[EN] Fiber grating sensors and devices have demonstrated outstanding capabilities in both telecommunications and sensing areas, due to their well-known advantageous characteristics. Therefore, one of the most important motivations lies in the potential of customized fiber gratings to be suitably employed for improving the interrogation process of optical fiber sensors and systems. This Ph.D. dissertation is focused on the study, design, fabrication and performance evaluation of customized fiber Bragg gratings (FBGs) and long period gratings (LPGs) with the double aim to present novel sensing technologies and to enhance the response of existing sensing systems. In this context, a technique based on time-frequency domain analysis has been studied and applied to interrogate different kind of FBGs-based sensors. The distribution of the central wavelength along the sensing structures has been demonstrated, based on a combination of frequency scanning of the interrogating optical pulse and optical time-domain reflectometry (OTDR), allowing the detection of spot events with good performance in terms of measurand resolution. Moreover, different customized FBGs have been interrogated using a technology inspired on the operation principle of microwave photonics (MWP) filters, enabling the detection of spot events using radio-frequency (RF) devices with modest bandwidth. The sensing capability of these technological platforms has been fruitfully employed for implementing a large scale quasi-distributed sensor, based on an array of cascaded FBGs. The potentiality of LPGs as fiber optic sensors has also been investigated in a new fashion, exploiting the potentials of MWP filtering techniques. Besides, a novel approach for simultaneous measurements based on a half-coated LPG has been proposed and demonstrated. Finally, the feasibility of FBGs as selective wavelength filters has been exploited in sensing applications; an alternative approach to improve the response and performance of Brillouin distributed fiber sensors has been studied and validated via experiments. The performance of the reported sensing platforms have been analyzed and evaluated so as to characterize their impact on the fiber sensing field and to ultimately identify the use of the most suitable technology depending on the processing task to be carried out and on the final goal to reach. / [ES] Los sensores y dispositivos en fibra basados en redes de difracción han mostrado excepcionales capacidades en el ámbito de las telecomunicaciones y del sensado, gracias a sus excelentes propiedades. Entre las motivaciones más estimulantes destaca la posibilidad de fabricar redes de difracción ad-hoc para implementar y/o mejorar las prestaciones de los sensores fotónicos. Esta tesis doctoral se ha enfocado en el estudio, diseño, fabricación y evaluación de las prestaciones de redes de difracción de Bragg (FBGs) y de redes de difracción de periodo largo (LPGs) personalizadas con el fin de desarrollar nuevas plataformas de detección y a la vez mejorar la respuesta y las prestaciones de los sensores fotónicos ya existentes. En este contexto, una técnica basada en el análisis tiempofrecuencia se ha estudiado e implementado para la interrogación de sensores en fibra basados en varios tipos y modelos de FBGs. Se ha analizado la distribución de la longitud de onda central a lo largo de la estructura de sensado, gracias a una metodología que conlleva el escaneo en frecuencia del pulso óptico incidente y la técnica conocida como reflectometria óptica en el dominio del tiempo (OTDR). De esta manera se ha llevado a cabo la detección de eventos puntuales, alcanzando muy buenas prestaciones en términos de resolución de la magnitud a medir. Además, se han interrogado varias FBGs a través de una técnica basada en el principio de operación de los filtros de fotónica de microondas (MWP), logrando así la detección de eventos puntuales usando dispositivos de radio-frecuencia (RF) caracterizados por un moderado ancho de banda. La capacidad de sensado de estas plataformas tecnológicas ha sido aprovechada para la realización de un sensor quasi-distribuido de gran alcance, formado por una estructura en cascada de muchas FBGs. Por otro lado, se han puesto a prueba las capacidades de las LPGs como sensores ópticos según un enfoque novedoso; para ello se han aprovechados las potencialidades de los filtros de MWP. Asimismo, se ha estudiado y demostrado un nuevo método para medidas simultáneas de dos parámetros, basado en una LPG parcialmente recubierta por una película polimérica. Finalmente, se ha explotado la viabilidad de las FBGs en cuanto al filtrado selectivo en longitud de onda para aplicaciones de sensado; para ello se ha propuesto un sistema alternativo para la mejora de la respuesta y de las prestaciones de sensores ópticos distribuidos basados en el scattering de Brillouin. En conclusión, se han analizado y evaluado las prestaciones de las plataformas de sensado propuestas para caracterizar su impacto en el ámbito de los sistemas de detección por fibra y además identificar el uso de la tecnología más adecuada dependiendo de la tarea a desarrollar y del objetivo a alcanzar. / [CA] Els sensors i dispositius en fibra basats en xarxes de difracció han mostrat excepcionals capacitats en l'àmbit de les telecomunicacions i del sensat, gràcies a les seus excel¿lents propietats. Entre les motivacions més estimulants destaca la possibilitat de fabricar xarxes de difracció ad-hoc per a implementar i/o millorar les prestacions de sensors fotònics. Esta tesi doctoral s'ha enfocat en l'estudi, disseny, fabricació i avaluació de les prestacions de xarxes de difracció de Bragg (FBGs) i de xarxes de difracció de període llarg (LPGs) personalitzades per tal de desenvolupar noves plataformes de detecció i al mateix temps millorar la resposta i les prestacions dels sensors fotònics ja existents. En este context, una tècnica basada en l'anàlisi temps-freqüència s'ha estudiat i implementat per a la interrogació de sensors en fibra basats en diversos tipus i models de FBGs. S'ha analitzat la distribució de la longitud d'ona central al llarg de l'estructura de sensat, gràcies a una metodologia que comporta l'escaneig en freqüència del pols òptic incident i la tècnica coneguda com reflectometria òptica en el domini del temps (OTDR). D'esta manera s'ha dut a terme la detecció d'esdeveniments puntuals, aconseguint molt bones prestacions en termes de resolució de la magnitud a mesurar. A més, s'han interrogat diverses FBGs a través d'una tècnica basada en el principi d'operació dels filtres de fotònica de microones (MWP), aconseguint així la detecció d'esdeveniments puntuals utilitzant dispositius de ràdio-freqüència (RF) caracteritzats per un moderat ample de banda. La capacitat de sensat d'aquestes plataformes tecnològiques ha sigut aprofitada per a la realització d'un sensor quasi-distribuït a llarga escala, format per una estructura en cascada de moltes FBGs. D'altra banda, s'han posat a prova les capacitats de les LPGs com a sensors òptics segons un enfocament nou; per a això s'han aprofitat les potencialitats dels filtres de MWP. Així mateix, s'ha estudiat i demostrat un nou mètode per a mesures simultànies de dos paràmetres, basat en una LPG parcialment recoberta per una pel¿lícula polimèrica. Finalment, s'ha explotat la viabilitat de les FBGs pel que fa al filtrat selectiu en longitud d'ona per a aplicacions de sensat; per això s'ha proposat un sistema alternatiu per a la millora de la resposta i de les prestacions de sensors òptics distribuïts basats en el scattering de Brillouin. S'han analitzat i avaluat les prestacions de les plataformes de sensat propostes per a caracteritzar el seu impacte en l'àmbit dels sistemes de detecció per fibra i a més identificar l'ús de la tecnologia més adequada depenent de la tasca a desenvolupar i de l'objectiu a assolir. / Ricchiuti, AL. (2016). Design and fabrication of customized fiber gratings to improve the interrogation of optical fiber sensors [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/66343 / Premios Extraordinarios de tesis doctorales

В последние годы распространенность сердечно-сосудистых заболеваний, а также уровень смертности растет, что серьезно угрожает здоровью человека, что требует от врачей ранней диагностики сердечно-сосудистых заболеваний, чтобы выиграть время для последующего лечения пациентов, а результаты сегментации ультразвуковых изображений левого желудочка могут помочь врачам в диагностике сердечно-сосудистых заболеваний, но ультразвуковые изображения левого желудочка имеют характеристики сильного шума, слабых границ и сложной структуры ткани, что делает сегментацию изображения сложной, низкой эффективностью и плохой точностью. Одним из важнейших этапов оценки здоровья сердца является отслеживание и сегментация эндокардиальной границы левого желудочка (ЛЖ) с помощью ЭхоКГ, которая используется для измерения фракции выброса и оценки движения региональной стенки. Недостатком этих методов является необходимость применения обработки изображений вручную или в полуавтоматическом режиме, что требует специальных знаний и навыков. В результате вопрос автоматического отслеживания и сегментации ЛЖ на ЭхоКГ-изображениях является актуальной и практической проблемой. В моем проекте изучается способность полностью обученных моделей глубокого обучения U-Net, U-Net++, MANet, LinkNet, FPN, PSPNet, PAN, DeepLabv3 и DeepLabv3+ автоматически определять область левого желудочка. В то же время в архитектурах U-Net, U-Net++, MANet, LinkNet, PSPNet, PAN, FPN, DeepLabv3 и DeepLabv3+ модули кодировщика затем последовательно заменялись на ResNet18, ResNet34, ResNet5, ResNet101, EfficientNet-b0, EfficientNet-b1, EfficientNet-b3, EfficientNet-b5, EfficientNet-b7 и MobileNetv2, а ImageNet использовался в качестве весов предварительной подготовки; Добавление магистральных сетей в архитектуру модели приводит к более высокой точности сегментации по сравнению с исходной моделью. В рамках той же архитектуры модели EfficientNet в качестве кодировщика достигает лучших результатов сегментации, а EfficientNet-b3 работает лучше. Аналогично, в рамках серии ResNet ResNet34 работает лучше. В модели сегментации этого эксперимента Deeplabv3+ показывает превосходную производительность. Это указывает на то, что в архитектуре модели этого эксперимента интеграция модулей ResNet34 и EfficientNet-b3 в качестве кодировщиков может эффективно и осуществимо автоматизировать распознавание эндокардиальной границы левого желудочка на ультразвуковых изображениях. Кроме того, аугментация данных также в определенной степени повысит точность сегментации модели. / In recent years, the prevalence of cardiovascular diseases. as well as the mortality rate is increasing, which has seriously threatened human health, which requires doctors to diagnose cardiovascular diseases early to gain time for patients' later treatment, and the segmentation results of left ventricular ultrasound images can assist doctors in the diagnosis of cardiovascular diseases, but the left ventricular ultrasound images have the characteristics of strong noise, weak edges and complex tissue structure, which makes the image segmentation difficult, low efficiency and poor precision. One of the most important steps in estimating the health of the heart is the tracking and segmentation of the left ventricular (LV) endocardial border from EchoCG, which is used for measuring the ejection fraction and assessing the regional wall motion. The disadvantage of these methods is the necessity to apply image processing manually or in a semi-automatic mode, which requires special knowledge and skills. As a result, the issue of an automatic tracking and segmentation of the LV on EchoCG-images is an actual and practical problem. In my project, the ability of fully trained Deep Learning Models U-Net, U-Net++, MANet, LinkNet, FPN, PSPNet, PAN, DeepLabv3and DeepLabv3+ to automatically identify the left ventricular region is explored. At the same time, in the U-Net, U-Net++, MANet, LinkNet, PSPNet, PAN, FPN, DeepLabv3 and DeepLabv3+ architectures, the encoder modules were then sequentially replaced with ResNet18, ResNet34, ResNet5, ResNet101, EfficientNet-b0, EfficientNet-b1, EfficientNet-b3, EfficientNet-b5, EfficientNet-b7and MobileNetv2, and ImageNet was used as the pre-training weights; The addition of backbones to the model architecture leads to higher segmentation accuracy compared to the original model. Within the same model architecture, EfficientNet as the encoder achieves better segmentation results, with EfficientNet-b3 performing the best. Similarly, within the ResNet series, ResNet34 performs better. In the segmentation model of this experiment, Deeplabv3+ shows superior performance. This indicates that in the model architecture of this experiment, integrating ResNet34 and EfficientNet-b3 modules as encoders can effectively and feasibly automate the recognition of the endocardial boundary of the left ventricle in ultrasound images. Furthermore, data augmentation will also enhance the model’s segmentation accuracy to a certain extent.

Numerické metody inverzní Laplaceovy transformace (NILT) se staly důležitou částí numerické sady nástrojů praktikujících a výzkumných pracovníků v mnoha vědeckých a inženýrských oborech, zejména v aplikované elektrotechnice. Techniky NILT zejména pomáhají při získávání výsledků simulací v časové oblasti v různých aplikacích. Příkladem jsou řešení obyčejných diferenciálních rovnic, které se objevují např. při analýze obvodů se soustředěnými parametry, nebo řešení parciálních diferenciálních rovnic objevujících se v systémech s rozprostřenými parametry, např. při zkoumání problematiky integrity signálů. Obecně platí, že většina dostupných 1D NILT metod je velmi specifická, tj. funguje dobře na několika typech funkcí a tudíž na omezeném počtu aplikací; Cílem této práce je podrobně se věnovat těmto numerickým metodám, vývoji univerzálních metod NILT a jejich rozšíření na multidimenzionální NILT, které mohou pokrývat širokou oblast aplikací a mohly by poskytnout praktický mechanism pro efektivnější způsob analýzy a simulace v časové oblasti. Myšlenky výzkumu jsou prezentovány v rámci diskusí nad širokou škálou případových studií a aplikací; Například metody NILT se používají při řešení přenosových vedení, včetně vícevodičových, a dokonce i při řešení slabě nelinárních obvodů při použití NILT více proměnných. Pomocí metody NILT mohou být s výhodou uvažovány parametry prvků závislé na kmitočtu a prvky necelistvých řádů v jejich příslušných modelech mohou být zahrnuty velmi přesným a jednoduchým způsobem.

Электроретинография (ЭРГ) — это неинвазивный способ измерения электрической активности сетчатки с помощью световой стимуляции. Сигналы ЭРГ содержат несколько различных компонентов, которые можно использовать для диагностики различных заболеваний сетчатки. Некоторые из этих заболеваний включают дистрофии, связанные с колбочками и палочками, возрастную дегенерацию желтого пятна, диабетическую ретинопатию, глаукому и пигментный ретинит. В этой диссертации использовались различные методы для анализа сигналов ЭРГ, включая методы временной области, частотной области и частотно-временной области. Процесс начался с очистки базы данных сигналов и предварительной обработки извлеченных сигналов. Затем были вычислены стандартные компоненты сигнала, включая a- и b-волны и неявное время, и был проведен анализ сигналов во временной области. Анализ во временной области включал изучение амплитуд и задержек различных компонентов волны, что может дать представление о функционировании различных типов клеток сетчатки. Корреляционный анализ также проводился для изучения взаимосвязи между возрастом пациентов и компонентами сигнала, результаты которого показывают очень слабую корреляцию между возрастом и компонентами, с некоторой значительной корреляцией между отдельными компонентами. В частотной области преобразование Фурье использовалось для извлечения частот сигналов для анализа. Частотное содержимое сигналов ЭРГ может раскрыть информацию о базовых физиологических процессах и потенциальных отклонениях. Однако из-за инвариантной во времени природы частотной области делать выводы, основанные исключительно на этом анализе, может быть сложно. Для анализа частотно-временной области использовалось кратковременное преобразование Фурье (STFT) вместе с анализом спектрограмм. STFT позволяло изучить, как частотное содержимое сигналов менялось с течением времени, обеспечивая более полное представление динамики сигнала. Кроме того, признаки извлекались с использованием различных окон и размеров окон для обучения классификатора машинного обучения с целью классификации сигналов. Вычисленные спектрограммы также использовались для обучения моделей глубокого обучения с различными архитектурами, и результаты сравнивались на основе используемых окон. Результаты показывают, что нет заметной корреляции между возрастом и другими компонентами сигнала во временной области. Это говорит о том, что возраст сам по себе не может быть надежным предиктором характеристик сигнала ERG. В частотной области делать выводы, основанные исключительно на частотном содержании, оказалось сложно из-за инвариантной во времени природы анализа. Более того, очевидно, что размеры окон оказывают более существенное влияние на результирующие признаки по сравнению с функциями окна. Большие размеры окон обеспечивают улучшенное разрешение по частоте, в то время как меньшие окна обеспечивают более высокое разрешение по времени. Это означает, что разрешение по времени и частоте играет более существенную роль в формировании результирующих признаков, чем обработка сигнала, выполняемая самой функцией окна. Анализ сигналов ERG с использованием различных методов, включая методы временной области, частотной области и частотно-временной области, дает ценную информацию о функции сетчатки и потенциальных расстройствах. Сочетание этих подходов, наряду с методами извлечения признаков и машинного обучения, предлагает комплексную структуру для понимания и интерпретации сигналов ERG. Однако тщательное рассмотрение таких факторов, как размеры окон и компромиссы разрешения, имеет решающее значение для получения значимых и точных результатов. / Electroretinography (ERG) is a non-invasive way of measuring the electrical activity of the retina with the help of light stimulation. ERG signals contain several different components which can be used to diagnose various retinal disorders. Some of these disorders include cone and rod related dystrophies, age-related macular degeneration, diabetic retinopathies, glaucoma and retinitis pigmentosa. In this thesis, various methods were utilized to analyze ERG signals, including time-domain, frequency-domain, and time-frequency domain techniques. The process began with cleaning the signals database and preprocessing the extracted signals. Next, standard signal components including the a- and b-waves and implicit times were computed, and time-domain analysis was conducted on the signals. The time-domain analysis involved examining the amplitudes and latencies of the different wave components, which can provide insights into the functioning of different retinal cell types. Correlation analysis was also conducted to examine there’s relationship between the patients’ age and the signal components which the results show very little correlation between the age and the components, with some significant correlation between the individual components. In the frequency domain, Fourier Transform was used to extract signal frequencies for analysis. The frequency content of the ERG signals can reveal information about the underlying physiological processes and potential abnormalities. However, due to the time-invariant nature of the frequency domain, drawing conclusions based solely on this analysis can be challenging. For time-frequency domain analysis, short-time Fourier transform (STFT) was employed along with spectrogram analysis. The STFT allowed for the examination of how the frequency content of the signals evolved over time, providing a more comprehensive representation of the signal dynamics. Additionally, features were extracted using different windows and window sizes for machine learning classifier training to classify the signals. The spectrograms computed were also used to train deep learning models with different architectures, and the results were compared based on the windows used. The findings indicate that there is no discernible correlation between age and other signal components in the time domain. This suggests that age alone may not be a reliable predictor of ERG signal characteristics. In the frequency domain, drawing conclusions based solely on the frequency content proved challenging due to the time-invariant nature of the analysis. Moreover, it is evident that window sizes have a more significant impact on the resulting features compared to window functions. Larger window sizes yield improved frequency resolution, while smaller windows offer higher time resolution. This implies that the time and frequency resolution play a more substantial role in shaping the resulting features than the signal processing performed by the window function itself. The analysis of ERG signals using various techniques, including time-domain, frequency-domain, and time-frequency domain methods, provides valuable insights into retinal function and potential disorders. The combination of these approaches, along with feature extraction and machine learning techniques, offers a comprehensive framework for understanding and interpreting ERG signals. However, careful consideration of factors such as window sizes and resolution trade-offs is crucial for obtaining meaningful and accurate results.