Detecção e remoção de artefatos em biosinais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/248653 |
Resumo: | 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. |
id |
URGS_00bfc745afa2135fcb60afd2ff717cd5 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/248653 |
network_acronym_str |
URGS |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
repository_id_str |
1853 |
spelling |
Fagundes, Renan dos SantosBrusamarello, Valner Joao2022-09-10T05:15:25Z2018http://hdl.handle.net/10183/248653001146285O 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.The monitoring of biosigns is used in hospitals, ambulatory and wearable equipment. A recurring problem in all of them is movement artifacts. In hospitals and clinics these are the main causes of false alarms. In this work, we explore two faces of the use of biosignals, detection of signals contaminated with artifact, and a removal of artifacts from biosignals. The challenge in detecting artifacts is to use only statistical measures to characterize the artifact so that the system can be generalized to other bi0signals in the future. Thus, a Support Vector Machine was proposed to classify the signals in with artifact or without artifact, this classifier reached an accuracy of 97%. The challenge of artifact removal is greater than detection, so two solutions were proposed, the first one based on Ensemble Empirical Mode Decompositions - EEMD, which improved the quality of the signal mainly in the most degraded signals and the second solution based on blind source separation has improved signal quality in all cases.application/pdfporProcessamento de sinaisSinais vitaisAprendizado de máquinaMachine learningSupport vector machineSignal decompositionEnsemble empirical mode decompositionJoint blind sources separationMult-set canonical correlation analysisDetecção e remoção de artefatos em biosinaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPrograma de Pós-Graduação em Engenharia ElétricaPorto Alegre, BR-RS2018mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001146285.pdf.txt001146285.pdf.txtExtracted Texttext/plain185323http://www.lume.ufrgs.br/bitstream/10183/248653/2/001146285.pdf.txte57c2bff5111283fc2b6c4162bc2da54MD52ORIGINAL001146285.pdfTexto completoapplication/pdf3638337http://www.lume.ufrgs.br/bitstream/10183/248653/1/001146285.pdff6d59fee4f7a2a408ba0a538c958c58bMD5110183/2486532022-09-11 05:09:23.73523oai:www.lume.ufrgs.br:10183/248653Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532022-09-11T08:09:23Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Detecção e remoção de artefatos em biosinais |
title |
Detecção e remoção de artefatos em biosinais |
spellingShingle |
Detecção e remoção de artefatos em biosinais Fagundes, Renan dos Santos Processamento de sinais Sinais vitais Aprendizado de máquina Machine learning Support vector machine Signal decomposition Ensemble empirical mode decomposition Joint blind sources separation Mult-set canonical correlation analysis |
title_short |
Detecção e remoção de artefatos em biosinais |
title_full |
Detecção e remoção de artefatos em biosinais |
title_fullStr |
Detecção e remoção de artefatos em biosinais |
title_full_unstemmed |
Detecção e remoção de artefatos em biosinais |
title_sort |
Detecção e remoção de artefatos em biosinais |
author |
Fagundes, Renan dos Santos |
author_facet |
Fagundes, Renan dos Santos |
author_role |
author |
dc.contributor.author.fl_str_mv |
Fagundes, Renan dos Santos |
dc.contributor.advisor1.fl_str_mv |
Brusamarello, Valner Joao |
contributor_str_mv |
Brusamarello, Valner Joao |
dc.subject.por.fl_str_mv |
Processamento de sinais Sinais vitais Aprendizado de máquina |
topic |
Processamento de sinais Sinais vitais Aprendizado de máquina Machine learning Support vector machine Signal decomposition Ensemble empirical mode decomposition Joint blind sources separation Mult-set canonical correlation analysis |
dc.subject.eng.fl_str_mv |
Machine learning Support vector machine Signal decomposition Ensemble empirical mode decomposition Joint blind sources separation Mult-set canonical correlation analysis |
description |
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. |
publishDate |
2018 |
dc.date.issued.fl_str_mv |
2018 |
dc.date.accessioned.fl_str_mv |
2022-09-10T05:15:25Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/248653 |
dc.identifier.nrb.pt_BR.fl_str_mv |
001146285 |
url |
http://hdl.handle.net/10183/248653 |
identifier_str_mv |
001146285 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
collection |
Biblioteca Digital de Teses e Dissertações da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/248653/2/001146285.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/248653/1/001146285.pdf |
bitstream.checksum.fl_str_mv |
e57c2bff5111283fc2b6c4162bc2da54 f6d59fee4f7a2a408ba0a538c958c58b |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
lume@ufrgs.br||lume@ufrgs.br |
_version_ |
1810085595297349632 |