Codificação e compressão iterativa de sinais biomédicos

Detalhes bibliográficos
Autor(a) principal: Luiz Fernando Oliveira Corte Real
Data de Publicação: 2013
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://doi.org/10.11606/D.45.2013.tde-20082013-155137
Resumo: Em Biomedicina, a detecção e a quanticação de anormalidades presentes num sinal são desejáveis. Uma estratégia de codicação baseada em extração de características, tais como picos ou frequências, pode não capturar todas as irregularidades. Assim, uma representação baseada em funções de base denidas com conhecimento a priori do sinal pode ser mais precisa para aplicações biomédicas. A escolha das funções base depende da natureza siológica do sinal e de suas peculiaridades. Sinais de eletrocardiograma (ECG) e eletroencefalograma (EEG) exibem características bem denidas. ECG, por exemplo, é um sinal elétrico composto de uma forma de onda especíca (P, QRS e T). Se as características de um sinal a ser sintetizado são bem compreendidas, é possível derivar uma assinatura para o sinal. Uma codicação apropriada permite a extração de parâmetros relevantes para sua análise, tais como anormalidades num ciclo cardíaco representadas por uma alteração no sinal de ECG, ou então uma excitação das ondas cerebrais representada por uma modicação no sinal de EEG. O objetivo deste projeto é introduzir uma nova técnica de codicação de sinais, que representa um sinal pela soma de funções sigmoides para aproximar iterativamente o sinal medido, com foco em aplicações biomédicas. Funções sigmoides tendem a reproduzir bem as grandes variações presentes em sinais biomédicos, daí a escolha de usá-las na codicação deste tipo de sinal. Serão explorados o nível de compressão dos dados, bem como a taxa de convergência. A técnica desenvolvida será comparada com técnicas convencionais de codicação e sua robustez será avaliada. Uma estratégia de codicação ótima pode trazer benefícios não só para a compressão, mas também na criação de assinaturas de sinais representando tanto condições siológicas normais como patológicas.
id USP_ba39534baf638a7886be5b9c669f0d41
oai_identifier_str oai:teses.usp.br:tde-20082013-155137
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis Codificação e compressão iterativa de sinais biomédicos Iterative encoding and compression of biomedical signals 2013-03-08Marcel Parolin JackowskiMarco Antonio GutierrezRoberto Hirata JuniorLuiz Fernando Oliveira Corte RealUniversidade de São PauloCiência da ComputaçãoUSPBR Biomedical Signals Classificação de Sinais Codificação de Sinais Compressão Compression ECG ECG EEG EEG Processamento de Sinais Signal Classication Signal Encoding Signal Processing Sinais Biomédicos Em Biomedicina, a detecção e a quanticação de anormalidades presentes num sinal são desejáveis. Uma estratégia de codicação baseada em extração de características, tais como picos ou frequências, pode não capturar todas as irregularidades. Assim, uma representação baseada em funções de base denidas com conhecimento a priori do sinal pode ser mais precisa para aplicações biomédicas. A escolha das funções base depende da natureza siológica do sinal e de suas peculiaridades. Sinais de eletrocardiograma (ECG) e eletroencefalograma (EEG) exibem características bem denidas. ECG, por exemplo, é um sinal elétrico composto de uma forma de onda especíca (P, QRS e T). Se as características de um sinal a ser sintetizado são bem compreendidas, é possível derivar uma assinatura para o sinal. Uma codicação apropriada permite a extração de parâmetros relevantes para sua análise, tais como anormalidades num ciclo cardíaco representadas por uma alteração no sinal de ECG, ou então uma excitação das ondas cerebrais representada por uma modicação no sinal de EEG. O objetivo deste projeto é introduzir uma nova técnica de codicação de sinais, que representa um sinal pela soma de funções sigmoides para aproximar iterativamente o sinal medido, com foco em aplicações biomédicas. Funções sigmoides tendem a reproduzir bem as grandes variações presentes em sinais biomédicos, daí a escolha de usá-las na codicação deste tipo de sinal. Serão explorados o nível de compressão dos dados, bem como a taxa de convergência. A técnica desenvolvida será comparada com técnicas convencionais de codicação e sua robustez será avaliada. Uma estratégia de codicação ótima pode trazer benefícios não só para a compressão, mas também na criação de assinaturas de sinais representando tanto condições siológicas normais como patológicas. In Biomedicine, detection and quantication of abnormalities present in a signal are desired. An encoding strategy based on feature extraction, such as peaks or frequencies, may not capture all irregularities. Thus, a function-based representation, constructed using a priori knowledge of signal characteristics, may be more accurate for biomedical applications. The choice of the basis function depends on the physiological nature of the signal and its specic features. Electrocardiogram (ECG) and electroencephalogram (EEG) signals exhibit well-dened characteristics. ECG, for instance, is an electrical signal composed of specic waveform (P, QRS, and T). If the characteristics of a signal to be synthesized are well understood, its possible to derive a signal signature. An appropriate encoding allows the extraction of parameters relevant for its analysis, such as, abnormalities in a cardiac cycle represented by an alteration in the ECG signal, or an excitation of the brain waves represented by a modication of the EEG. The objective of this project is to introduce a novel signal encoding technique that represents a signal by a sum of sigmoidal functions to iteratively approximate the measured signal, targeted at biomedical applications. Sigmoidal functions tend to reproduce well large variations in biomedical signals, hence their use for coding this type of signal. We explore the data compression level as well as the convergence rate. We also compare it to conventional encoding techniques and assess the robustness of this model. An optimal encoding strategy may bring not only benets in compression, but also in the creation of signatures for signals representing both physiological and pathological conditions. https://doi.org/10.11606/D.45.2013.tde-20082013-155137info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USP2023-12-21T19:32:51Zoai:teses.usp.br:tde-20082013-155137Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212023-12-22T12:58:53.730267Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.pt.fl_str_mv Codificação e compressão iterativa de sinais biomédicos
dc.title.alternative.en.fl_str_mv Iterative encoding and compression of biomedical signals
title Codificação e compressão iterativa de sinais biomédicos
spellingShingle Codificação e compressão iterativa de sinais biomédicos
Luiz Fernando Oliveira Corte Real
title_short Codificação e compressão iterativa de sinais biomédicos
title_full Codificação e compressão iterativa de sinais biomédicos
title_fullStr Codificação e compressão iterativa de sinais biomédicos
title_full_unstemmed Codificação e compressão iterativa de sinais biomédicos
title_sort Codificação e compressão iterativa de sinais biomédicos
author Luiz Fernando Oliveira Corte Real
author_facet Luiz Fernando Oliveira Corte Real
author_role author
dc.contributor.advisor1.fl_str_mv Marcel Parolin Jackowski
dc.contributor.referee1.fl_str_mv Marco Antonio Gutierrez
dc.contributor.referee2.fl_str_mv Roberto Hirata Junior
dc.contributor.author.fl_str_mv Luiz Fernando Oliveira Corte Real
contributor_str_mv Marcel Parolin Jackowski
Marco Antonio Gutierrez
Roberto Hirata Junior
description Em Biomedicina, a detecção e a quanticação de anormalidades presentes num sinal são desejáveis. Uma estratégia de codicação baseada em extração de características, tais como picos ou frequências, pode não capturar todas as irregularidades. Assim, uma representação baseada em funções de base denidas com conhecimento a priori do sinal pode ser mais precisa para aplicações biomédicas. A escolha das funções base depende da natureza siológica do sinal e de suas peculiaridades. Sinais de eletrocardiograma (ECG) e eletroencefalograma (EEG) exibem características bem denidas. ECG, por exemplo, é um sinal elétrico composto de uma forma de onda especíca (P, QRS e T). Se as características de um sinal a ser sintetizado são bem compreendidas, é possível derivar uma assinatura para o sinal. Uma codicação apropriada permite a extração de parâmetros relevantes para sua análise, tais como anormalidades num ciclo cardíaco representadas por uma alteração no sinal de ECG, ou então uma excitação das ondas cerebrais representada por uma modicação no sinal de EEG. O objetivo deste projeto é introduzir uma nova técnica de codicação de sinais, que representa um sinal pela soma de funções sigmoides para aproximar iterativamente o sinal medido, com foco em aplicações biomédicas. Funções sigmoides tendem a reproduzir bem as grandes variações presentes em sinais biomédicos, daí a escolha de usá-las na codicação deste tipo de sinal. Serão explorados o nível de compressão dos dados, bem como a taxa de convergência. A técnica desenvolvida será comparada com técnicas convencionais de codicação e sua robustez será avaliada. Uma estratégia de codicação ótima pode trazer benefícios não só para a compressão, mas também na criação de assinaturas de sinais representando tanto condições siológicas normais como patológicas.
publishDate 2013
dc.date.issued.fl_str_mv 2013-03-08
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 https://doi.org/10.11606/D.45.2013.tde-20082013-155137
url https://doi.org/10.11606/D.45.2013.tde-20082013-155137
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.publisher.none.fl_str_mv Universidade de São Paulo
dc.publisher.program.fl_str_mv Ciência da Computação
dc.publisher.initials.fl_str_mv USP
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv Universidade de São Paulo
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1794502894915944448