Com o advento da tecnologia, foi possível desenvolver novas ferramentas para auxiliar nas necessidades do ser humano. Foram observados grandes avanços na área da saúde, principalmente em relação à prevenção de problemas e ao monitoramento do quadro clínico. Este trabalho apresenta um estudo realizado com base em problemas cardíacos, sendo os principais tipos de arritmia os temas principais. A pesquisa aborda o aprendizado de máquina para a identificação de padrões em eletrocardiogramas (ECG) através da análise de métricas estatísticas. Os efeitos de distorção do sinal foram simulados através da adição de ruído artificial, possibilitando a avaliação da influência sobre os resultados finais.

O principal objetivo deste projeto de pesquisa foi a análise do efeito que o pré-processamento dos sinais possui sobre o desempenho de classificadores associados ao aprendizado de máquina. A base de dados de arritmias do Massachusetts Instituteof Technology – Beth Israel Hospital (MIT-BIH)foi a principal fonte de dados para que os sinais de ECGs fossem extraídos. Após a segmentação dos sinais, diferentes atributos e métricas foram adotadas para que o reconhecimento de padrões fosse realizado. A adição de ruído e o processo de filtragem possibilitaram a comparação dos resultados com diferentes pré-processamentos e consistiram na última etapa da pesquisa.

Os resultados finais demonstraram que a distância entre picos R e os máximos locais foram atributos essenciais, além de serem observadas mudanças significativas na precisão e na sensibilidade do classificador adotado. As métricas indicaram que a técnica de support vector machines(SVM) pode ser utilizada para auxiliar em diagnósticos de arritmias cardíacas, assim como uma quantidade maior de dados pode oferecer resultados mais promissores.