Combinando Técnicas de Mineração de Dados para Melhorar o Processo de Detecção Automática de Arritmia Cardíaca

Algoritmos de Classificacao Automatica sao ferramentas promissoras no auxilio de diagnosticos de Arritmia Cardiaca (AC), entretanto sofrem com dois problemas: (1) muitos atributos numericos gerados na decomposicao de um Eletrocardiograma (ECG); e (2) o numero de pacientes com ACs e muito menor do que aqueles tidos como normais (bases desbalanceadas). Nesse trabalho, combinamos tecnicas de mineracao de dados (i.e. clustering, feature selection e oversampling) para criar modelos de classificacao mais eficazes. Em nossas avaliacoes, utilizando uma colecao da UCI, melhoramos significativamente a eficacia do algoritmo Random Forest, alcancando uma acuracia de 88%, valor superior ao melhor ja reportado na literatura.