Made available in DSpace on 2014-06-12T17:40:50Z (GMT). No. of bitstreams: 2 arquivo7043_1.pdf: 3184867 bytes, checksum: bb5a50f8a46a033e7556cdb1af4fde98 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2005 / Análise de Sinais é uma das partes mais importantes da área de Processamento de Sinais. Esta tese encontra-se dividida em três partes, cada uma abordando um tópico de análise de sinais. Foram endereçadas as seguintes subáreas: (i) métodos aproximados para avaliação espectral; (ii) construção de wavelets e (iii) análise de sinais biomédicos. O problema da estimação espectral sujeita à minimização da complexidade computacional foi abordado por meios de métodos de aproximação. Dois métodos foram utilizados para propor algoritmos eficientes para a transformada discreta de Hartley. O primeiro método introduzido consiste da transformada de Hartley arredondada, um procedimento que utiliza a função de arredondamento para gerar uma matriz de transformação com complexidade multiplicativa nula. A segunda abordagem contempla a proposição da transformada aritmética de Hartley. É demonstrado o papel da interpolação como elemento decisivo na teoria das transformadas aritméticas. Esquemas de interpolação para as transformadas de Hartley, Fourier cosseno e Fourier seno são introduzidos. O foco foi então dirigido para a construção de novas wavelets. Dois procedimentos foram examinados: (i) definição de novas wavelets a partir de equações diferenciais e (ii) construção de wavelets ótimas associadas a uma dada classe de sinais. Da primeira abordagem, foram obtidas duas wavelets propostas nesta tese: a wavelet de Mathieu (baseada nas funções de Mathieu) e a wavelet de Chebyshev (baseada nos polinômios de Chebyshev). Foram examinadas as propriedades de tais wavelets e evidenciadas potenciais aplicações. O segundo método consistiu da proposição de um algoritmo para determinar wavelets ótimas para sinais eletrogastrográficos. Para tal, foram utilizados argumentos de minimização do erro de reconstrução de sinais compactados via wavelet. Na parte final, foi elaborado um algoritmo para classificação de sinais eletrogastrográficos. Foi objetivada a discriminação entre estados de desacoplamento elétrico gástrico e o estado basal

Orientador: Madileine Francely Américo / Resumo: Os imunossupressores são utilizados após o transplante de órgãos e no tratamento de doenças autoimunes, desencadeando diversos efeitos colaterais. No esquema tríplice de imunossupressão pós-transplante, cada droga ou a combinação delas podem alterar a estrutura e/ou funcionamento do trato gastrintestinal. Apesar da importância do trato gastrintestinal e de conhecer os efeitos da ingesta oral de imunossupressores, há poucos estudos enfocando esses aspectos e vários desafios éticos para essas avaliações no homem. Desse modo, objetivou-se avaliar as alterações provocadas pela imunossupressão nos parâmetros de esvaziamento gástrico, frequência e amplitude das contrações gástricas, bem como as alterações histológicas no estômago de ratos. Para isso foram utilizados a Biosusceptometria de Corrente Alternada (BAC) e a Eletrogastrografia (EGG). No primeiro capítulo, avaliou-se individualmente sete imunossupressores de diferentes classes (Tacrolimo, Ciclosporina, Micofenolato Mofetil, Azatioprina, Sirolimo, Everolimo e Prednisona) comumente utilizados na terapia imunossupressora. Todos os imunossupressores estudados, exceto o Micofenolato Mofetil causaram alguma alteração nos parâmetros gastrintestinais analisados em ratos. Já o segundo capítulo apresenta os efeitos da terapia imunossupressora combinada, baseada em três classes de imunossupressores (inibidores da calcineurina, antimetabólitos e glicocorticoides). Um dos grupos experimentais recebeu Tacrolimo associado à Micofenolato S... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Immunosuppressants are used after organ transplantation and in the treatment of autoimmune diseases, triggering several side effects. In the triple regimen of post - transplant immunosuppression, each drug or combination of them may alter the structure and / or function of the gastroin testinal tract. Despite the importance of gastrointestinal tract and knowledge of the effects of oral intake of immunosuppressants, there are few studies focusing on these aspects and several ethical challenges for these evaluations in humans. The aim of t his study was to evaluate the effects provoked by immunosuppression in gastric emptying parameters, frequency and amplitude of gastric contractions, as well as the histological aspects in the stomach of rats. Alternating Current Biosusceptometry (BAC) and Electrogastrography (EGG) were used. In the first chapter, seven immunosuppressants from different classes (Tacrolimus, Cyclosporine, Mycophenolate Mofetil, Azathioprine, Sirolimus, Everolimus and Prednisone) commonly used in immunosuppressive therapy were evaluated individually. All immunosuppressants studied except Mycophenolate Mofetil , caused some alteration in the gastrointestinal parameters analyzed in rats. The second chapter presents the effects of combined immunosuppressive therapy based on three c lasses of immunosuppressants (calcineurin inhibitors, antimetabolites and glucocorticoids). One of the experimental groups received Tacrolimus associated with Mycophenolate Sodium and Pr... (Complete abstract click electronic access below) / Doutor

Identify some digestive features in people through Electrogastrogram (EGG) is important because this is a cheap, non-invasive and less bother way than traditional endoscopy procedure. This work evaluates the learning behavior of Artificial Neural Networks (ANN) and Hidden Markov Model (HMM) on components extracted by Independent Component Analysis (ICA) algorithms. In this research, an experiment was made with statistical analysis that shows the relationship between neutral, negative or positive images and digestive reactions. Training some classifiers with an EGG signal database, where the emotional states of individuals are known during processing, would it be possible to carry out the other way? Meaning, just from the EGG signal, estimate the emotional state of individuals. The initial challenge is to treat the EGG signal, which is mixed with the signals from other organs such as heart and lung. For this, the FastICA and Tensorial Methods algorithms were used, in order to produce a set of independent components, where one can identify the stomach component. Then, the EGG signal classification is performed through ANN and HMM models. The results have shown that extracting only the stomach signal component before the experiment can reduce the learning error rate in classifiers. / Identificar características digestivas de pessoas através da Eletrogastrografia (EGG) é importante pois esta costuma ser uma opção barata, não-invasiva e incomoda menos que o tradicional procedimento de Endoscopia. Este trabalho avalia o comportamento do aprendizado das Redes Neurais Artificiais (RNA) e do Modelo Oculto de Markov (HMM) diante de componentes extraídas por algoritmos de Análise de Componentes Independentes (ICA). Nesta pesquisa é realizado um experimento com análise estatística cujo objetivo apresenta a relação entre a visualização de imagens neutras, negativas ou positivas e as reações digestivas. Treinando alguns classificadores com uma base de dados de sinais EGG, onde se conhece os estados emocionais dos indivíduos durante a sua obtenção, seria possível realizar o caminho inverso? Em outras palavras, apenas a partir dos sinais EGG, pode-se estimar o estado emocional de indivíduos? O desafio inicial é tratar o sinal EGG que encontra-se misturado aos sinais de outros órgãos como coração e pulmão. Para isto foi utilizado o algoritmo FastICA e os métodos tensoriais, com o intuito de produzir um conjunto de componentes independentes onde se possa identificar a componente do estômago. Em seguida, a classifição do sinal EGG é realizada por meio dos modelos de RNA e HMM. Os resultados mostraram que classificar apenas as componentes com mais presença da frequência do sinal do estômago pode reduzir a taxa de erro do aprendizado dos classificadores no experimento realizado.