inferência nebuloso (fuzzy inference system, FIS)
pode ser representado por um conjunto de subsistemas, cada um realizando uma
tarefa conforme pode ser visto na Figura 4.1.
Cada um dos elementos componentes do diagrama projetado para o sistema SISCTG
é explicado a seguir.
39
Capı́tulo 4: Implementação do SISCTG 40
Figura 4.1: diagrama em blocos de um sistema de inferência nebuloso.
4.1.1 Variáveis de Entrada e Saı́da

O primeiro passo para o desenvolvimento de um sistema fuzzy bem sucedido está na
escolha e modelagem das variáveis de entrada e de saı́da do sistema.
Normalmente, é necessário que um especialista, na área de abrangência do sistema,
esteja presente para realizar esta modelagem. Por exemplo, caso seja desenvolvido
um sistema de inferência fuzzy para a área de Engenharia Biomédica, um médico ou
mesmo uma equipe médica são necessários para determinar quais variáveis de entrada
do sistema são relevantes e que valores irão assumir. Da mesma forma, esta mesma
equipe também deve determinar as variáveis de saı́da do sistema que, neste exemplo
especı́fico, podem ser classificações de possı́veis patologias.
A primeira versão do SISCTG, consta de um sistema fuzzy para análise de duas
variáveis de entrada de uma CTG que são a FCF basal e a variabilidade da FCF [28].
Na versão apresentada neste trabalho, as variáveis de entrada estão de acordo com
as definições usualmente seguidas pela equipe médica da área obstétrica da MEAC.
Somente a variabilidade de curto prazo (STV) teve seus valores especificados durante
o projeto SISCTG, uma vez que é levada em consideração a partir da implantação do

exame de CTG computadorizada na instituição.
As variáveis de entrada são: freqüência cardı́aca fetal basal, variabilidade de longo
prazo, variabilidade de curto prazo, acelerações e desacelerações.
Freqüência Cardı́aca Fetal Basal - a FCF basal do feto é o ponto de partida
para diversas interpretações de seu bem-estar. É identificada pela sigla FCFB.
Variabilidade de Longo Prazo - é a variabilidade comumente analisada hoje
nos exames realizados na MEAC, denominada de LTV. Um componente determinı́s-
tico também é utilizado para o caso de ocorrência de dois padrões não usuais de
variabilidade denominados lisa e sinusoidal.
Variabilidade de Curto Prazo - é a variabilidade calculada a cada batimento
cardı́aco do feto, por isso não pode ser analisada visualmente. Com o uso do sis-
tema CTGOnLine, a equipe médica poderá contar com mais esta variável de análise,
denominada STV.
Acelerações - o número e o tipo de acelerações (principalmente se são de pequeno
porte, ou hipoacelerações) são importantes para se determinar a vitalidade fetal. Um
componente determinı́stico é utilizado para o caso de ocorrência de hipoacelerações.
É identificada como ACEL.
Desacelerações - tipos e número de ocorrências - é uma variável de entrada
complexa para ser fuzzyficada por possuir diversos tipos e para cada um deles algumas
classificações. Neste caso, é criado um componente determinı́stico para o sistema, de
acordo com o exame realizado. Este conjunto de informações sobre as desacelerações
é chamado de DCEL.
A Tabela 4.1 apresenta um resumo dos valores e classificações utilizadas no sistema
SISCTG.
Nota-se que cada variável possui três possı́veis classificações: reativo, que rep-
resenta o estado aproximado de bem-estar fetal; hiporreativo, que pode indicar um
estado de alteração do feto; e não reativo, que indica sofrimento fetal.
A saı́da do SISCTG, chamada de DIAG, é um diagnóstico de primeiro nı́vel do
Variável Reativo Hiporreativo Não reativo

FCFB (bpm) [110,160] [100,110) ou < 100 ou > 180
(160,180]
LTV (bpm) ≥ 5 e < 20 < 5 e ≥ 20 Lisa ou Sinu-
soidal
STV (ms) [2.5,7.5] [1.5,2.5) ou < 1.5 ou > 9.5
(7.5,9.5]
ACEL ≥2 1 aceleração ou ausência
hipoacelerações
DCEL ausência DIP I; DIP DIP II; Variáveis
II favoráveis severas; Prolon-
isoladas; Pro- gada > 3 min.
longadas ≤ 3
min.
Tabela 4.1: SISCTG - critérios definidos pela MEAC.
estado fetal. A esta variável são associados três nı́veis de conclusão, a saber, normal,
subnormal ou patológico, sendo definidos da seguinte forma:
• Normal: feto em normais condições. Todas as variáveis de entrada pertencem

à categoria reativa.
• Subnormal: um ou mais valores, exceto todos, das variáveis de entrada é da

categoria hiporreativo e os outros são da categoria reativa.
• Patológico: detecção de alterações significativas no feto. As variáveis de entrada

são todas da categoria hiporreativa ou um ou mais parâmetros pertencem à
categoria não reativa.
4.1.2 Módulo Fuzzyficador

O bloco fuzzyficador de um Sistema Nebuloso é responsável por transformar as var-
iáveis linguı́sticas de entrada em valores das funções de pertinência dos conjuntos
nebulosos [55].
Para a construção do fuzzyficador, normalmente conta-se com a participação de

um especialista do universo do problema em discussão para que sejam definidos di-
versos parâmetros, tais como:
• tipo de função de pertinência a ser utilizada;
• número de conjuntos nebulosos necessários para representar uma variável lin-

guı́stica;
• áreas de interseção entre os conjuntos;
• limites inferior e superior dos conjuntos;
• valor ou intervalo de pico dos conjuntos.
A partir dos valores disponı́veis na Tabela 4.1, as variáveis nebulosas tanto de

entrada quanto de saı́da do SISCTG são definidas.
ENTRADA 1 - FCF Basal - FCFB

Tipo de função de pertinência: Gaussiana.
FCFB = {Bradicardia Acentuada, Bradicardia Leve, Normal, Taquicardia Leve,
Taquicardia Acentuada}
Bradicardia Acentuada: 0 ≤ FCFB ≤ 100
Bradicardia Leve: 90 ≤ FCFB ≤ 120
Normal: 110 ≤ FCFB ≤ 160
Taquicardia Leve: 150 ≤ FCFB ≤ 190
Taquicardia Acentuada: FCFB ≥ 180
ENTRADA 2 - Variabilidade de longo prazo - LTV da FCF

Na ocorrência dos padrões não usuais de LTV, o diagnóstico é deterministicamente
dado como Patológico.
LTV = {Baixa, Normal, Alta}

Baixa: 0 ≤ LTV ≤ 7
Normal: 5 ≤ LTV ≤ 22
Alta: LTV ≥ 18
ENTRADA 3 - Variabilidade de curto prazo - STV da FCF

STV = {Acentuadamente Baixa, Levemente Baixa, Normal, Levemente Alta,
Acentuadamente Alta}
Acentuadamente Baixa: STV ≤ 1,5
Levemente Baixa: 1,5 ≤ STV < 2,5
Normal: 2,5 ≤ STV ≤ 7,5
Levemente Alta: 7,5 < STV ≤ 9,5
Acentuadamente Alta: STV > 9,5
ENTRADA 4 - Acelerações - ACEL

Para o caso de ocorrência de hipoacelerações, a variável ACEL será definida de-
terministicamente como Hiporreativa.
ACEL = {Ausente, Baixa, Normal}
Ausente: ACEL = 0
Baixa: 0 < ACEL < 2
Normal: ACEL ≥ 2
ENTRADA 5 - Desacelerações - DCEL

É a única variável de entrada que não contém caracterı́sticas nebulosas, uma vez
que sua interpretação depende de sua existência ou não e ainda, caso exista, apenas
de seu tipo. É definida como um conjunto de variáveis determinı́sticas que seguem o
padrão de classificação estabelecido na Tabela 4.1.

DCEL = {Ausente, Presente};
TIPODCEL = {DIP I, DIP II, DIP II Isolada, Prolongada, Variável, Variável
Severa};
DURACAODCEL = tempo, em minutos, de duração da desaceleração.
SAÍDA - Diagnóstico - DIAG

DIAG = {Normal, Subnormal, Patológico}
Normal: 0 ≤ DIAG ≤ 100
Subnormal: 90 ≤ DIAG ≤ 200
Patológico: 170 ≤ DIAG ≤ 300
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.
4.1.3 Base de Regras de Inferência

A base de regras, de um maneira simplificada, representa a inteligência do sistema
nebuloso, ou seja, é a representação do conhecimento humano. Esta modelagem é feita
em forma de regras “SE-ENTÃO”, que normalmente são obtidas através da consulta
a especialistas no universo de discurso ao qual pertence o sistema nebuloso.
O formato geral de uma regra de inferência é
SE (variável de entrada igual a X) ENTÃO (variável de saı́da igual a Y).

A condição estabelecida na cláusula “SE” é formada por uma ou mais variáveis

de entrada do sistema. A conclusão da regra, presente na cláusula “ENTÃO” é uma
classificação baseada na variável de saı́da do sistema.
Em problemas reais, não raro são encontrados casos em que não existem espe-
cialistas disponı́veis para a criação da base de regras de inferência. Uma alternativa
bastante utilizada é a utilização de sistemas “neurofuzzy”, que consistem na união de
redes neurais artificiais e sistema de inferência nebuloso [38, 39].
Para o tipo de abordagem apresentado, em uma primeira fase, denominada fase
de treinamento, uma rede neural artificial é treinada através de uma base de exem-
plos previamente classificados. Através de sua capacidade de aprendizagem e gen-
eralização, a rede neural treinada cria as regras que são utilizadas na segunda fase,
denominada fase de classificação, na qual o sistema de inferência fuzzy realiza uma
tomada de decisão [38, 39].
O presente trabalho consiste no desenvolvimento de um sistema hı́brido com um
módulo determinı́stico e outro baseado no modelo de inferência fuzzy, utilizando um
conjunto de regras previamente estabelecidas pela equipe médica especializada da
MEAC.
O conjunto completo de regras determinı́sticas do sistema está apresentado na
Tabela 4.2.
O número de regras de inferência utilizadas fuzzy ri , i = 1, ..., N , depende intrin-
secamente do problema. Para o SISCTG, são definidos dois conjuntos distintos de
regras, sendo o primeiro somente com as regras determinı́sticas definidas para classi-
ficar os aspectos determinı́sticos das variáveis de entrada, e o segundo, com as regras
utilizadas pela máquina de inferência nebulosa.
Após o estudo das variáveis em questão, é definido um conjunto de quarenta e
duas regras de inferência para o sistema. Na Tabela 4.3 é mostrado um subconjunto
de quinze destas regras nebulosas. Vale ressaltar que o número total de regras seria
equivalente a todas as combinações possı́veis dos valores das variáveis de entrada.
No entanto, para determinados valores de algumas variáveis, a sua combinação com
SISCTG - Regras Determinı́sticas
Se DCEL é “Ausente” então “avaliar outras variáveis”

Se DCEL é “Presente” então “avaliar TIPODCEL”
Se TIPODCEL é “DIP-I” então DIAG é “Subnormal”
Se TIPODCEL é “DIP-II isoladas” então DIAG é “Subnormal”
Se TIPODCEL é“Prolongada”e DURACAODCEL é“≤ 3 minutos”então
DIAG é “Subnormal”
Se TIPODCEL é “DIP-II” então DIAG é “Patológico”
Se TIPODCEL é “Variável Severa” então DIAG é “Patológico”
Se TIPODCEL é “Prolongada”e DURACAODCEL é“> 3 minutos”então
DIAG é “Patológico”
Se LTV é “Lisa” então DIAG é “Patológico”
Se LTV é “Sinusoidal” então DIAG é “Patológico”
Se ACEL é “Hipoacelerações” então DIAG é “Subnormal”
Tabela 4.2: SISCTG - conjunto de regras determinı́sticas.
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.
4.1.4 Máquina de Inferência

De posse das regras, a máquina de inferência fuzzy efetua as operações sobre os
conjuntos nebulosos para a obtenção de um conjunto de saı́da também nebuloso.
Existem vários modelos de operações para combinações de regras [46].
O sistema de inferência de Mamdani é um modelo bastante utilizado na área
de sistemas de tomada de decisão, pelo baixo custo computacional e simplicidade de
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:
SE (FCFB = “Taquicardia Leve”) E (LTV = “Normal”) E (STV = “Normal”) E

(ACEL = “Normal”) ENTÃO (DIAG = “Normal”)
Uma vez definido o conjunto de regras que utilizam o operador de interseção,

a operação de junção destas regras é feita através do termo conectivo “OU”, que
corresponde à operação matemática união ou ∪. Assim, no presente projeto, sendo o
sistema nebuloso do tipo Mamdani, o conjunto de regras deve ser avaliado da seguinte
forma:
SE (FCFB = “Taquicardia Leve”) E (LTV = “Normal”) E (STV = “Normal”) E

(ACEL = “Normal”) ENTÃO (DIAG = “Normal”)
OU
SE (FCFB = “Normal”) E (LTV = “Baixa”) E (STV = “Baixa”) E (ACEL =
“Normal”) ENTÃO (DIAG = “Subnormal”)
OU
SE (FCFB = “Normal”) E (LTV = “Normal”) E (STV = “Normal”) E (ACEL =
“Baixa”) ENTÃO (DIAG = “Normal”)
Segue, assim, sucessivamente, uma análise em paralelo de todas as regras, resul-

tando em um conjunto nebuloso de saı́da.
No SISCTG, a máquina de inferência deve levar em consideração que existem
tanto regras de inferência nebulosas quanto regras determinı́sticas. Estas últimas, por
serem estabelecidas para o tratamento de situações em que não existe fuzzyficação da
informação, são avaliadas anteriormente ao conjunto de regras de inferência nebulosas.
Como o resultado das regras de inferências é também um conjunto nebuloso, é

necessário obter uma saı́da numérica do sistema utilizando-se, neste caso, um des-
fuzzyficador.
4.1.5 Módulo Desfuzzyficador

Por último, o bloco desfuzzyficador faz o mapeamento da saı́da nebulosa da máquina
de inferência em um número real. Na verdade, existem dois modelos de saı́das para
sistemas fuzzy, classificados de acordo com a necessidade ou não de se ter um módulo
desfuzzyficador.
Sistemas baseados nos modelos de Takagi-Sugeno e o de Tsukamoto possuem
saı́das obtidas por técnicas de interpolação, utilizando funções matemáticas lineares
ou não lineares, geralmente monotônicas, para apresentar um número real que já
representa uma saı́da para o sistema. Estes modelos são muito utilizados na área de
controle industrial [46].
Já os sistemas baseados no modelo definido inicialmente por Mamdani têm como
saı́da também um conjunto nebuloso, o que torna necessária a definição de uma
técnica de desfuzzyficação, que consiste em ser especificado um ponto no conjunto
que represente a interpretação em forma de um número real da saı́da do sistema
nebuloso. Várias técnicas podem ser utilizadas para encontrar este valor de sáida.
Dentre elas podem ser citadas: centro de gravidade, centro ponderado, média dos
máximos ou dos mı́nimos e último valor máximo.
De acordo com Sandri e Correa [46], a seleção do método de desfuzzyficação está
relacionada diretamente com as caracterı́sticas do processo controlado e o compor-
tamento de controle necessário. Os métodos do último valor máximo ou de média
dos máximos, por exemplo, podem gerar saltos na saı́da do sistema, resultando em
solavancos no controle de atuadores em circuitos, se for o caso.
Como mecanismo de desfuzzyficação do SISCTG é utilizado o cálculo do centro
de gravidade ou centro de massa, por ser uma das técnicas mais utilizadas e bem-
sucedidas para este tipo de aplicação [49].
Figura 4.2: interface do sistema SISCTG.
4.2 O Sistema SISCTG

O sistema de inferência fuzzy para análise de cardiotocografias - SISCTG - classifica
as CTGs, refletindo as regras definidas pelos especialistas da MEAC através de um
sistema de auxı́lio ao diagnóstico baseado em inteligência computacional.
A interface principal do sistema, com todas as informações consideradas pelo
SISCTG para um diagnóstico preciso, está apresentada na Figura 4.2.
A saı́da do SISCTG apresenta um relatório contendo um resumo das variáveis de
entrada do sistema e a classificação do diagnóstico obtida pelo sistema de inferência
nebuloso. Um exemplo deste relatório pode ser visto na Figura 4.3.
Figura 4.3: relatório de saı́da do sistema SISCTG.
4.3 Ambiente da Pesquisa

Para uma completa compreensão da dimensão do projeto SISCTG, é apresentada
toda a solução computacional e de comunicação implantadas na MEAC.
A solução implementada na MEAC objetiva viabilizar a instalação dos sistemas
CTGOnLine e SISCTG na MEAC gerando o menor impacto possı́vel em sua rede de
comunicação de dados. Um diagrama com as principais caracterı́sticas desta solução
está mostrado na Figura 4.4.
Conforme apresentado anteriormente, o sistema CTGOnLine é um sistema baseado
em ambiente web, com o intuito de poder ser acessado de qualquer lugar a qualquer
tempo, permitindo à equipe médica visualizar a execução em tempo real de exames e
também consultar exames previamente realizados.
Como solução de segurança para o tráfego de informações dos pacientes e de seus
Figura 4.4: MEAC - rede de cardiotocógrafos.

exames, o protocolo HTTP (Hypertext Transfer Protocol ) é criptografado através

da utilização da camada SSL (Secure Socket Layer ), passando a utilizar o protocolo
seguro HTTPS. Um certificado digital de 128 bits é emitido pelo fabricante do sistema
e deve ser instalado no browser das estações clientes que acessam o sistema.
Para que o CTGOnLine funcione, é necessária a instalação de um conjunto de
softwares, listados e descritos a seguir.
• Servidor OpenSA baseado no servidor web Apache - é o software servidor de

páginas do sistema. A solução OpenSA é utilizada por já vir com suporte a
HTTP e HTTPS integrados.
• Ferramenta de desenvolvimento ColdFusion Express - é um gerenciador de con-

teúdos com ambiente de desenvolvimento rápido para a internet.
• Gerador de relatórios HTMLDOC - versão gratuita do software para gerar re-

latórios HTML e convertê-los para outros formatos como PDF ou PS.
• Gerenciador de acesso a dispositivos de hardware LabviewVISA - desenvolvido

pela National Instruments, é uma solução proprietária que implementa uma API
(Application Programming Interface) de comunicação com dispositivos com-
putadorizados remotos, quer seja através de comunicação serial, ethernet, dis-
positivos GPIB , dentre outros.
• Sistema para identificação dos conversores RS-232 para Ethernet MOXA - serve
para identificar e configurar os dispositivos conversores existentes na rede.
Com a implantação da infra-estrutura necessária finalizada, passa-se à fase de

pesquisas utilizando o sistema “CTGOnLine” e o conhecimento da equipe médica
especializada da MEAC.
4.4 Metodologia de validação com a Equipe Médica

A validação dos resultados do SISCTG é feita a partir de dados fornecidos pela Trium
e juntamente com a equipe médica da MEAC, mais especificamente, com a equipe
Obstétrica da Enfermaria, chefiada pelo Professor Doutor Francisco Edson Lucena.
Este setor atende e acompanha, em especial, as gestações de risco, sendo o local onde
estão instalados os dois cardiotocógrafos mais utilizados na Maternidade.
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.
SISCTG - Regras de Inferência Fuzzy
Se FCFB é “Bradicardia Acentuada” então DIAG é “Patológico”

Se FCFB é “Taquicardia Acentuada” então DIAG é “Patológico”
Se STV é “Acentuadamente Baixa” então DIAG é “Patológico”
Se STV é “Acentuadamente Alta” então DIAG é “Patológico”
Se ACEL é “Ausente” então DIAG é “Patológico”
Se FCFB é “Normal” E LTV é “Normal” E STV é “Normal” E ACEL é
“Normal” então DIAG é “Normal”
Se FCFB é “Taquicardia Leve” E LTV é “Normal” E STV é “Normal” E
ACEL é “Normal” então DIAG é “Normal”
Se FCFB é “Bradicardia Leve” E LTV é “Normal” E STV é “Normal” E
ACEL é “Normal” então DIAG é “Subnormal”
Se FCFB é “Normal” E LTV é “Baixa” E STV é “Normal” E ACEL é
“Baixa” então DIAG é “Subnormal”
Se FCFB é “Normal” E LTV é “Baixa” E STV é “Baixa” E ACEL é
“Normal” então DIAG é “Subnormal”
Se FCFB é “Normal” E LTV é “Normal” E STV é “Normal” E ACEL é
“Baixa” então DIAG é “Normal”
ACEL é “Normal” então DIAG é “Subnormal”
ACEL é “Baixa” então DIAG é “Subnormal”
Se FCFB é “Taquicardia Leve” E LTV é “Baixa” E STV é “Normal” E
Se FCFB é “Taquicardia Leve” E LTV é “Normal” E STV é “Normal” E
Tabela 4.3: SISCTG - subconjunto de regras de inferência nebulosas.

Capı́tulo 5
Resultados
Os resultados da pesquisa realizada no SISCTG são apresentados em duas etapas.

Na primeira, é abordada uma pesquisa de interpretação visual de 21 exames car-
diotocográficos realizada junto à equipe médica da MEAC. A segunda etapa consiste
em apresentar os resultados do sistema obtidos em uma base de dados contendo 159
cardiotocografias validadas pela empresa Trium.
5.1 Avaliação Visual de Cardiotocografias

Para análise do nı́vel de subjetividade a que a análise visual de exames cardiotocográ-
ficos está sujeita, é realizada uma pesquisa qualitativa na intepretação de 21 exames
de cardiotocografia por parte de 4 especialistas da área de Obstetrı́cia.
A pesquisa é realizada em parceria entre o DETI, a MEAC e a Trium e está divi-
dida em duas partes. A primeira objetiva levantar uma análise qualitativa de vários
quesitos solicitados na classificação de cardiotocografias. Já a segunda parte apre-
senta diversas CTGs para que os especialistas possam fazer a detecção das alterações
e ainda a classificação do estado fetal.
56
Capı́tulo 5: Resultados 57
5.1.1 Análise Qualitativa de CTGs

A análise qualitativa de cardiotocografias tem como objetivo o levantamento de in-
formações conceituais e qualitativas a respeito da análise de CTGs para que possam
servir de base para o desenvolvimento de sistemas computacionais.
Inicialmente, a pesquisa pergunta o padrão de classificação oficial seguido. Apenas
um especialista respondeu que não segue nenhum padrão estabelecido, enquanto os
outros três informaram que seguem, sem especificar qual.
Vale ressaltar que a classificação das desacelerações é um dos pontos mais contro-
versos na análise visual de CTGs. Com isso, o segundo bloco do questionário solicita
que sejam classificados os parâmetros avaliados em uma desaceleração, tanto pela or-
dem em que o médico normalmente avalia o exame, quanto por sua importância. Os
resultados obtidos em relação à ordem de análise dos parâmetros estão sintetizados a
seguir:
• 75% dos pesquisadores analisa em primeiro lugar a correlação entre a FCF e as

contrações uterinas;
• 25% considera que esta correlação deve ser avaliada em terceiro lugar;
• 75% avalia como segundo parâmetro a duração da desaceleração;
• nenhum pesquisador concordou com um mesmo parâmetro em terceiro lugar na

ordem de classificação;
• 75% considera o valor mı́nimo atingido pela FCF como quarto parâmetro a ser
avaliado;
• 50% dos pesquisadores considera como de menor importância a velocidade de

retorno à FCF basal, enquanto que outros 50% consideram como menos impor-
tante o valor atingido pela FCF basal após a desaceleração.
Quanto ao grau de importância do parâmetro na análise de desacelerações, os

principais resultados estão mostrados a seguir:
• 50% dos pesquisadores consideram a correlação com as contrações o parâmetro

mais importante;
• em segundo lugar de importância está a duração da desaceleração;
• um pesquisador considera como de menor importância, em um mesmo nı́vel, a

FCF mı́nima, a profundidade da desaceleração e a FCF basal após a desaceler-
ação;
• o mesmo pesquisador considera em um nı́vel intermediário de importância a

duração da desaceleração, a velocidade de descida e a velocidade de retorno ao
nı́vel basal da FCF;
• no entanto, a velocidade de retorno ao nı́vel basal da FCF é considerada por

50% dos pesquisadores como o fator de menor importância a ser avaliado.
O terceiro e o quarto bloco do questionário são relacionados à classificação de as-

pectos temporais de desacelerações, direcionados a uma pesquisa realizada na empresa
Trium, com o uso de regressões lineares.
O quinto bloco do questionário pergunta se o médico considera a variabilidade
de curto prazo ou STV na análise de CTGs. Na verdade, a STV somente pode ser
avaliada com o uso de cardiotocografia computadorizada, que está instalada a partir
do projeto SICTG na MEAC. Somente um médico informa ter condições de avaliar a
STV, caso esteja disponı́vel. Os outros afirmam não considerar este parâmetro.
Por fim, o último bloco do questionário aborda a identificação de contrações uteri-
nas em relação ao tempo de sua duração. Por vezes, a movimentação fetal pode gerar
alterações no sensor tocográfico, resultando em pequenas ondas no traçado das con-
trações uterinas. Metade dos pesquisadores considera uma contração uterina quando
a duração é maior ou igual a 30 segundos, enquanto um quarto considera somente
com uma duração maior que 45 segundos. O restante não forneceu resposta.
O questionário elaborado e entregue aos especialistas pode ser visto nas Figuras
5.1 e 5.2.
Figura 5.1: pesquisa qualitativa de CTGs - página 1.
5.1.2 Diagnóstico Visual de CTGs

Na segunda parte do questionário entregue aos pesquisadores especialistas em Ob-
stetrı́cia, estão selecionadas 21 cardiotocografias, com alterações significativas na FCF
basal, variabilidade, ocorrências de acelerações e desacelerações.
Solicita-se que sejam preenchidas as seguintes informações para cada CTG: linha
de base da FCF; número de acelerações; viabilidade de se analisar o sinal tocográfico;
número de contrações uterinas; número de desacelerações e seus tipos; variabilidade
de longo prazo ou LTV da FCF; e, finalmente, um diagnóstico do estado fetal. A
Figura 5.3 apresenta um exemplo de CTG.
Para este caso, os resultados obtidos na pesquisa estão descritos a seguir.
Como valor para a linha de base da FCF, as respostas variam de 125 a 135 bpm,
ficando dentro de uma margem aceitável de variação. Para o número de acelerações
Figura 5.2: pesquisa qualitativa de CTGs - página 2.
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”.
Figura 5.3: interpretaçao visual de CTGs.
De uma maneira geral, existem significativas discordâncias em vários dentre os

exames avaliados. Isto, a princı́pio, pode ser avaliado pela inerente subjetividade no
exame visual dos traçados, mas também deve ser considerada a falta de padronização
existente na análise dos exames. A Tabela 5.1 apresenta o grau de concordância, em
forma de percentual, entre os especialistas consultados na pesquisa.
Avançando na interpretação dos dados da Tabela 5.1, tem-se em 28,56% dos ex-
ames uma unanimidade na classificação, o que pode ser encontrado nos ı́tens 1 e 2.
Em 23,80%, referente aos ı́tens 3 e 4, uma classificação (75%) sobressai-se em relação
à outra (25%). Em 38,80% dos casos, ı́tens 5 e 6, há dúvida entre duas classificações
com 50% para cada. Em apenas 9,52% das classificações, ı́tens 7 e 8, uma sobressai-se
relativamente (50%) em relação às outras duas (cada uma com 25%).
Uma vez que havia interesse em utilizar estes questionários também para um
sistema de detecção e classificação de desacelerações, é imporante ressaltar que os 21
Item Percentual de concordância entre os espe- Percentual do

cialistas na classificação do exame total de exames
pesquisados
1 100% definiram como Normal 14,28%
2 100% definiram como Suspeito 14,28%
3 75% definiram como Normal e 25% como Suspeito 14,28%
4 75% definiram como Suspeito e 25% como Pa- 9,52%
tológico
5 50% definiram como Normal e 50% como Suspeito 14,28%
6 50% definiram como Suspeito e 50% como Pa- 23,80%
tológico
7 50% definiram como Normal, 25% como Suspeito 4,76%
e 25% como Patológico
8 25% definiram como Normal, 50% como Suspeito 4,76%
e 25% como Patológico
Tabela 5.1: resultados tabulados da análise visual de CTGs por 4 especialistas.
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.
5.2 Resultados do SISCTG

O SISCTG é testado com o uso de duas bases de dados. A primeira consiste nos
mesmos 21 exames da pesquisa qualitativa, realizada na MEAC, já descrita. Neste
caso, são consideradas as opiniões de 4 especialistas para cada CTG avaliada. A
segunda base de dados é fornecida e rotulada pela empresa Trium, consistindo em
159 CTGs com as informações sobre os parâmetros, porém sem classificação de di-
agnóstico. Deste universo, 59 CTGs são selecionadas aleatoriamente para testes e
modelagem do sistema de inferência. As outras 100 CTGs são utilizadas para teste
de validação do SISCTG, considerando, neste caso, apenas 1 especialista para gerar

suas classificações de referência.
5.2.1 Base de Dados da MEAC

Para análise do primeiro caso, os resultados apresentados na Tabela 5.1 servem como
referência para validação dos dados. Conforme definido com a equipe médica en-
volvida na modelagem do sistema, neste caso, é considerado que se uma classificação
possui um percentual superior ao das outras duas, aquela representa a classificação
adequada para o exame. Para o caso de divisão de 50% entre duas opiniões, pondera-
se, a princı́pio, pela classificação mais grave, como forma de prevenção a problemas
na gestação.
O SISCTG apresenta as seguintes caracterı́sticas de classificação:
• classifica corretamente os casos em que ocorreram unanimidade de opiniões,

equivalente a 28,56% do total, ı́tens 1 e 2 da Tabela 5.1;
• para as classificações baseadas na maioria das opiniões, o SISCTG errou na

classificação de apenas uma entrada, referente ao item 8 da Tabela 5.1, classifi-
cando corretamente todas as outras, referentes aos ı́tens 3, 4 e 7, o que equivale
a 28,57% do total;
• 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.
5.2.2 Base de Dados da Trium

No segundo caso, são avaliadas 100 CTGs da empresa Trium, disponı́veis como parte
do acordo firmado no projeto de pesquisa (maiores detalhes no Apêndice A). Estas
cardiotocografias estão com os parâmetros detectados, mas não possuem classificação

de diagnóstico. Para a classificação destes exames, é utilizado um especialista vincu-
lado à empresa Trium.
A validação desta base trabalha com dois modelos de classificação dos exames.
No primeiro, o especialista classifica todas as CTGs como “Normal”, “Subnormal” e
“Patológica”, resultando em 49 exames classificados como normais, 18 exames como
subnormais e 33 exames classificados como patológicos.
Em um segundo modelo de classificação, o especialista pode ponderar com per-
centuais entre as três opções de classificação. Neste caso, em comparação com o
critério anterior, são determinados 9 exames com classificações ponderadas pelo es-
pecialista. Deste total, 6 são definidos com 50% de possibilidade de ser normal e
50% de ser subnormal, sendo 3 antes definidos como normais e 3 como subnormais.
Finalmente, mais 3 exames, sendo 2 anteriormente classificados como subnormais e 1
como patológico, são definidos com 50% de possibilidade de ser subnormal e 50% de
ser patológico.
Em seguida, o SISCTG analisa os dois tipos de classificações fornecidas pelo es-
pecialista para classificar os mesmos 100 exames.
No caso em que o especialista define a classificação deterministicamente como uma
das três opções possı́veis, o sistema tem um bom desempenho e classifica corretamente
88% dos exames.
Conforme definido com a equipe médica envolvida na modelagem do sistema, no
caso em que o especialista define percentuais entre as três classificações, assumiu-se
que se uma classificação possui um percentual superior ao das outras duas, aquela
representa a classificação adequada para o exame. Para o caso de divisão de 50% entre
duas classificações, escolhe-se a classificação mais grave, como forma de prevenção a
problemas na gestação. O desempenho do sistema é ainda superior, classificando
corretamente 93% dos exames. Isto se dá pelo fato de ser utilizada uma base de
modelagem do sistema composta por 59 exames com significativa diversidade de tipos,
permitindo o refinamento das regras de acordo com o padrão de classificação desejado.
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.
Na Tabela 5.3 estão os percentuais obtidos com a classificação ponderada pelo

especialista, que é o segundo critério descrito anteriormente. Calculando-se a média
dos elementos da diagonal principal da matriz, encontra-se o percentual de 92,6817%,
que corresponde a um valor aproximado do total de acertos do sistema.
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.
É possı́vel verificar pelas duas matrizes apresentadas, que a utilização de valores

ponderados melhora a performance do sistema a partir do momento em que o espe-
cialista considera como indeterminados (com margem de 50% para duas classificações
distintas), alguns exames que anteriormente estavam classificados erroneamente pelo
SISCTG. No presente caso, 3 exames classificados anteriormente pelo especialista

como normais e erroneamente classificados pelo SISCTG como subnormais foram
considerados, no segundo critério, como indeterminados (50% de possibilidade de
serem normais e 50% de serem subnormais) pelo especialista. Da mesma forma, 2
exames anteriormente classificados como subnormais pelo especialista e patológicos
pelo SISCTG, passam a ser considerados indeterminados (50% de possibilidade de
serem subnormais e 50% de serem patológicos) pelo especialista.
A ocorrência de falsos negativos, isto é, classificar um exame patológico como
normal ou subnormal ou ainda classificar um exame subnormal como normal, é um
importante parâmetro para a análise de CTGs. Na Tabela 5.3, por exemplo, aprox-
imadamente 11% dos casos patológicos foram classificados como subnormais. No
entanto, devido à natureza de baixa especificidade de uma CTG, a indicação de es-
tado subnormal já leva a um acompanhamento mais detalhado do feto. Portanto, o
mais grave seria classificar alguma possı́vel alteração como normal.
Ênfase deve ser dada para os resultados bastante significativos e satisfatórios do
sistema, de acordo com a equipe da MEAC, que são a detecção de 100% dos exames
normais como “Normal”, assim como também a inexistência de exames subnormais
ou patológicos classificados como normais.
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”.
Dentro do objetivo de atender à comunidade médica da MEAC e melhorar o

atendimento à população atendida por esta instituição, o sistema atingiu seu intuito.
A equipe médica está apta, após treinamento, a operar o sistema, restando definir
como pode ser feito o treinamento, na operação do sistema, para futuros grupos de
profissionais da instituição.
Capı́tulo 6
Conclusões, Contribuições e
Trabalhos Futuros
A forte subjetividade existente na análise de exames cardiotocográficos, torna-os

propı́cios para o desenvolvimento de sistemas computacionais para auxı́lio ao diagnós-
tico médico. Levando-se em conta a natureza lingüı́stica das variáveis envolvidas em
uma CTG, a lógica fuzzy pode ser usada como alternativa viável de implementação.
O programa desenvolvido no projeto SISCTG auxilia o diagnóstico sobre o estado
fetal, consistindo em um sistema hı́brido com um conjunto de regras determinı́sticas
integrado a um sistema de inferência fuzzy. A saı́da do sistema classifica o estado
fetal como normal, subnormal ou patológico.
6.1 Contribuições do SISCTG

Uma importante contribuição do SISCTG confirma o alto grau de discordância en-
tre diversos especialistas na análise visual dos traçados em uma única CTG, princi-
palmente na ocorrência de alterações significativas no exame, como a existência de
diversas desacelerações, movimentação fetal, dentre outras.
Com os bons resultados obtidos pelo SISCTG nas diversas pesquisas realizadas,
pode-se concluir que o uso deste sistema é eficiente no auxı́lio ao diagnóstico médico de
68
Capı́tulo 6: Conclusões, Contribuições e Trabalhos Futuros 69
cardiotocografias para determinação do estado fetal, constituindo-se como principal

contribuição deste trabalho.
O projeto SISCTG contribui também com a publicação de um artigo no X Con-
gresso Brasileiro de Informática em Saúde - CBIS, intitulado “Sistema de Inferência
Fuzzy para Análise da Freqüência Cardı́aca Fetal em Exames Cardiotocográficos”,
sistema este que leva em consideração somente duas variáveis nebulosas, a FCF basal
e a LTV, para classificação de CTGs [28].
Graças à qualidade das informações apresentadas na saı́da do sistema, o SISCTG
também pode ser utilizado como ferramenta de suporte ao ensino de médicos resi-
dentes e estudantes da MEAC.
6.2 Trabalhos Futuros

Uma implementação futura para o sistema pode ser a classificação dos exames fazendo
o uso de janelas de tempo fixo ou variável, ou seja, em uma CTG de 30 minutos, o
sistema de inferência nebuloso pode ser aplicado com o uso de três janelas de 10
minutos, gerando três diferentes diagnósticos e considerando como resultado uma
ponderação destes três valores. O problema desta abordagem está no método de
validação do resultado, podendo ser criada uma nova pesquisa com o especialista
analisando as três janelas ou apenas levar em consideração somente uma classificação
final do especialista.
Como extensão do SISCTG, já encontra-se em andamento o projeto de expansão
da parceria com a empresa Trium, com a utilização de seu sistema de coleta remota
de cardiotografias, denominado “CTG-Mobile”. Um cardiotocógrafo pode ser levado
para a execução de exames em locais sem a presença de equipes médicas, é interligado
a um software instalado em um equipamento do tipo PocketPC, o qual envia os dados
coletados através de rede celular com suporte a GPRS para um servidor de internet
com o sistema “CTGOnLine”, localizado em Munique, na Alemanha.
Neste projeto ainda será definido como serão acessados os dados coletados. A
Capı́tulo 6: Conclusões, Contribuições e Trabalhos Futuros 70
primeira forma será com a utilização de um usuário e senha no sistema de CTG

computadorizada da própria Trium. A segunda maneira poderá ser com o envio
dos dados coletados em formato próprio para ser importado para o “CTGOnLine”
instalado na MEAC.
Outras abordagens podem ser utilizadas para se analisar computacionalmente as
cardiotocografias. Aspectos de detecção de caracterı́sticas dos exames podem ser
pesquisados com a análise da entropia aproximada da FCF e das variabilidades LTV
e STV. Em outra vertente, uma pesquisa utilizando wavelets para análise no domı́nio
da freqüência da FCF e a detecção e classificação de acelerações e desacelerações
A implementação de redes neurais artificiais (RNAs) para o auxı́lio ao diagnóstico
também deve ser considerada como um possı́vel trabalho futuro. Este tipo de abor-
dagem pode ser utilizada tanto para a determinação do estado fetal de uma maneira
geral, quanto para um detalhamento da patologia presente, se for o caso.
Finalmente, um importante trabalho futuro é a investigação sobre a existência
de correlacionamento entre aspectos maternos e fetais, com foco na análise da vari-
abilidade cardı́aca e da entropia aproximada da variabilidade cardı́aca de ambos. A
análise da variabilidade da freqüência cardı́aca (VFC) materna é verificada no exame
de Holter e a fetal, pela CTG.
Referências Bibliográficas
[1] Alencar Jr, Carlos A. “Assistência Pré-Natal - Manual de Orientação”. Disponı́vel

em: <http://www.febrasgo.org.br>. Acesso em: 01 de novembro de 2006.
[2] American College of Obstetricians and Ginecologists. Medical Library. Disponı́vel

em: <http://www.medem.com>. Acesso em: 10 de outubro de 2006.
[3] Anseschi, M. M. et al. “Validity of short term variation (STV) in detection of

fetal acidemia”. Journal of Perinatal Medicine. Vol. 31. No. 3. pp. 231-236. França.
2003.
[4] Borgatta, L.; Shrout, P. E.; Divon, M. Y. “Reliability and reproducibility of

nonstress test readings”. American Journal of Obstetricians and Gynecologists.
159:554-8. 1988.
[5] Cazares, S. et al. “Automated Identification of Abnormal Cardiotocograms us-

ing Neural Network Visualization Techniques”. Proceedings of the 23rd. Annual
EMBS International Conference. Turquia. 2001.
[6] Cervo, Amado L.; Bervian, Pedro A. “Metodologia Cientı́fica”. 5. ed. São Paulo:
Pearson - Prentice Hall. 242 pp. 2004.
[7] Cha, Sang Choon. Instituto Médico Dr. Fleury.

“Cardiotocografia Computadorizada”. Disponı́vel em:
<http://www.fleury.com.br/mednews/0401/cursomedfetal20.htm>. Acesso
em: 05 novembro 2005.
71
[8] Clı́nica Obstétrica do Hospital das Clı́nicas

da USP. “Cardiotocografia”. Disponı́vel em:
<http://www.hcnet.usp.br/ob/setores/vitalidade/cardiotoco.htm>. Acesso
em: 05 novembro 2005.
[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.
[11] Dawes, G. S.; Houghten, C. R. S.; Redman, C. W. G. “Baseline in human fetal

heart rate records”. BJOG - British Journal of Obstetrics and Gynaecology. V.
89. p. 270. Oxford. Inglaterra. 1982.
[12] Federação Brasileira de Ginecologia e Obstetrı́cia. “Site da FEBRASGO”.

Disponı́vel em: <http://www.febrasgo.org.br>. Acesso em: 01 de novembro de
2006.
[13] FIGO - International Federation of Gynecology and Obstetrics. “FIGO Guide-

lines”. Disponı́vel em: <http://www.figo.org>. Acesso em: 01 de outubro de
2006.
[14] Freeman, Roger K.; Garite, Thomas J.; Nageotte Michael P. “Fetal Heart Rate
Monitoring”. 2. ed. Baltimore: Williams Wilkins. 1991. 230 p.
[15] Geijn, Herman p. van. “Cardiotocography”. Published in Textbook of

Perinatal Medicine. Disponı́vel em: <http://www.obgyn.net/fm/articles/
cardiotocographya998-def.htm>. Acesso em: 04 novembro 2005.
[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.
[17] Hardalaç, F. et. al. “Application of FFT-Analyzed Umbilical Artery Doppler

Signals to Fuzzy Algorithms”. Journal of Medical Systems. pp. 549-559. Vol. 28.
2004.
[18] Hospital Carazinho - Departamento de Obstetrı́cia. “Cardiotocografia”.

Disponı́vel em: <http://www.hospitalcarazinho.com.br/cardiotocografia.htm>.
Acesso em: 10 setembro 2002.
[19] Ingemarsson, Ingemar; Ingemarsson, Eva; Spencer, John A. D. “Fetal Heart

Rate Monitoring - A Practical Guide”. New York: Oxford Medical Publications
- Oxford University Press. 1993. 326 p.
[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.
[21] Jezewski, J. et al. “Interfacing Fetal Monitors in Computerized Cardiotocography

Systems”. Engineering in Medicine and Biology Society. New Opportunities for
Biomedical Engineers. Proc. of the 16th Annual Int. Conf. of the IEEE. pp.
922-923. Vol. 2. 1994.
[22] Jezewski, J., et al. “Comparison of two Computer-Aided Cardiotocography Sys-

tems: The influence of indirectly obtained input traces”. Engineering in Medicine
and Biology Society. Engineering Advances: New Opportunities for Biomedical
Engineers. Proc. of the 16th Annual Int. Conf. of the IEEE. pp. 920-921. vol.2.
1994.
[23] Jezewski, J. et al. “Ergonomic Visualization of Cardiotocographic Data in Com-

puterized Fetal Monitoring Systems”. Proceedings RC-IEEE-RMBS and 14th
BMESI. Polônia. 1995.
[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.
[26] Kosko, B.; Isaka, S. “Fuzzy Logic”. Scientific American. 1993.
[27] Krajewski, J. et al. “Reliable Data Communication in Modular Fetal Monitoring

System”. 18th Annual International Conf. of the IEEE Eng. in Medicine and
Biology Soc. pp. 9-10. Amsterdan. 1996.
[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.
[29] Mendel, J. M. “Fuzzy Logic Systems for Engineering: A Tutorial”. Proceedings

of the IEEE. 1995.
[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.
[32] Magenes, Giovanni; Signorini, Maria G.; Arduini, Domenico. “Classification of

Cardiotocographic Records by Neural Networks”. IEEE-INNS-ENNS Interna-
tional Joint Conference on Neural Networks (IJCNN’00). p. 3637. Vol. 3. 2000.
[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.
[34] Noguchi, Yasuaki; Kobayashi, Hisaaki; Hataoka, Hiroshi. “Integral Function

Method - A new analyzing Method for Fetal Heart Rate Variability”. Proc. IEEE
9th Annual Conf. on EMBS. pp. 1056-1057. Nov. 1987.
[35] Noguchi, Yasuaki; Kobayashi, Hisaaki; Hataoka, Hiroshi. “Frequency Component

of Fetal Heart Rate with Integral Function Method”. Engineering in Medicine and
Biology Society. Proc. of the Annual Int. Conf. of the IEEE. pp. 223-224. Nov.
1988.
[36] Nomura, Rosely M. Y.; et al. “Análise Computadorizada de Cardiotocografia

Anteparto em Gestações de Alto Risco”. Revista Brasileira de Ginecologia e Ob-
stetrı́cia - RBGO. vol. 24, n. 1, pgs. 29 a 36. 2002.
[37] Outram, N.J.; Ifeachor, E. C. “Techniques for detection and classification of

the fetal QRS complex”. IEEE Coll. Application of neural networks to signal
processing. IEE Digest No. 1994/248, pp 10/1-3. Londres. 1993.
[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.
[40] Pincus, Steven M. “Approximate Entropy as a Measure of System Complexity”.

Proc. Natl. Acad. Sci. Vol. 88. pp. 2297-2301. EUA. 1991.
[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.
[42] Richter, E. “Computerunterstützte CTG-Analyse mit Fuzzy-Methoden”. Diplo-

marbeit. Der Bundeswehr Universität München. Alemanha. 2006.
[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.
[45] Salamalekis, E.; Thomopoulos, P.; Giannaris, D. et al. “Computerised Intra-

partum diagnosis of fetal hypoxia based on fetal heart rate monitoring and fetal
pulse oximetry utilising wavelet analysis and SOM neural networks”. Journal of
Obstetrician and Gynecologists Research. No. 32. pp. 135-139. 2002.
[46] Sandri, S.; Correa, C. “Lógica Nebulosa”. V Escola de Redes Neurais - ITA. São
José dos Campos, SP. 1999.
[47] Schlinder, T. “DMW Analysis”. Diplomarbeit. Der Technischen Universität

München. Alemanha.. 2001.
[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.
[49] Silveira, A. M., et al. “Identificação de Abordagens Administrativas: Um ensaio

com Lógica Fuzzy”. Universidade Federal do Pará. Belém, PA. 2005.
[50] Simpson, Kathleen R. “Monitoring the Preterm Fetus Dur-

ing Labor”. The American Journal of Maternal-Child Nurs-
ing. Vol. 29. N. 6. pp 380-388. 2004. Disponı́vel em:
<http://www.nursingcenter.com/prodev/ce article.asp?tid=538035>. Acesso
em: 10 de dezembro de 2006.
[51] Sonicaid. “Oxford System 8002”. Disponı́vel em: <http://www.sonicaid.com>.

Acesso em: 10 setembro 2002.
[52] Trium. “Sistema CTGOnLine”. Disponı́vel em: <http://www.trium.de>. Acesso

em: 10 de novembro 2006.
[53] Ulbricht, Claudia. “Neural networks for recognizing patterns in cardiotocograms”.

Artificial Intelligence in Medicine. Vol. 12. No. 3. pp. 271-84. 1998.
[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;
[55] Zadeh, L. A. “Fuzzy sets”, Inf. Control. 1965.
[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
A Maternidade Escola Assis Chateaubreand - MEAC - é uma instituição vinculada

à Universidade Federal do Ceará que atende à comunidade em geral, com ênfase no
atendimento pelo SUS - Sistema Único de Saúde, o que caracteriza seu público como
de baixa renda e com pouco acesso à informação.
A MEAC conta em sua equipe com professores, médicos, residentes, estudantes
internos, enfermeiras e auxiliares para atender uma demanda de trinta partos por dia,
em média, contando com diversos leitos de enfermaria e salas de parto, além de uma
Unidade de Terapia Intensiva (UTI) neonatal.
A cardiotocografia é um exame muito utilizado na MEAC como apoio à decisão
médica na análise do bem-estar fetal em gravidez de risco. Para isto, a Maternidade
conta com um conjunto de equipamentos cardiotocográficos dos mais variados fabri-
cantes e com caracterı́sticas distintas distribuı́dos no ambulatório, nas salas de parto
e na UTI neonatal.
Até o inı́cio do projeto SISCTG, não existia nenhum sistema de análise computa-
dorizada de exames cardiotocográficos na instituição, nem previsão orçamentária de
aquisição de um sistema desta natureza, dado o alto custo das soluções existentes.
Além disso, não existe sequer um sistema informatizado de registro de exames para
análise histórica dos pacientes.
78
Apêndice A: O Projeto SISCTG 79
A.1 Histórico do Projeto

No ano de 2002 são iniciados os contatos junto à MEAC-UFC para a criação de uma
parceria cientı́fica-tecnológica entre alguns membros de sua equipe médica e o então
Departamento de Engenharia Elétrica da UFC.
O primeiro passo realizado é o mapeamento de possı́veis pesquisas, detectando-se
a possibilidade de trabalhos em várias áreas, desde a análise de exames em fetos até
mesmo a criação de sistemas integrados para a busca de correlações entre alterações
na saúde das mães e dos fetos.
Nesta fase inicial, destaca-se uma demanda no desenvolvimento de um sistema
para análise computadorizada de cardiotocografias. O objetivo é enviar os dados
dos exames para um computador para armazenamento dos dados e análise automati-
zada, uma vez que a as cardiotocografias realizadas são impressas em uma impressora
térmica, não possuindo identificação da paciente e com uma pobre qualidade da im-
pressão, tendendo a se deteriorar com o tempo.
No entanto, uma dificuldade encontrada é a inexistência na MEAC de cardiotocó-
grafos com interfaceamento de comunicação externa, ou seja, os equipamentos exis-
tentes são projetados para funcionar de maneira isolada ou off-line, não permitindo o
envio dos dados obtidos nos exames para um microcomputador ou mesmo para algum
dispositivo de coleta de dados. A Figura A.1 mostra um cardiotocógrafo existente
existente na MEAC e ainda utilizado até hoje.
É importante ressaltar que o exame denominado cardiotocografia computadorizada
já existe e é amplamente utilizado no mundo inteiro, consistindo na utilização de soft-
wares projetados para coletar os dados adquiridos por cardiotocógrafos e deles gerar
determinados nı́veis de interpretação dos sinais, facilitando a detecção de patologias
fetais.
Durante o ano de 2005 são adquiridos pelo Ministério da Saúde e enviados para
a MEAC seis cardiotocógrafos modelo FETALGARD Lite, fabricados pela empresa
norte-americana ANALOGIC CORPORATION e distribuı́dos, no Brasil, quando da
compra, pela empresa DIXTAL Biomédica. Estes equipamentos possuem interfaces
Figura A.1: Cardiotocógrafo existente na MEAC no inı́cio do projeto. Sem interface

de comunicação.
seriais padrão RS-232 para comunicação com microcomputadores, com o objetivo de

enviar os dados coletados nos exames de cardiotocografia. Com estes novos equipa-
mentos, o projeto entre a MEAC e o atual Departamento de Engenharia de Telein-
formática (DETI) é então remodelado.
Inicialmente, são realizados contatos com o fabricante do equipamento nos Esta-
dos Unidos e com o seu representante no Brasil, quando se toma conhecimento que
o próprio fabricante possui um software chamado “Fetalgard Light VIEWER” para
coleta e visualização dos exames em um microcomputador IBM-PC. Este software,
no entanto, é simplesmente um visualizador e não realiza nenhum tipo de análise
no sinal coletado. Além disso, o banco de dados é criptografado, não permitindo a
análise dos sinais sem um acordo comercial com o fabricante. Neste contato, o próprio
fabricante indica a empresa “Trium Analysis Online GmbH ” na Alemanha que de-
senvolve o “CTGOnline”, um sistema para análise e diagnóstico de cardiotocografias
que possui o selo da Comunidade Européia “CE Mark ”, um atestado de qualidade e
de conformidade do sistema para uso com equipamentos médicos.
Através do contato com a empresa Trium, é estabelecida uma parceria de pesquisa
conjunta Brasil-Alemanha.
A.2 A parceria Brasil-Alemanha

A Trium é uma empresa sediada em Munique, na Alemanha, que desenvolve softwares
para análise computadorizada de exames médicos. Dentre eles, está o sistema denom-
inado “CTGOnline”, utilizado para auxı́lio ao diagnóstico médico da área Obstétrica,
avaliando a Frequência Cardı́aca Fetal e as Contrações Uterinas maternas.
Em outubro de 2005, o primeiro contato com a Trium é estabelecido, dando inı́cio
às negociações de parceria que resultam em um acordo de cooperação e pesquisa assi-
nado pela Trium e pela MEAC/DETI/UFC em Fevereiro de 2006. Tal acordo permite
que a MEAC utilize, sem nenhum ônus, uma licença do sistema “CTGOnline” para
o monitoramento computadorizado de seis cardiotocógrafos instalados nos diversos
setores da Instituição. O valor de tal licença, na época da assinatura do acordo, era
de 24.000 (vinte e quatro mil) euros, aproximadamente R$ 72.000,00 (setenta e dois
mil reais).
O projeto previsto no acordo está dividido em sete principais atividades, definidas
da seguinte forma:
1. tradução do software “CTGOnline” para o idioma Português do Brasil.
2. instalação do sistema “CTGOnline” na MEAC/UFC.
3. pesquisa sobre as soluções já existentes.
4. aquisição de dados no Brasil.
5. desenvolvimento de novas implementações e algoritmos.
6. testes e otimização.
7. validação.
O projeto também contempla o intercâmbio de estudantes pesquisadores, com a

vinda de uma estudante de Mestrado da Universidade de Munique e que trabalha na
Trium no perı́odo de Julho a Outubro de 2006, e a ida de um estudante brasileiro
para Munique no ano de 2007.
A.3 Implantação do CTGOnline na MEAC

No perı́odo de Junho a Agosto de 2006 é realizada a instalação do sistema “CT-
GOnline” na MEAC. Diversos problemas são superados, desde à inexistência de um
computador para monitoramento dos cardiotocógrafos, até a falta de cabeamento
para comunicação entre os dispositivos e o referido computador.
Finalmente, em Setembro de 2006, é realizado o primeiro exame de cardiotocografia
computadorizada da MEAC/UFC. Inicialmente, o sistema está monitorando os dois
cardiotocógrafos existentes na Enfermaria, devendo ser instalado também na UTI
neonatal da Instituição.
Vale ressaltar que na MEAC, tanto por motivos de infra-estrutura fı́sica quanto
pela reduzida equipe proporcionalmente ao número de pacientes atendidos, são real-
izados exames de cardiotocografia apenas em pacientes com diagnóstico de gravidez
de risco. Por outro lado, na Alemanha o exame é realizado em todas as gestantes,
como parte do acompanhamento do bem-estar fetal na gravidez.
O sistema traz muitos benefı́cios para a Maternidade, dentre os quais podem ser
citados:
• monitoramento computadorizado dos exames cardiotocográficos.
• acesso remoto aos exames de qualquer parte da MEAC ou mesmo de fora dela.
• criação de uma base digital de exames realizados, substituindo o armazenamento

das cardiotocografias realizadas em papel e com uma identificação manual do
paciente.
• criação de uma ferramenta (SISCTG) de apoio ao ensino aos médicos obstetras

residentes da MEAC.
Apêndice B
Introdução à Lógica Nebulosa
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.
B.1 Pensamento Nebuloso

Aristóteles foi um grande pensador da história humana que viveu no perı́odo de 384
a 322 AC. Foi aluno e seguidor de Platão, que por sua vez foi discı́pulo de Sócrates.
Através da evolução do pensamento da escola filosófica grega, pode ser acompanhada
a evolução do pensamento humano ocidental na busca de explicações sobre a natureza
do homem e do ambiente que o cerca. Esta busca culminou na criação por parte de
Aristóteles de uma lógica denominada bivalente que se baseava em uma classificação
única para tudo o que existisse na natureza. Nesta lógica, cada coisa pertence ou não
83
Apêndice B: Introdução à Lógica Nebulosa 84
pertence completamente a uma classe.

Outro aspecto importante é que Aristóteles era proveniente de uma famı́lia ligada
à medicina, uma área de estudo intrinsecamente observatória à época que buscava
explicações fisiológicas e na natureza para se firmar como ciência. Neste ponto, tam-
bém pode ser ressaltada a necessidade buscada por Aristóteles em se classificar tudo
de uma maneira determinı́stica e única. Ou se é, ou não.
Esta forma de pensar ganhou o nome de Lógica Aristotélica e se baseia em se
dividir tudo em classes muito bem definidas, com todas as coisas pertencendo com-
pletamente ou não a uma determinada classe. É a noção do ser ou não ser, do um
ou zero, do sim ou não. Este pensamento moldou a forma de pensamento ocidental
durante séculos.
Contudo, sempre que um ser humano é convocado a realizar classificações dos
mais variados parâmetros, é comum fazer uso de expressões como “mais ou menos”,
“demais”, “muito pouco”, dentre outras. A Lógica Nebulosa é uma teoria lógica-
matemática que expande o modelo bivalente tradicional e busca modelar matematica-
mente a forma de raciocı́nio humana, isto é, traz a caracterı́stica difusa do pensamento
humano para um conjunto de expressões matemáticas ou computacionais.
Bart Kosko [24] afirma que o mundo é “cinza”, e não “preto e branco”. Esta
metáfora busca levar à reflexão que grande parte das classificações realizadas e, con-
sequentemente, das decisões tomadas usualmente não são bivalentes mas sempre estão
contidas em uma escala gradual de classificação.
Esta linha de pensamento não é uma novidade filosófica. O Buda, um dos grandes
mestres da cultura oriental, afirma diversas vezes em seus ensinamentos, que o modo
de raciocı́nio humano é nebuloso e não determinı́stico. Ele afirmou certa vez que:
Eu não expliquei que o mundo é eterno ou não eterno. Eu não expliquei

que o mundo é finito ou infinito”.
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.
Como exemplo, tem-se que a lógica das linguagens de programação é completa-

mente bivalente, ou seja, valores polarizados como 0 ou 1, sim ou não, são utilizados
para representar o conhecimento. Agora imagine um computador que, ao ser per-
guntado sobre um determinado assunto, por exemplo, a velocidade de rotação de um
cooler, respondesse “estou mais ou menos lento”, ou “estou com pouquı́ssima veloci-
dade”. Não estaria muito mais próximo da forma como uma pessoa responderia?
B.1.1 Imprecisão x Incerteza

Dois conceitos podem ser comparados para que se compreenda melhor onde a teoria
da lógica nebulosa expande a teoria da lógica tradicional: precisão e certeza.
Precisão e certeza são duas coisas intrinsecamente ligadas mas de natureza oposta.
Quanto mais preciso se é, maior a probabilidade de se estar errado ou incerto. Quanto
mais certo se está, mais imprecisa a informação pode ser.
Por exemplo, quando se diz que Lofti Zadeh lançou as bases para a criação da lógica
nebulosa no século passado, esta informação temporal é extremamente imprecisa mas
completamente certa. Na medida em que se deseja aumentar a precisão, informando
a década, o ano ou mesmo o mês em que ele o fez, está se aumentando a precisão mas
a possibilidade de incerteza aumenta.
A teoria de conjuntos e a teoria das probabilidades são as bases clássicas mais
utilizadas para tratar desses nı́veis de incerteza e imprecisão tão caracterı́sticos dos
problemas comuns com que o homem se depara. Entretanto, existem conteúdos infor-
macionais que não são captados pela noção bivalente da teoria dos conjuntos nem pela
noção frequentista da teoria probabilı́stica. São os conteúdos difusos do pensamento
humano.
A teoria da lógica nebulosa ou teoria dos conjuntos nebulosos abrange esta vacuidade
de informações que as teorias tradicionais ou clássicas não conseguem captar. É a par-
tir da modelagem que se inicia o tratamento de um problema nebuloso.
B.2 Caracterização de um Problema Nebuloso

Ao iniciar uma análise de problemas comuns sob a luz da lógica nebulosa, vê-se que
sua aplicação é intrinsecamente realizada pelos seres humanos e não é contemplada
caso seja utilizada a lógica aristotélica tradicional.
Normalmente o pensamento humano cria uma escala de valoração para suas clas-
sificações. Raramente vê-se alguém respondendo alguma coisa com precisão e certeza
simultaneamente. Este comportamento é mais encontrado em computadores que pen-
sam através da lógica bivalente. O pensamento nebuloso está presente no dia-a-dia.
Para compreender melhor esta abordagem, tome-se como exemplo a caracteriza-
ção de uma população de fumantes e não fumantes em uma comunidade. Pela lógica
aristotélica, caso uma pessoa ingerisse apenas um cigarro por dia deveria já ser clas-
sificada como fumante. Não existe nenhum grau de transição entre “ser fumante” e
“ser não fumante”.
Mesmo transformando esta classificação em um padrão menos rı́gido, alterando-se
o limite inicial para uma pessoa ser considerada fumante somente caso ingerisse dez
cigarros ou mais por dia, a lógica tradicional leva a classificar uma pessoa que fuma
nove cigarros igualmente àquela que fuma apenas um cigarro diariamente.
Abordar o problema pela teoria dos conjuntos tradicional possibilita mostrar grafi-
camente o pensamento da lógica aristotélica, conforme pode ser visto na Figura B.1.
Existe o conjunto de fumantes e o de não fumantes mutuamente excludentes, ou seja,
se o indivı́duo pertence a um, automaticamente é considerado que não pertence ao
outro.
Modelando este mesmo problema pela lógica nebulosa, o primeiro passo seria criar
os nı́veis de classificação para o que é “ser fumante”. Podem, por exemplo, ser criados
cinco grupos de fumantes de acordo com a quantidade do consumo de cigarros por
dia. Este modelo poderia ser modelado com as classificações:
• Baixı́ssimo Consumo - 0 a 2 cigarros por dia
• Baixo Consumo - 1 a 5 cigarros por dia

Figura B.1: Dado o Universo U, seja o conjunto A representando os fumantes e B os

não fumantes.
• Médio Consumo - 4 a 12 cigarros por dia
• Alto Consumo - 8 a 18 cigarros por dia
• Altı́ssimo Consumo - mais que 15 cigarros por dia
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.
Figura B.2: Representação gráfica da população de fumantes
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.
B.3 Teoria dos Conjuntos Nebulosos

A Teoria dos Conjuntos Nebulosos é a fundamentação para o tratamento matemático
de sistemas fuzzy. Enquanto na teoria dos conjuntos CRISP é estabelecida a noção
de que um elemento somente pertence ao conjunto “A” ou ao seu complemento, o

conjunto “Não A”, na teoria dos conjuntos nebulosos, um mesmo elemento pode per-
tencer tanto a “A” quanto a “Não A”, de acordo com uma grandeza denominada grau
de pertinência.
Analisando-se matematicamente a teoria de conjuntos tradicionais ou CRISP,
pode-se representar a função caracterı́stica de um elemento X no universo U como
A : X[0, 1], onde:
A(X) = 1; se e somente se X ∈ A
A(X) = 0; se e somente se X ∈
/A
Já um conjunto nebuloso A do universo de discurso U é definido por uma função

de pertinência µA (x) : U [0,1]. Esta função associa cada elemento x de U a um valor
de A(x), que represente o nı́vel em que x pertence a A. Caso:
µA (x) = 1; x pertence completamente a A

0 < µA (x) < 1; x pertence parcialmente a A
µA (x) = 0; x nao pertence a A
Estas duas definições, apesar de a princı́pio parecerem completamente distintas

são na verdade complementares, uma vez que é possı́vel verificar que a definição de
conjunto nebuloso é uma generalização da teoria dos conjuntos CRISP para o caso
em que a pertinência µA (x) assume apenas os valores 0 ou 1. Em outras palavras,
a teoria dos conjuntos CRISP pode ser considerada um caso particular da teoria dos
conjuntos nebulosos.
Para uma perfeita compreensão dos conjuntos fuzzy, o conceito de função de per-
tinência é fundamental, por isso na próxima seção será realizada uma discussão mais
detalhada sobre o assunto.
B.4 Funções de Pertinência

É através das funções de pertinência que o conceito de informação difusa ou nebulosa
é extraı́do de um sistema. A função de pertinência µA (X) representa um valor do
conjunto nebuloso “A” para o caso em que a variável lingüı́stica assume o valor “X”.
A partir das definições anteriores, pode-se afirmar que a função de pertinência pode
ser definida como uma expressão do nı́vel de compatibilidade entre X e o conjunto A,
onde 0 quer dizer que X é não compatı́vel com A e 1, seu valor máximo, significa que
X é completamente compatı́vel com A.
A noção de compatibilidade (ao invés da noção de estar contido ou não estar
contido) torna mais simples de se compreender o conceito de pertinência. Pode-
se, assim, dizer que um elemento é parcialmente compatı́vel com um ou com outro
conjunto nebuloso.
A Figura B.3 mostra mais um exemplo de variável lingüı́stica: “Temperatura
Ambiente”. Da mesma forma que o conjunto da população de fumantes apresentado
anteriormente, esta variável também será representada por cinco conjuntos nebulosos,
que são: [Baixı́ssima, Baixa, Média, Alta, Altı́ssima].
Tomando-se, por exemplo, a temperatura de 14 graus, vê-se que podem ser de-
terminados dois valores de pertinência distintos para esta mesma temperatura, sendo
um para o conjunto de temperaturas baixas e outro para o conjunto de temperaturas
médias.
µT EM P ERAT U RAS BAIXAS (14 graus) = 0, 25;
µT EM P ERAT U RAS M ÉDIAS (14 graus) = 0, 50;
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.
Figura B.3: Conjuntos Fuzzy para a variável Temperatura Ambiente.
Analisando-se ainda a Figura B.3, vê-se que as funções de pertinência representam

todos os valores que uma pertinência pode assumir para um determinado conjunto
nebuloso, variando no intervalo de 0 a 1.
Neste exemplo, os cinco conjuntos foram representados por funções triangulares,
tendo cada conjunto nebuloso apenas um valor com pertinência máxima:
µT EM P ERAT U RAS ´
BAIX ISSIM AS (0 graus) = 1;
µT EM P ERAT U RAS BAIXAS (10 graus) = 1;
µT EM P ERAT U RAS M ÉDIAS (20 graus) = 1;
µT EM P ERAT U RAS ALT AS (30 graus) = 1;
µT EM P ERAT U RAS ´
ALT ISSIM AS (40 graus) = 1;
No entanto, as funções de pertinência podem assumir não somente formas tri-

angulares como as apresentadas até o momento, mas também formas trapezoidais
ou gaussianas. A escolha do tipo de função adequada para cada conjunto depende
intrinsecamente do problema avaliado.
As Figuras B.4 e B.5 apresentam dois exemplos de funções de pertinência com
formas diversas que podem ser utilizadas para representar variáveis lingüı́sticas.
Figura B.4: Conjuntos nebulosos representados por funções de pertinência trape-

zoidais.
Figura B.5: Conjuntos nebulosos representados por funções de pertinência gaussianas.
Compreendido o conceito de conjuntos nebulosos e as funções de pertinência que

os representam, na próxima seção serão definidas as operações básicas sobre estes
conjuntos definidas pela teoria da Lógica Nebulosa.
B.5 Operações sobre Conjuntos Nebulosos

A teoria original dos conjuntos fuzzy foi formulada com base na definição de três
operações especı́ficas:
Complemento:
µA0 (X) = 1 − µA (X);
União:
µA∪B (X) = max[µA , µB ];
Interseção:
µA∩B (X) = min[µA , µB ];
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.
B.6 Exemplo de Sistema de Inferência Nebuloso

Uma análise gráfica da implementação de um sistema de inferência fuzzy pode en-
riquecer o entendimento de seu funcionamento.
Seja um sistema de inferência fuzzy baseado no modelo de Mamdani com duas
variáveis de entrada, A e B e uma variável de saı́da, C. As variáveis, suas funções de
pertinência e o conjunto de regras de inferência estão definidos a seguir.
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.
Figura B.6: Variável de Entrada A, com valores definidos no intervalo de 0 a 100
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.
Figura B.7: Variável de Entrada B, com valores definidos no intervalo de 0 a 200
Variável de saı́da C - Variável fuzzy com três conjuntos nebulosos, todos com
função de pertinência do tipo triangular, com os intervalos definidos de acordo com

a Figura B.8.
Figura B.8: Variável de Saı́da C, com valores definidos no intervalo de 0 a 50
Com o resultado das regras de inferências sendo normalmente um conjunto tam-

bém fuzzy, o próximo passo é obter uma saı́da real ou escalar do sistema utilizando-se,
se necessário, um desfuzzificador, cujas técnicas serão abordadas na seção seguinte.
B.6.1 Módulo Desfuzzificador

Por último, o bloco desfuzzificador faz o mapeamento da saı́da nebulosa da máquina
de inferência em um número real.
Na verdade, existem dois modelos de saı́das para sistemas fuzzy, classificados de
acordo com a necessidade ou não de se ter um módulo Desfuzzificador.
Sistemas baseados nos modelos de Takagi-Sugeno e o de Tsukamoto possuem
saı́das obtidas por técnicas de interpolação, utilizando funções matemáticas lineares
ou não lineares, geralmente monotônicas, para apresentar um número real que já
representa uma saı́da para o sistema. Estes modelos são muito utilizados na área de
controle industrial [46].
Já os sistemas baseados no modelo definido inicialmente por Mamdani têm como
saı́da também um conjunto fuzzy, o que torna necessária a definição de uma técnica de
desfuzzificação, que consiste em ser especificado um ponto no conjunto que represente

a interpretação em forma de um número real da saı́da do sistema nebuloso.
Várias técnicas podem ser utilizadas para encontrar este valor de saı́da. Dentre
eles podem ser citados: dentro de gravidade, centro ponderado e o valor máximo.
Continuando com o exemplo apresentado, supondo que o mesmo é baseado no
modelo de Mamdani, sejam dois possı́veis valores para os conjuntos de entrada A e
B, e um conjunto de regras de inferência com 5 regras. Para cada regra, um conjunto
nebuloso de saı́da será encontrado, identificados como C1 a C5, conforme pode ser
visto na Figura B.9.
Para o caso em que as variáveis de entrada A e B assumem os valores a seguir:
A = 10 =⇒ pertence aos conjuntos “Pouco” e “Pouquı́ssimo” da Variável A;
B = 50 =⇒ pertence aos conjuntos “Baixo” e “Médio” da Variável B;
A aplicação dos máximos destes conjuntos resultará em um conjunto C. O método
do Centro de Gravidade aplicado a este conjunto, resultará em um valor real para os
valores de entrada do exemplo:
C = 7.94 =⇒ pertencendo aos conjuntos “Normal” e “Atenção” da Variável C;
B.7 Aplicações de Lógica Nebulosa

O uso de sistemas baseados em lógica nebulosa já é uma realidade nas mais variadas
áreas de aplicação. Alguns exemplos são:
• Engenharia de controle [38]
• Reconhecimento de padrões [58]
• Sistemas de tomadas de decisão em ambientes organizacionais [49]
• Engenharia Biomédica [54]
• Visão computacional [56]

Figura B.9: Aplicação do modelo de Mamdani a um conjunto de regras de inferência.
Com o intuito de mostrar o crescimento nos estudos e na aplicabilidade na lógica

por ele delineada, Lofti Zadeh [57], fez um levantamento, até o final do século passado,
do número de artigos sobre lógica nebulosa nas publicações INSPEC e Mathematical
Science, que pode ser visto na Tabela B.1.
O aumento significativo das publicações é um indicativo de como as pesquisas
envolvendo lógica nebulosa estão em ascendência, podendo-se destacar as áreas de
Controle Nebuloso e de Engenharia Biomédica.
B.7.1 Controle Nebuloso

A lógica fuzzy busca moldar a experiência e o comportamento na tomada de decisões
dos seres humanos. Com isso, a área de Controle de Sistemas tornou-se uma das mais
profı́cuas no desenvolvimento de aplicações utilizando lógica nebulosa.
Em Pedrycz [38] e [39] e Zadeh [56] podem ser encontradas diversas aplicações na
área, ressaltando o alto nı́vel de aceitabilidade deste tipo de controlador.
Revista: INSPEC Tema: Fuzzy

1970-1980 566
1980-1990 2.361
1990-2000 23.753
Total: 26.680
Revista: Math.Sci.Net Tema: Fuzzy
1970-1980 453
1980-1990 2.476
1990-2000 8.428
Total: 11.357
Revista: INSPEC Tema: Soft Computing
1990-2000 1.994
Tabela B.1: Crescimento do número de publicações em Lógica Fuzzy.
Zimmermann [58] faz um comparativo entre controladores lógicos nebulosos e sis-

temas especialistas, diferenciando as principais caracterı́sticas de aplicabilidade de
ambos. Como exemplo é descrita a origem dos sistemas fuzzy a partir da área de
Engenharia enquanto a dos sistemas especialistas na área de inteligência artificial, o
que torna o primeiro, por concepção, mais apto para trabalhar na área de sistemas
de controle.
B.7.2 Engenharia Biomédica

A área médica é um outro campo de aplicação muito vasto para a lógica nebulosa,
uma vez que diagnósticos médicos envolvem muitos aspectos de imprecisão e incerteza,
dado o grande número de variáveis envolvidas para a determinação de cada um deles.
Outros aspectos como a classificação de uma patologia, a forma como são ministradas
as terapias medicamentosas, dentre outros, também são caracterı́sticas que facilmente
se encaixam na classificação de variáveis nebulosas. Daı́ o desenvolvimento crescente
de sistemas utilizando a lógica fuzzy na área de Engenharia Biomédica.
Na medicina fetal especificamente, também estão sendo realizadas pesquisas na
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.

Jo A o Alexandre L o Bo Marques

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Jo A o Alexandre L o Bo Marques

Caricato da

Copyright:

Formati disponibili

UNIVERSIDADE FEDERAL DO CEARÁ

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE

João Alexandre Lôbo Marques

SISCTG - UM SISTEMA INTELIGENTE PARA

SISCTG - UM SISTEMA INTELIGENTE PARA

Dissertação submetida ao corpo docente da Coordenação do Pro-

Área de concentração: Sinais e Sistemas

Paulo César Cortez

João Alexandre Lôbo Marques

Dissertação de Mestre em Engenharia de Teleinformática aprovada em 26/02/2007.

Paulo César Cortez

Dr. Guilherme de Alencar Barreto

Dr. Rubens Viana Ramos

Dr. Leonardo Vidal Batista

Dr. Francisco Edson de Lucena Feitosa

Lista de Tabelas vii

6 Conclusões, Contribuições e Trabalhos Futuros 68

B Introdução à Lógica Nebulosa 83

2.1 critérios estabelecidos pela FIGO. . . . . . . . . . . . . . . . . . . . . 23

4.1 SISCTG - critérios definidos pela MEAC. . . . . . . . . . . . . . . . . 42

5.1 resultados tabulados da análise visual de CTGs por 4 especialistas. . 62

B.1 Crescimento do número de publicações em Lógica Fuzzy. . . . . . . . 98

1.1 sinais de FCF e UC de um CTG. . . . . . . . . . . . . . . . . . . . . 2

2.1 cardiotocografia tı́pica. . . . . . . . . . . . . . . . . . . . . . . . . . . 10

4.1 diagrama em blocos de um sistema de inferência nebuloso. . . . . . . 40

5.1 pesquisa qualitativa de CTGs - página 1. . . . . . . . . . . . . . . . . 59

A.1 Cardiotocógrafo existente na MEAC no inı́cio do projeto. Sem interface

B.1 Dado o Universo U, seja o conjunto A representando os fumantes e B

correlacionada com as contrações uterinas maternas (UC - Uterine Contractions) per-

mite gerar diagnósticos e a conseqüente antecipação de problemas diversos relativos

ao bem estar fetal e à preservação de sua vida. O presente trabalho apresenta os

resultados de um sistema hı́brido baseado em regras determinı́sticas e em um módulo

de inferência nebuloso (fuzzy) para análise de sinais de FCF e UC coletados através

de exames denominados cardiotocografias (CTG). As variáveis analisadas são o valor

basal da FCF, sua variabilidade de curto e de longo prazo, acelerações transitórias e

A saı́da do sistema é o diagnóstico em primeiro nı́vel, baseado nas informações das

variáveis de entrada definidas. O sistema SISCTG é desenvolvido na linguagem de

scripts do programa Matlab versão 7. Modelagens e testes são realizadas utilizando-se

do Ceará (UFC), através do Departamento de Engenharia de Teleinformática (DETI)

e da Maternidade-Escola Assis Chateaubriand (MEAC), a Technische Universität

München (TUM), a Bundeswehr Universität München e a empresa Trium Analysis

cando todos os exames normais corretamente. Este é o comportamento esperado, uma

trar indı́cios de patologias, sem a necessidade de identificá-las precisamente. Estes

resultados permitem projetar o aperfeiçoamento deste sistema com a inserção, por

exemplo, de novas variáveis de entrada. São realizados procedimentos de validação

com múltiplos especialistas na área obstétrica tanto no Brasil quanto na Alemanha.

Dedico um agradecimento especial ao Professor Paulo César Cortez, um mestre

Figura 1.1: sinais de FCF e UC de um CTG.

Este equipamento registra eletronicamente, de forma sucessiva e simultânea, além do

freqüência cardı́aca fetal; variabilidades de longo e de curto prazo; aceleração tran-

fetal para auxı́lio ao diagnóstico médico.

• O American College of Obstetricians and Gynaecologists - ACOG, instituição

• O Royal College of Obstetricians and Ginecologists - RCOG, instituição inglesa

• A Federação Brasileira de Ginecologia e Obstetrı́cia - FEBRASGO, que em

Além disso, a própria Maternidade-Escola Assis Chateaubriand (MEAC), insti-

Diante do exposto, há uma forte necessidade de se aumentar a precisão e con-

1.2 Organização desta Dissertação

com a definição de sua interface de entrada e saı́da.

através de equipamentos denominados cardiotocógrafos, e com um grau de precisão

2.2 Histórico do Monitoramento Fetal

fortemente influenciada pelos batimentos cardı́acos maternos.

Figura 2.1: cardiotocografia tı́pica.

registradores que ficam de posse da mãe. A cada movimento do feto, o acionador