Detecção e remoção de artefatos em biosinais

• Ano de defesa: 2018
• Autor(a) principal: Fagundes, Renan dos Santos
• Orientador(a): Brusamarello, Valner Joao
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Processamento de sinais; Sinais vitais; Aprendizado de máquina
• Palavras-chave em Inglês: Machine learning; Support vector machine; Signal decomposition; Ensemble empirical mode decomposition; Joint blind sources separation; Mult-set canonical correlation analysis
• Link de acesso: http://hdl.handle.net/10183/248653

O monitoramento de biosinais é usado em hospitais, ambulatórios e dispositivos vestíveis, para diversos fins. Um dos problemas recorrentes em todas eles são os artefatos de movimentos. Os artefatos de movimentos estão entre as principais causas de alarmes falsos nos hospitais e ambulatórios. Neste trabalho são explorados dois aspectos do uso de biosinais, a detecção de sinais contaminados com artefato, e a remoção de artefatos dos biosinais. O desafio na detecção de artefatos é utilizar apenas medidas estatísticas, para caracterizar o artefato, para que o sistema possa futuramente ser generalizado par outros biosinais. Assim foi proposta uma Máquina de Vetores de Suporte para classificar os sinais em "com artefato" ou "sem artefato", este classificador atingiu acurácia de 97%. Na remoção de artefatos os desafios são maiores, para tanto foram propostas duas solu- ções a primeira baseada em decomposição Ensemble Empirical Mode Decompositions - (EEMD), que melhorou a qualidade do sinal principalmente nos sinais mais degradados, e a segunda solução baseada em separação cega de fontes que melhorou a qualidade do sinal em todos os casos.