Seleção de Hiperparâmetros para o Treinamento das Arquiteturas de Rajpurkar et al. e Ribeiro et al. voltadas à Classificação de Patologias Cardíacas

Roberto Marafon Leandro, Sarah Morgana Meurer, Daniel G. de P. Zanco, Eduardo Vinícius Kuhn, Ranniery Maia

DOI: 10.14209/sbrt.2023.1570915948

Evento: XLI Simpósio Brasileiro de Telecomunicações e Processamento de Sinais (SBrT2023)

Keywords: Busca exaustiva classificação multirrótulo eletrocardiograma

Abstract

Este artigo apresenta uma abordagem sistemática para a seleção de hiperparâmetros no treinamento de duas arquiteturas relevantes de aprendizado profundo da literatura, usadas na classificação de patologias cardíacas. Especificamente, utilizando a base de dados multirrótulo PTB-XL ECG e métricas apropriadas, foi desenvolvido um script em Python para realizar uma busca exaustiva em grade sobre um espaço pré-definido de valores para os hiperparâmetros. Os resultados mostram um desempenho similar para ambas as arquiteturas quando valores apropriados de hiperparâmetros são utilizados.

Download