31 |
Sistema de processamento de sinais biomédicosPossa, Paulo Ricardo da Cunha January 2008 (has links)
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Eléterica. / Made available in DSpace on 2012-10-24T00:03:55Z (GMT). No. of bitstreams: 1
256384.pdf: 7664466 bytes, checksum: f3817a55b0c665aafb59637166b83039 (MD5) / Com o aumento da demanda por profissionais especializados em Engenharia Biomédica (EB), é desejável que exista uma inserção de temas dessa área em cursos que formam tais profissionais. Porém, os resultados de uma investigação sobre a referida inserção em cursos brasileiros de graduação em Engenharia Elétrica (EE) mostram que apenas 7,5 % desses cursos oferecem alguma disciplina voltada à EB, e ainda, que 86 % do total de horas-aula dessas disciplinas possuem uma abordagem puramente teórica. O presente trabalho apresenta contribuições para o desenvolvimento de uma ferramenta para auxiliar o ensino de EB nos cursos de EE. Essa ferramenta, chamada "Plataforma Didática de Engenharia Biomédica: Sistema de Processamento de Sinais Biomédicos", é composta por módulos tutoriais teórico-práticos que agregam conteúdos teóricos a roteiros de aulas práticas apoiados a recursos de hardware e software. Dentre as contribuições deste trabalho destacam-se o desenvolvimento de um tutorial sobre eletrocardiografia e o desenvolvimento de um roteiro de aula prática sobre amplificadores de biopotenciais, anexado a um módulo de hardware destinado a auxiliar essa aula. Com relação à validação dos componentes da plataforma, destaca-se o ensaio de segurança elétrica dos módulos de hardware, que indicou valores de corrente de fuga menores que 13,4 % dos valores máximos de corrente segundo a norma NBR IEC 60601-1:1997. Ainda, os resultados obtidos durante uma avaliação realizada por estudantes de EE, qualificam a plataforma como motivadora, cumprindo seu propósito de ferramenta didática.
With the increasing demand for skilled professional in Biomedical Engineering (BE) is desirable that there is a subject insertion in this area at courses that graduate such professionals. However, the results of an investigation about such insertion in Brazilian graduation courses in Electrical Engineering (EE) show that only 7,5% of these courses offer some subjects turned to BE and besides that 86% of the total hour/class of these subjects have an approach purely theoretical. This work presents the tool development contributions to help the BE teaching on the EE courses. This tool called "Didactical Platform of Biomedical Engineering: Procedure System of Biomedical Signs" is composed by theoretical-practical tutorial modules that aggregate theoretical contents to practical class schedules supported by hardware and software resources. Among these work contributions is highlighted a tutorial development about electrocardiography and a practical class schedule development about bio-potential amplifiers attached to a hardware module designed to aid this class. In relation to platform component validations are highlighted the electrical security rehearse of the hardware modules that indicated leakage current values lower than 13,4% of the highest current values according to the NBR IEC 60601-1:1997 norm. Moreover, the results obtained during an evaluation held by EE students that qualify the platform as motivator, achieving its didactical tool proposal.
|
32 |
Sistema de processamento de sinais biomédicosRathke, Juliano Elesbão January 2008 (has links)
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2012-10-24T05:20:46Z (GMT). No. of bitstreams: 1
257766.pdf: 6407051 bytes, checksum: 5ab1850922225c47eeae0b3fae63615d (MD5) / O acelerado avanço de novas tecnologias na área da saúde tem feito a engenharia biomédica uma área de grande potencial empreendedor e intenso desenvolvimento tecnológico, criando uma demanda por profissionais altamente qualificados. No entanto, a disponibilidade de cursos e oportunidades de estudo na área ainda não é significativa a ponto de contribuir de forma expressiva para a formação de profissionais qualificados. O objetivo principal deste trabalho está no desenvolvimento de um instrumento de auxílio ao ensino de temas de Engenharia Biomédica na graduação de Engenharia Elétrica da UFSC. O sistema apresenta uma proposta de solução didática para a criação de módulos de aquisição de sinais de ECG, EMG e EOG que, em conjunto com outros componentes (módulo base, fonte de alimentação, software de visualização), formam um sistema de aquisição de sinais biomédicos. Os sinais adquiridos pelo sistema são utilizados para demonstrar os problemas encontrados na conversão Analógica-Digital (A/D) de biosinais, mais especificamente a questão da amostragem. A avaliação do sistema foi realizada em duas etapas: na primeira, os alunos de uma turma regular de engenharia elétrica realizaram aulas práticas utilizando o sistema; na segunda, foi criado um mini-curso de engenharia biomédica na prática. Através de um questionário foram avaliados aspectos motivacionais do sistema, quantificando sua facilidade de uso e se o mesmo é organizado, estimulante e significativo. O resultado da avaliação mostrou que o sistema é motivador com uma alta expectativa para o sucesso.
|
33 |
Avaliação de descritores morfológicos na identificação de eventos epileptiformesSovierzoski, Miguel Antonio January 2009 (has links)
Tese (Doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2012-10-24T07:40:23Z (GMT). No. of bitstreams: 1
265505.pdf: 13338196 bytes, checksum: c3edbc3f7dd005cbab017c72fa9731b9 (MD5) / O desenvolvimento de técnicas computacionais auxiliadas por inteligência artificial para o processamento e análise de sinais eletroencefalográficos é uma das linhas de pesquisa do Instituto de Engenharia Biomédica da Universidade Federal de Santa Catarina (IEB-UFSC). Neste contexto, os sistemas de identificação automática de eventos epileptiformes em sinais de eletroencefalografia ainda apresentam elevado índice de detecções falso positivo, provocado principalmente pelo artefato piscada palpebral. Este trabalho contribui para esta linha de pesquisa através da: a) análise estatística dos eventos epileptiformes (espícula e onda aguda) e evento não epileptiforme (piscada palpebral); b) avaliação de descritores morfológicos aplicados em um classificador neural binário; c) avaliação de desempenho do classificador neural através de curvas ROC e seus índices (AUC, EER, DIC, SnSpO e SpSnO); d) e avaliação dos índices de desempenho de classificadores (eficiência, índice de Youden, coeficiente de correlação de Matthews e correlação aproximada). No desenvolvimento deste trabalho pluridisciplinar de Engenharia Biomédica, sub-área: Informática Médica, foram utilizados conhecimentos de Neurologia (Epileptologia), Análise Estatística, Bioestatística e Epidemiologia (Teste-Diagnóstico), Validação Cruzada, Inteligência Artificial (Redes Neurais, Classificadores), Modelamento Matemático, Otimização (Mineração de Dados), Processos Estocásticos, Processamento Digital de Sinais Biomédicos e Teoria de Detecção de Sinais (Análise ROC), interagindo com áreas da Medicina, da Estatística, da Engenharia da Computação e da Engenharia Elétrica. No primeiro estudo, foram utilizadas épocas de sinal de EEG com eventos epileptiformes e piscada palpebral como entrada do classificador neural binário. Utilizando o critério de taxa de erro igual (EER), o classificador neural apresentou desempenho de 90,91% de sensibilidade, 89,11% de especificidade, 89,11% de seletividade positiva e 90,91% de seletividade negativa, e resultou na curva ROC com índice AUC de 0,9419 com o critério de fronteira ROC. No estudo principal, foram avaliados 30 descritores morfológicos em eventos epileptiformes e na piscada palpebral, sendo selecionados 25 descritores morfológicos para o estudo. Os valores dos descritores morfológicos serviram como entrada de um classificador neural binário. Seguindo o critério de taxa de erro igual (EER), o classificador neural com descritores morfológicos apresentou desempenho de 91,92% de sensibilidade, 91,09% de especificidade, 91,00% de seletividade positiva e 92,00% de seletividade negativa, e resultou na curva ROC com índice AUC de 0,9810 com o critério de fronteira ROC. Comparando os resultados dos estudos, observa-se que o classificador neural binário com descritores morfológicos apresentou desempenho superior ao classificador neural com épocas de EEG.
|
34 |
Sistema de processamento de sinais biomédicosBriese, Rafael Goi 24 October 2012 (has links)
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Elétrica, Florianópolis, 2009 / Made available in DSpace on 2012-10-24T10:30:22Z (GMT). No. of bitstreams: 1
276579.pdf: 2938296 bytes, checksum: d8c66cc0c528ba4c2a6e877be0131c9d (MD5) / Recentes estudos sobre as disciplinas oferecidas de Engenharia Biomédica, em cursos de graduação em Engenharia Elétrica no Brasil, têm demonstrado uma grande falta de investimento nesta área. Essa foi à principal motivação no desenvolvimento de uma Plataforma Didática de Processamento de Sinais Biomédicos (DPSB), que consiste em uma placa de aquisição e processamento de sinais biomédicos modular, um software para visualização, bem como tutoriais teórico-práticos que agregam conteúdo as aulas práticas. Portanto, este trabalho detalha um estudo e desenvolvimento de uma ferramenta de apoio didático para ensino de filtros analógicos para sinais biomédicos aplicada aos estudantes, apresentando de uma forma prática, a importância da escolha correta dos filtros para a aquisição de sinais biomédicos. Este módulo é composto de filtros tipo: passa baixa, passa alta, passa banda e rejeita banda de diversas ordens e aproximações (Butterworth, Chebyshev e Bessel). O sistema de avaliação foi realizado com os alunos de uma turma da Engenharia Elétrica da UFSC. Os aspectos motivacionais do sistema como, facilidade de uso, a organização do sistema, estimulação e significância, foram avaliados através de um questionário. Os resultados da avaliação mostraram uma alta expectativa de sucesso e um sistema altamente motivacional.
|
35 |
Metodologia de aprendizado baseado em algoritmos genéticos para modelos alternativos de redes IACHahne, Maria Nazaré Munari Angeloni January 2005 (has links)
Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2013-07-16T02:05:04Z (GMT). No. of bitstreams: 1
222933.pdf: 3290992 bytes, checksum: 702120fe6a160107d91a42a3b4e81648 (MD5)
|
36 |
Sistema computacional para o processamento, a análise e a classificação do sinal eletrocardiográfico de neonatos e adultosPalodeto, Viviane January 2006 (has links)
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2013-07-16T03:09:42Z (GMT). No. of bitstreams: 1
228090.pdf: 2030737 bytes, checksum: 1c0dd895da1ca7b21d2ceb87aa56b319 (MD5) / O eletrocardiograma (ECG) é uma ferramenta utilizada para o diagnóstico de cardiopatias e outras doenças. Sua análise pode ser realizada automaticamente por sistemas computacionais. No entanto, algoritmos desenvolvidos para análise do ECG de pacientes adultos não podem ser aplicados em neonatos, devido às diferenças entre os padrões do ECG de um adulto e de um neonato. Este trabalho tem como objetivo apresentar técnicas, agrupadas em um sistema computacional (NeoCard), que possibilitem o processamento, a análise e a classificação do eletrocardiograma tanto de neonatos quanto adultos. Este sistema é dividido em três etapas. Na primeira, são removidos os principais ruídos que acometem o ECG. Em seguida, são detectados os intervalos, os segmentos e as ondas do sinal. Com base nas informações extraídas durante a detecção, o ECG é analisado e classificado segundo as arritmias de maior freqüência. Na etapa de pré-processamento, a eliminação da linha de base e ruído impulsivo é realizada por métodos não lineares de filtragem. Para a detecção das ondas, as wavelets são empregadas. Por fim, a análise utiliza um conjunto de regras para indicação de um diagnóstico, enquanto os batimentos são classificados por uma rede neural entre três categorias (batimento normal ou duas classes de arritmias). O desempenho alcançado com a detecção das ondas R atingiu uma sensibilidade de 99,94%. A classificação dos batimentos cardíacos alcançou os valores de 92,55% para sensibilidade e 99,71% para especificidade. Os resultados obtidos mostram a capacidade do sistema desenvolvido em processar, analisar e classificar o ECG de pacientes adultos e neonatos.
|
37 |
Modelos de aprendizagem para sistemas neuro-difusosCarvalho, Lucimar Maria Fossatti de January 2007 (has links)
Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2013-07-16T03:16:38Z (GMT). No. of bitstreams: 1
265729.pdf: 7445141 bytes, checksum: 4c73116489d06d272a5ed3a703bc6788 (MD5)
|
38 |
Sistema para ensaio de desempenho de ventiladores pulmonaresSilva, Daniel Marinho e January 2007 (has links)
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2013-07-16T03:17:03Z (GMT). No. of bitstreams: 1
243969.pdf: 2379718 bytes, checksum: 3c6a91a1cfd203f8244f8a7c4974ac4a (MD5) / Este trabalho aborda o desenvolvimento de um protótipo para ensaio de desempenho de ventiladores pulmonares, tendo como base as prescrições das normas NBR 13763 e NBR IEC 60-601-2-12/2004. O sistema implementado realiza a aquisição das formas de onda de pressão nas vias aéreas e fluxo de ar, fornecidos pelo ventilador, através de um microcontrolador, que envia os dados amostrados ao PC via Bluetooth. O sistema compreende cinco módulos: sensores, controle, comunicação Bluetooth, software e banco de dados. O primeiro módulo contém dois transdutores diferenciais de pressão: um deles mede a pressão nas vias aéreas e o segundo, acoplado a um resistor pneumotacômetro, mede o fluxo de ar. Possui ainda um sensor de temperatura e umidade relativa, para medir as condições ambientais do ensaio e a temperatura/umidade do fluxo de ar. O software executado no PC é responsável pela recepção dos dados e realização dos cálculos de volume e dos parâmetros ventilatórios fornecidos pelo ventilador pulmonar. Os dados adquiridos são armazenados no banco de dados, que pode ser acessado remotamente. Os resultados dos ensaios são apresentados automaticamente em uma planilha. Os sensores de pressão e fluxo foram calibrados utilizando como padrão de referência padrões rastreados. Um exemplo de ensaio realizado com o sistema desenvolvido é apresentado.
|
39 |
Sistema microcontrolado para transmissão de sinais de ECG pela internetBonho, Samir January 2006 (has links)
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2012-10-22T07:51:09Z (GMT). No. of bitstreams: 1
235290.pdf: 2514488 bytes, checksum: f705c36b0f68186b74a182d952368ca3 (MD5) / Este trabalho aborda o projeto e desenvolvimento de um sistema de telemedicina para eletrocardiograma (ECG), composto por um módulo de
|
40 |
Análise das redes neurais complexas na detecção de espículas e piscadas em sinais de EEGTravessa, Sheila Santisi January 2006 (has links)
Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Elétrica. / Made available in DSpace on 2012-10-22T10:17:45Z (GMT). No. of bitstreams: 1
232766.pdf: 1361063 bytes, checksum: 53a0ce36debe115f6f7581a29868d37f (MD5) / Essa dissertação tem o objetivo de analisar a capacidade da rede CMLP de separar as espículas das piscadas em sinais de EEG (Eletroencefalograma). Já existe um grande número de trabalhos desenvolvidos com MLP#s utilizando o algoritmo backpropagation real, visando à detecção de padrões epilépticos. A opção de utilizar a rede MLP (Perceptron Multicamadas) com algoritmo backpropagation-complexo para essa verificação, está baseada em fatos tais como: (a) A média da velocidade de aprendizado da MLP com algoritmo backpropagationcomplexo é superior à velocidade média de aprendizado da rede MLP com algoritmo
backpropagation-real. (b) O número de pesos e bias necessários para a MLP com algoritmo backpropagation-complexo fica em torno da metade daqueles necessários na MLP com backpropagation-real. (c) Alguns valores matemáticos reais são melhor entendidos quando considerados no plano complexo, pois considera-se um maior número de informações, que não seriam levadas em conta no plano real. Focou-se este trabalho na diferenciação entre espículas e piscadas, pois é um dos casos críticos encontrados na detecção automática de padrões em EEG (eletroencefalograma). Para a realização do mesmo, utilizou-se um banco de dados fornecido pelo MNI (Montreal Neurological Institute), de pacientes comprovadamente epilépticos, onde as espículas e piscadas foram marcadas por especialistas da área médica. O treinamento foi realizado utilizando-se 120 épocas de um segundo de duração. Os testes específicos foram feitos a partir de 600 épocas, marcadas exclusivamente para este fim. A validação dos dados foi feita através dos indicadores estatísticos sensibilidade e especificidade, onde foram obtidas taxas simultâneas em torno de 55% na classificação; e também pela análise comparativa do desempenho de redes MLP que utilizam backpropagation-real e da rede MLP com backpropagation-complexo, a qual demonstrou um desempenho superior a RMLP (Rede Perceptron Multicamadas com algoritmo backpropagation-Real) no que se refere à velocidade de treinamento, dentro da metodologia aplicada nesta análise. Também se mostrou mais eficiente na classificação de eventos espículas e piscadas, quando comparada a RMLP, dentro do parâmetro estabelecido pelas curvas ROC (Receiver Operating Characteristic).
This work analises the behavior of the complex MLP (multilayer Perceptron) neural network, trained with complex backpropagation, in tasks of epileptiform patterns classification (in particular, of spikes and eye-blinks events), in electroencephalogram (EEG) signals. Despite of the development of several real MLP-based approaches to automatically detect epileptiform patterns, these systems are still jeopardized by very frequent false-positive detections, caused for example by ocular movements. Potentially, the MLP neural network with complex backpropagation presents interesting features to this application, as follows: (a) the learning speed is several times faster than in the conventional technique (real MLP); (b) the space complexity (i.e. the number of learnable parameters) is only about the half of the demanded by the real MLP; (c) and comprehension of many mathematical objects is more substantial when they are considered in the complex plane (e.g., by using the Hilbert Transform), because part of its related-information is fundamentally complex, such as the phase. In fact, we have noted that spikes and eye-blinks, which are patterns of difficult differentiation using real tools, could be separated by using a complex MLP, maybe due to this complex information, usually excluded in conventional analysis. This work uses the MNI (Montreal Neurological Institute) data bank, which is formed from seven epileptic patients.
Three electroencephalographers marked the spikes and blinks events of the EEG signals. The complex MLP was trained with 120 epochs of one-second of duration, and was tested with 600 different epochs. The results have been validated with sensitivity and specificity statistical parameters, obtaining simultaneous rates of about 55% in classification. Also a qualitative comparison between results with the real MLP and the complex MLP is evaluated, showing the approach#s suitability in terms of velocity and the parameters of the ROC, (Receiver Operating Characteristic), graphics.
|
Page generated in 0.0294 seconds