Biosignal analysis on spectral interest subbands oriented to pathology detection

La detección de patologías en señales fisiológicas, puede ser llevada a cabo basada en las bandas de interés espectral médico que caracterizan la condición clínica de cada paciente. Dado que el concepto de interpretación y significado fisiológico o clínico se vuelve crítico, existe la necesidad de encontrar las bandas de frecuencia que proporcionan mayor información en el marco de detección de patologías en señales fisiológicas. La presente tesis de maestría desarrolla una metodología de descomposición de señales fisiológicas en sus bandas de interés, mediante dos enfoques, descomposición temporal y extracción de características en las bandas de interés espectrales en representaciones tiempo frecuencia. La selección de características y reducción de alta dimensionalidad del espacio espectral es basada en el análisis de componentes principales. La información necesaria para el entendimiento de los fenómenos fisiológicos, es basada en el análisis de relevancia estocástico, el cual evalúa la relevancia de cada componente espectral, mostrando las bandas que ayudan con mayor peso al análisis. Por último se realiza un análisis multivariado de la varianza para determinar que tan separables son las clases mediante las características espectrales obtenidas, y para evaluar la separabilidad de las características entre sí. Los resultados evidencian que la metodología propuesta basada en el análisis por bandas de interés espectral en señales fisiológicas, obtienen un alto rendimiento en la detección de algunas patologías, y brindan la informatividad necesaria para la toma de decisiones reduciendo la subjetividad y sesgo por medio de los expertos / Abstract: The pathology detection in physiological signals can be carried out by using the medical spectral bands of interest characterizing each patient’s clinical condition. Since the concept of correct interpretation and physiological or clinical meaning becomes critical, there is a need for finding the frequency bands providing more information within pathology detection in physiological signal framework. The present thesis develops a methodology for physiological signal decomposition in its spectral bands of interest. The method proposed could be determined as follows: First, temporal decomposition and feature extraction from time-frequency representations in its spectral bands of interest. Second, feature selection and reduction of high dimensionality spectral space based on Principal Component Analysis. Third, the stochastic relevance analysis that evaluates the relevance of each spectral component, showing the bands that assists with more weight to the analysis, this analysis gives the informativeness necessary for the understanding of physiological phenomena. Finally, a multivariate analysis of variance is performed to determine how separable are the classes obtained by the spectral features, and to evaluate the feature separability among them. The results show that the proposed methodology based on the analysis of spectral bands of interest in physiological signals, reach a high performance in the detection of some pathologies, and also provides the informativeness required for decision making by reducing the subjectivity and bias of the expert.

• Autores: Duque Muñoz, Leonardo
• Fecha de publicación: 2011
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/9031
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/9031; http://bdigital.unal.edu.co/5787/
• Palabra clave: 61 Ciencias médicas; Medicina / Medicine and health; 62 Ingeniería y operaciones afines / Engineering; Agrupamiento; análisis de relevancia; análisis multivariado de varianza; características espectrales; EEG; representaciones tiempo-frecuencia; selección de características; TDAH // ADHD; clustering; EEG; feature selection; multivariate analysis of variance; relevance analysis; spectral features; time-frequency representations
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional