O objetivo deste trabalho é filtrar sinais corrompidos por ruído Gaussiano ou impulsivo, preservando a amplitude e a morfologia do sinal original. Normalmente, um filtro linear é utilizado nesta tarefa, porém este filtro altera significativamente as amplitudes e as bordas dos sinais, bem como insere atrasos no sinal. Mostra-se neste trabalho que a difusão anisotrópica em conjunto com filtro mediana é muito mais eficaz do que os filtros lineares para esta aplicação. A difusão anisotrópica é uma filtragem iterativa, onde o sinal é filtrado repetidamente. A difusão anisotrópica é controlada por uma função denominada parada-na-aresta, por um parâmetro de escala e pelo número de iterações. Neste trabalho, testamos três bem conhecidas funções parada-na-aresta, concluindo que a função de parada na aresta de Malik e Perona consegue o maior fator de redução de ruído. Infelizmente, esta função é extremamente sensível ao número de iterações, onde o fator de redução de ruído deteriora-se rapidamente antes e depois do ponto ótimo. Como não se conhece o sinal sem ruído, não é possível determinar precisamente qual é o melhor momento de encerrar as iterações do filtro anisotrópico. Desenvolve-se neste trabalho um novo método de parada de difusão baseado na análise da resposta de freqüência do sinal filtrado. Também mostramos como determinar automaticamente um valor de escala adequado. Aplicamos a técnica proposta em eletrocardiograma (ECG). complexo QRS e as Contrações Ventriculares Prematuras (Premature Ventricular Contractions - PVCs) são informações importantes contidas no sinal de ECG. Quando esses sinais são adquiridos no mundo real, eles são freqüentemente corrompidos por eletromiogramas (EMG), artefatos ruidosos provenientes da atividade elétrica associada às contrações musculares. EMG é considerado o ruído de ECG mais difícil de ser eliminado. Ao filtrar o sinal de ECG para remover EMG, não se pode alterar a informação do complexo QRS e anomalia PVC, para não comprometer o diagnóstico clínico. O sinal EMG é modelado como sendo ruído Gaussiano ou, de uma forma mais realística, como ruído com distribuição alfa-estável com características impulsivas. Aplicamos a técnica proposta para filtrar sinais de eletrocardiograma reais do banco de dados de Massachusetts Institute of Technology - Beth Israel Hospital (MIT-BIH). Também é analisada nesta tese a filtragem de sinais provenientes de sensor piezoelétrico. Estes sinais são usados em sistemas reais de corte de aço duro. Em geral uma ferramenta de corte tem sensores piezoelétricos, usados para medição do esforço do corte. Quando a ferramenta de corte se encosta à peça a ser cortada, o sinal do sensor produz uma informação que decai erroneamente ao longo do tempo. Aplicamos a difusão anisotrópica em conjunto com o filtro mediana para determinar o decaimento do sinal do sensor piezoelétrico ao longo do tempo, e assim compensar esta distorção e melhorar o corte de aço duro. / This thesis aims to filter signals corrupted by Gaussian or impulsive noise, preserving the amplitude and the morphology of the original signal. Typically, a linear filter is used for this task, but this filter significantly alters the amplitudes and the edges of the signals and inserts delays in the signal. This work shows that the anisotropic diffusion in conjunction with median filter is much more effective than linear filters for this application. The anisotropic diffusion is an iterative filter, where the signal is filtered repeatedly. An edge-stopping function, a scale parameter and the number of iterations control the anisotropic diffusion. In this study, we tested three well-known edge-stopping functions, concluding that the Perona and Maliks function yields the largest noise reduction factor. Unfortunately, this function is extremely sensitive to the number of iterations, where the noise reduction factor deteriorates quickly before and after the optimal point. As we do not have access to the original noiseless signal, it is not possible to determine precisely the best moment to stop the iterations of the anisotropic filtering. We develop in this paper a new method to determine the best stopping time based on the analysis of the frequency response of the filtered signal. We also show how to determine automatically an adequate scale parameter. We apply the proposed technique to filter electrocardiogram (ECG). The QRS complex and Premature Ventricular Contractions (PVCs) are important information in the ECG signal. When these signals are acquired in the real world, they are often corrupted with noise artifacts from the electrical activity associated with muscle contractions called Electromyography (EMG). EMC is considered the most difficult noise to be eliminated from ECG. When the ECG signal is filtered to remove EMG, the information of the QRS complex and the PVC abnormality must not be altered, to not compromise the clinical diagnosis. We model the EMG signal as Gaussian noise or, more realistically, as alpha stable distribution noise with impulsive characteristics. We apply this technique to filter the real ECG signals from the Massachusetts Institute of Technology - Beth Israel Hospital database (MIT-BIH). This thesis also analyzes the filtering of signals from piezoelectric sensor. These signals are used in real systems for cutting hard steel. In general, a cutting tool has piezoelectric sensors, used to measure the cutting force. When the cutting tool touches the part to be cut, the signal from the sensor produces information that falsely decays over the time. We apply the anisotropic diffusion in conjunction with the median filter to determine the decay of the signal, and therefore offset this distortion and improve the hard steel cutting.

O objetivo deste trabalho é filtrar sinais corrompidos por ruído Gaussiano ou impulsivo, preservando a amplitude e a morfologia do sinal original. Normalmente, um filtro linear é utilizado nesta tarefa, porém este filtro altera significativamente as amplitudes e as bordas dos sinais, bem como insere atrasos no sinal. Mostra-se neste trabalho que a difusão anisotrópica em conjunto com filtro mediana é muito mais eficaz do que os filtros lineares para esta aplicação. A difusão anisotrópica é uma filtragem iterativa, onde o sinal é filtrado repetidamente. A difusão anisotrópica é controlada por uma função denominada parada-na-aresta, por um parâmetro de escala e pelo número de iterações. Neste trabalho, testamos três bem conhecidas funções parada-na-aresta, concluindo que a função de parada na aresta de Malik e Perona consegue o maior fator de redução de ruído. Infelizmente, esta função é extremamente sensível ao número de iterações, onde o fator de redução de ruído deteriora-se rapidamente antes e depois do ponto ótimo. Como não se conhece o sinal sem ruído, não é possível determinar precisamente qual é o melhor momento de encerrar as iterações do filtro anisotrópico. Desenvolve-se neste trabalho um novo método de parada de difusão baseado na análise da resposta de freqüência do sinal filtrado. Também mostramos como determinar automaticamente um valor de escala adequado. Aplicamos a técnica proposta em eletrocardiograma (ECG). complexo QRS e as Contrações Ventriculares Prematuras (Premature Ventricular Contractions - PVCs) são informações importantes contidas no sinal de ECG. Quando esses sinais são adquiridos no mundo real, eles são freqüentemente corrompidos por eletromiogramas (EMG), artefatos ruidosos provenientes da atividade elétrica associada às contrações musculares. EMG é considerado o ruído de ECG mais difícil de ser eliminado. Ao filtrar o sinal de ECG para remover EMG, não se pode alterar a informação do complexo QRS e anomalia PVC, para não comprometer o diagnóstico clínico. O sinal EMG é modelado como sendo ruído Gaussiano ou, de uma forma mais realística, como ruído com distribuição alfa-estável com características impulsivas. Aplicamos a técnica proposta para filtrar sinais de eletrocardiograma reais do banco de dados de Massachusetts Institute of Technology - Beth Israel Hospital (MIT-BIH). Também é analisada nesta tese a filtragem de sinais provenientes de sensor piezoelétrico. Estes sinais são usados em sistemas reais de corte de aço duro. Em geral uma ferramenta de corte tem sensores piezoelétricos, usados para medição do esforço do corte. Quando a ferramenta de corte se encosta à peça a ser cortada, o sinal do sensor produz uma informação que decai erroneamente ao longo do tempo. Aplicamos a difusão anisotrópica em conjunto com o filtro mediana para determinar o decaimento do sinal do sensor piezoelétrico ao longo do tempo, e assim compensar esta distorção e melhorar o corte de aço duro. / This thesis aims to filter signals corrupted by Gaussian or impulsive noise, preserving the amplitude and the morphology of the original signal. Typically, a linear filter is used for this task, but this filter significantly alters the amplitudes and the edges of the signals and inserts delays in the signal. This work shows that the anisotropic diffusion in conjunction with median filter is much more effective than linear filters for this application. The anisotropic diffusion is an iterative filter, where the signal is filtered repeatedly. An edge-stopping function, a scale parameter and the number of iterations control the anisotropic diffusion. In this study, we tested three well-known edge-stopping functions, concluding that the Perona and Maliks function yields the largest noise reduction factor. Unfortunately, this function is extremely sensitive to the number of iterations, where the noise reduction factor deteriorates quickly before and after the optimal point. As we do not have access to the original noiseless signal, it is not possible to determine precisely the best moment to stop the iterations of the anisotropic filtering. We develop in this paper a new method to determine the best stopping time based on the analysis of the frequency response of the filtered signal. We also show how to determine automatically an adequate scale parameter. We apply the proposed technique to filter electrocardiogram (ECG). The QRS complex and Premature Ventricular Contractions (PVCs) are important information in the ECG signal. When these signals are acquired in the real world, they are often corrupted with noise artifacts from the electrical activity associated with muscle contractions called Electromyography (EMG). EMC is considered the most difficult noise to be eliminated from ECG. When the ECG signal is filtered to remove EMG, the information of the QRS complex and the PVC abnormality must not be altered, to not compromise the clinical diagnosis. We model the EMG signal as Gaussian noise or, more realistically, as alpha stable distribution noise with impulsive characteristics. We apply this technique to filter the real ECG signals from the Massachusetts Institute of Technology - Beth Israel Hospital database (MIT-BIH). This thesis also analyzes the filtering of signals from piezoelectric sensor. These signals are used in real systems for cutting hard steel. In general, a cutting tool has piezoelectric sensors, used to measure the cutting force. When the cutting tool touches the part to be cut, the signal from the sensor produces information that falsely decays over the time. We apply the anisotropic diffusion in conjunction with the median filter to determine the decay of the signal, and therefore offset this distortion and improve the hard steel cutting.

Na área de processamento de sinais biomédicos a extração de informação, baseada em um conjunto de medidas adquiridas no tempo, é considerada de suma importância. A qualidade desta informação extraída permite avaliar o funcionamento dos diversos órgãos. Objetivos: (1) propor o método de análise de componentes dependentes para auxiliar a extração de componentes de interesse, a partir de medidas multivariadas; (2) caraterizar as componentes extraídas através de representações em termos de tempo e freqüência, e espectro de potência; e, (3) aplicar o método e avaliar as componentes de interesse extraídas no contexto real MCGf, MGG e fMRI. A proposta para a extração fundamenta-se no método chamado de Análise de Componentes Dependentes ACD. As medidas a serem processadas são multivariadas a partir de sensores distribuídos, espacialmente, no corpo humano dando origem a um conjunto de dados correlacionados no tempo e/ou no espaço. Observa-se que os sinais de interesse raramente são registrados de forma isolada, e sim misturados com outros sinais superpostos, ruído e artefatos fisiológicos ou ambientais, onde a relação sinal-ruído é geralmente baixa. Nesse contexto, a estratégia a ser utilizada baseia-se na ACD, que permitirá extrair um pequeno número de fontes, de potencial interesse, com informações úteis. A estratégia ACD para extração de informação é aplicada em três importantes problemas, na área de processamento de sinais biomédicos: (1) detecção do sinal do feto em magnetocardiografia fetal (MCGf); (2) detecção da atividade de resposta elétrica do estômago em magnetogastrografia (MGG); e, (3) detecção de regiões ativas do cérebro em experimentos de imagens por ressonância magnética funcional (Functional Magnetic Resonance Imaging, fMRI). Os resultados, nos três casos estudados, mostraram que o método utilizado, como estratégia, é efetivo e computacionalmente eficiente para extração de sinais de interesse. Concluímos, baseados nas aplicações, que o método proposto é eficaz, mostrando seu potencial para futuras pesquisas clínicas. / An important goal in biomedical signal processing is the extraction of information based on a set of physiological measurements made along time. Generally, biomedical signals are electromagnetic measurements. Those measurements (usually made with multichannel equipment) are registered using spatially distributed sensors around some areas of the human body, originating a set of time and/or space correlated data. The signals of interest are rarely registered alone, being usually observed as a mixture of other spurious, noisy signals (sometimes superimposed) and environmental or physiological artifacts. More over, the signal-to-noise ratio is generally low. In many applications, a big number of sensors are available, but just a few sources are of interest and the remainder can be considered noise. For such kind of applications, it is necessary to develop trustful, robust and effective learning algorithms that allow the extraction of only a few sources potentially of interest and that hold useful information. The strategy used here for extraction of sources is applied in three important problems in biomedical signal processing: (1) detection of the fetal magnetocardiogram signal (fMCG); (2) detection of the electrical activity of the stomach in magnetogastrograms (MGG); and (3) detection of active regions of the brain in experiments in functional Magnetic Resonance Imaging (fMRI). The results, within the three cases of study, showed that the DCA method used as strategy is effective and computationally efficient on extraction of desired signals.

A brain-machine interface (BMI) is a system that allows the communication between the central nervous system (CNS) and an external device (Wolpaw et al. 2002). Applications of BMIs include the control of external prostheses, cursors and spellers, to name a few. The BMIs developed by various research groups differ in their characteristics (e.g. continuous or discrete, synchronous or asynchronous, degrees of freedom, others) and, in spite of several initiatives towards standardization and guidelines, the cross comparison across studies remains a challenge (Brunner et al. 2015; Thompson et al. 2014). Here, we used a 64-channel EEG equipment to acquire data from 19 healthy participants during three different tasks (SSVEP, P300 and hybrid) that allowed four choices to the user and required no previous neurofeedback training. We systematically compared the offline performance of the three tasks on the following parameters: a) accuracy, b) information transfer rate, c) illiteracy/inefficiency, and d) individual preferences. Additionally, we selected the best performing channels per task and evaluated the accuracy as a function of the number of electrodes. Our results demonstrate that the SSVEP task outperforms the other tasks in accuracy, ITR and illiteracy/inefficiency, reaching an average ITR** of 52,8 bits/min and a maximum ITR** of 104,2 bits/min. Additionally, all participants achieved an accuracy level above 70% (illiteracy/inefficiency threshold) in both SSVEP and P300 tasks. Furthermore, the average accuracy of all tasks did not deteriorate if a reduced set with only the 8 best performing electrodes were used. These results are relevant for the development of online BMIs, including aspects related to usability, user satisfaction and portability. / A interface cérebro-máquina (ICM) é um sistema que permite a comunicação entre o sistema nervoso central e um dispositivo externo (Wolpaw et al., 2002). Aplicações de ICMs incluem o controle de próteses externa, cursores e teclados virtuais, para citar alguns. As ICMs desenvolvidas por vários grupos de pesquisa diferem em suas características (por exemplo, contínua ou discreta, síncrona ou assíncrona, graus de liberdade, outras) e, apesar de várias iniciativas voltadas para diretrizes de padronização, a comparação entre os estudos continua desafiadora (Brunner et al. 2015, Thompson et al., 2014). Aqui, utilizamos um equipamento EEG de 64 canais para adquirir dados de 19 participantes saudáveis ao longo da execução de três diferentes tarefas (SSVEP, P300 e híbrida) que permitiram quatro escolhas ao usuário e não exigiram nenhum treinamento prévio. Comparamos sistematicamente o desempenho \"off-line\" das três tarefas nos seguintes parâmetros: a) acurácia, b) taxa de transferência de informação, c) analfabetismo / ineficiência e d) preferências individuais. Além disso, selecionamos os melhores canais por tarefa e avaliamos a acurácia em função do número de eletrodos. Nossos resultados demonstraram que a tarefa SSVEP superou as demais em acurácia, ITR e analfabetismo/ineficiência, atingindo um ITR** médio de 52,8 bits/min e um ITR** máximo de 104,2 bits/min. Adicionalmente, todos os participantes alcançaram um nível de acurácia acima de 70% (limiar de analfabetismo/ineficiência) nas tarefas SSVEP e P300. Além disso, a acurácia média de todas as tarefas não se deteriorou ao se utilizar um conjunto reduzido composto apenas pelos melhores 8 eletrodos. Estes resultados são relevantes para o desenvolvimento de ICMs \"online\", incluindo aspectos relacionados à usabilidade, satisfação do usuário e portabilidade.

The strong relationship between cognitive processing and coherent behaviour and neurocognitive networks justifies the current huge interest in cortical functional connectivity modeling. This has fostered the development of connectivity estimators from the classical bivariate coherence concept to the notion of multivariate partial directed coherence (PDC) which provides information about temporal dependencies exposing cause and effect relationships. This work examines PDC performance for scalp EEG data whose research value has been subject to much debate in the light of the presence of volume conduction (VC) effects that often obscure the actual nature of cortical source dynamics. Through analytical considerations and simulations we show that even though (VC) can hinder accurate connectivity estimation, one can mitigate its effects by a judicious choice of scalp electrode configuration/ground reference. This observation allows settling the connectivity estimation adequacy debate in the presence of PDC. / A forte relação que processamento cognitivo e comportamento coerente tem com redes neurocognitivas justifica o enorme interesse atual em modelamento de conectividade cortical. Este fato tem justificado o desenvolvimento de estimadores de conectividade desde a clássica coerência bivariada até a noção multivariada de coerência parcial direcionada (PDC) que exibe informação a cerca de dependências temporais que permitem expor relações de causa e efeito. O presente trabalho examina o desempenho da PDC no contexto de EEG de escalpo cujo valor em pesquisa sob os efeitos de condução de volume (VC) tem sido objeto de uma quantidade substancial de questionamentos na medida em esta obscurece a observação da dinâmica das fontes corticais. Por meio de considerações analíticas e simulações, mostramos que é possível mitigar os erros de estimação devidos à VC através da escolha judiciosa da configuração de eletrodos e da referência de terra. Esta observação permite resolver o conflito acerca da adequabilidade da inferência cortical baseada em EEG de escalpo.

A brain-machine interface (BMI) is a system that allows the communication between the central nervous system (CNS) and an external device (Wolpaw et al. 2002). Applications of BMIs include the control of external prostheses, cursors and spellers, to name a few. The BMIs developed by various research groups differ in their characteristics (e.g. continuous or discrete, synchronous or asynchronous, degrees of freedom, others) and, in spite of several initiatives towards standardization and guidelines, the cross comparison across studies remains a challenge (Brunner et al. 2015; Thompson et al. 2014). Here, we used a 64-channel EEG equipment to acquire data from 19 healthy participants during three different tasks (SSVEP, P300 and hybrid) that allowed four choices to the user and required no previous neurofeedback training. We systematically compared the offline performance of the three tasks on the following parameters: a) accuracy, b) information transfer rate, c) illiteracy/inefficiency, and d) individual preferences. Additionally, we selected the best performing channels per task and evaluated the accuracy as a function of the number of electrodes. Our results demonstrate that the SSVEP task outperforms the other tasks in accuracy, ITR and illiteracy/inefficiency, reaching an average ITR** of 52,8 bits/min and a maximum ITR** of 104,2 bits/min. Additionally, all participants achieved an accuracy level above 70% (illiteracy/inefficiency threshold) in both SSVEP and P300 tasks. Furthermore, the average accuracy of all tasks did not deteriorate if a reduced set with only the 8 best performing electrodes were used. These results are relevant for the development of online BMIs, including aspects related to usability, user satisfaction and portability. / A interface cérebro-máquina (ICM) é um sistema que permite a comunicação entre o sistema nervoso central e um dispositivo externo (Wolpaw et al., 2002). Aplicações de ICMs incluem o controle de próteses externa, cursores e teclados virtuais, para citar alguns. As ICMs desenvolvidas por vários grupos de pesquisa diferem em suas características (por exemplo, contínua ou discreta, síncrona ou assíncrona, graus de liberdade, outras) e, apesar de várias iniciativas voltadas para diretrizes de padronização, a comparação entre os estudos continua desafiadora (Brunner et al. 2015, Thompson et al., 2014). Aqui, utilizamos um equipamento EEG de 64 canais para adquirir dados de 19 participantes saudáveis ao longo da execução de três diferentes tarefas (SSVEP, P300 e híbrida) que permitiram quatro escolhas ao usuário e não exigiram nenhum treinamento prévio. Comparamos sistematicamente o desempenho \"off-line\" das três tarefas nos seguintes parâmetros: a) acurácia, b) taxa de transferência de informação, c) analfabetismo / ineficiência e d) preferências individuais. Além disso, selecionamos os melhores canais por tarefa e avaliamos a acurácia em função do número de eletrodos. Nossos resultados demonstraram que a tarefa SSVEP superou as demais em acurácia, ITR e analfabetismo/ineficiência, atingindo um ITR** médio de 52,8 bits/min e um ITR** máximo de 104,2 bits/min. Adicionalmente, todos os participantes alcançaram um nível de acurácia acima de 70% (limiar de analfabetismo/ineficiência) nas tarefas SSVEP e P300. Além disso, a acurácia média de todas as tarefas não se deteriorou ao se utilizar um conjunto reduzido composto apenas pelos melhores 8 eletrodos. Estes resultados são relevantes para o desenvolvimento de ICMs \"online\", incluindo aspectos relacionados à usabilidade, satisfação do usuário e portabilidade.

Na área de processamento de sinais biomédicos a extração de informação, baseada em um conjunto de medidas adquiridas no tempo, é considerada de suma importância. A qualidade desta informação extraída permite avaliar o funcionamento dos diversos órgãos. Objetivos: (1) propor o método de análise de componentes dependentes para auxiliar a extração de componentes de interesse, a partir de medidas multivariadas; (2) caraterizar as componentes extraídas através de representações em termos de tempo e freqüência, e espectro de potência; e, (3) aplicar o método e avaliar as componentes de interesse extraídas no contexto real MCGf, MGG e fMRI. A proposta para a extração fundamenta-se no método chamado de Análise de Componentes Dependentes ACD. As medidas a serem processadas são multivariadas a partir de sensores distribuídos, espacialmente, no corpo humano dando origem a um conjunto de dados correlacionados no tempo e/ou no espaço. Observa-se que os sinais de interesse raramente são registrados de forma isolada, e sim misturados com outros sinais superpostos, ruído e artefatos fisiológicos ou ambientais, onde a relação sinal-ruído é geralmente baixa. Nesse contexto, a estratégia a ser utilizada baseia-se na ACD, que permitirá extrair um pequeno número de fontes, de potencial interesse, com informações úteis. A estratégia ACD para extração de informação é aplicada em três importantes problemas, na área de processamento de sinais biomédicos: (1) detecção do sinal do feto em magnetocardiografia fetal (MCGf); (2) detecção da atividade de resposta elétrica do estômago em magnetogastrografia (MGG); e, (3) detecção de regiões ativas do cérebro em experimentos de imagens por ressonância magnética funcional (Functional Magnetic Resonance Imaging, fMRI). Os resultados, nos três casos estudados, mostraram que o método utilizado, como estratégia, é efetivo e computacionalmente eficiente para extração de sinais de interesse. Concluímos, baseados nas aplicações, que o método proposto é eficaz, mostrando seu potencial para futuras pesquisas clínicas. / An important goal in biomedical signal processing is the extraction of information based on a set of physiological measurements made along time. Generally, biomedical signals are electromagnetic measurements. Those measurements (usually made with multichannel equipment) are registered using spatially distributed sensors around some areas of the human body, originating a set of time and/or space correlated data. The signals of interest are rarely registered alone, being usually observed as a mixture of other spurious, noisy signals (sometimes superimposed) and environmental or physiological artifacts. More over, the signal-to-noise ratio is generally low. In many applications, a big number of sensors are available, but just a few sources are of interest and the remainder can be considered noise. For such kind of applications, it is necessary to develop trustful, robust and effective learning algorithms that allow the extraction of only a few sources potentially of interest and that hold useful information. The strategy used here for extraction of sources is applied in three important problems in biomedical signal processing: (1) detection of the fetal magnetocardiogram signal (fMCG); (2) detection of the electrical activity of the stomach in magnetogastrograms (MGG); and (3) detection of active regions of the brain in experiments in functional Magnetic Resonance Imaging (fMRI). The results, within the three cases of study, showed that the DCA method used as strategy is effective and computationally efficient on extraction of desired signals.

The strong relationship between cognitive processing and coherent behaviour and neurocognitive networks justifies the current huge interest in cortical functional connectivity modeling. This has fostered the development of connectivity estimators from the classical bivariate coherence concept to the notion of multivariate partial directed coherence (PDC) which provides information about temporal dependencies exposing cause and effect relationships. This work examines PDC performance for scalp EEG data whose research value has been subject to much debate in the light of the presence of volume conduction (VC) effects that often obscure the actual nature of cortical source dynamics. Through analytical considerations and simulations we show that even though (VC) can hinder accurate connectivity estimation, one can mitigate its effects by a judicious choice of scalp electrode configuration/ground reference. This observation allows settling the connectivity estimation adequacy debate in the presence of PDC. / A forte relação que processamento cognitivo e comportamento coerente tem com redes neurocognitivas justifica o enorme interesse atual em modelamento de conectividade cortical. Este fato tem justificado o desenvolvimento de estimadores de conectividade desde a clássica coerência bivariada até a noção multivariada de coerência parcial direcionada (PDC) que exibe informação a cerca de dependências temporais que permitem expor relações de causa e efeito. O presente trabalho examina o desempenho da PDC no contexto de EEG de escalpo cujo valor em pesquisa sob os efeitos de condução de volume (VC) tem sido objeto de uma quantidade substancial de questionamentos na medida em esta obscurece a observação da dinâmica das fontes corticais. Por meio de considerações analíticas e simulações, mostramos que é possível mitigar os erros de estimação devidos à VC através da escolha judiciosa da configuração de eletrodos e da referência de terra. Esta observação permite resolver o conflito acerca da adequabilidade da inferência cortical baseada em EEG de escalpo.

Os potenciais evocados somato-sensitivos são úteis para detectar e localizar lesões nas vias sensoriais. Sua obtenção exige a média síncrona de mais de mil respostas individuais. A redução do número de estímulos elétricos para obter o potencial evocado resulta na diminuição do tempo do exame e do desconforto do paciente. O objetivo desta dissertação foi o de estudar o potencial de contribuição de duas técnicas de tempo-freqüência (ondaletas e filtros associados a trechos temporais específicos) à estimação de potenciais evocados somato-sensitivos, quando se utilizam apenas 100 respostas individuais. Quanto aos filtros, sugere-se o uso de dois passa-baixas. O primeiro, com freqüência de corte em 900Hz, deve ser utilizado no trecho inicial de 3ms a 35ms e o segundo, com freqüência de corte em 200Hz, no trecho final de 25ms a 60ms. Em relação aos parâmetros da técnica baseada em ondaletas, recomenda-se a utilização da ondaleta-mãe biortogonal 5.5, pois ela fornece erros menores e apresenta curvas visualmente boas. Além disso, ela apresenta a vantagem de ter fase linear, que é mais adequada ao processamento de potenciais evocados. Os 20% maiores coeficientes das escalas D3, D4 e D5 e os 50% maiores coeficientes da escala D6 que se encontram em trechos temporais específicos, além de todos os coeficientes de aproximação da escala 6, reconstroem adequadamente o potencial evocado. A análise estatística dos erros quadráticos normalizados indicou que a estimação por ondaletas é a melhor dentre as técnicas testadas. Também se verificou que ambas as técnicas resultaram na redução do erro quadrático normalizado, quando comparadas à média síncrona de 100 respostas individuais. Conclui-se que tanto as ondaletas quanto os filtros contribuem de forma positiva à obtenção de melhores estimativas do potencial evocado, mesmo quando um número reduzido de respostas individuais é utilizado. / Somatosensory evoked potentials are useful to detect and locate lesions in sensory pathways. In order to obtain somatosensory evoked potentials, more than one thousand single sweeps must be synchronously averaged. The smaller the number of electrical stimuli used for evoked potentials, the lower is the examination length and the patient discomfort. The objective of this thesis is to study the contribution potential of two time-frequency techniques (wavelets and filters associated to specific time intervals) to the estimation of somatosensory evoked potentials, when only one hundred individual responses are used. For the filtering technique, it is suggested that two low-pass filters be used. The first filter has a 900Hz cutoff frequency and must be used in the 3ms-35ms time interval. The second one has a 200Hz cutoff frequency and should be applied to the 25ms-60ms section. Regarding wavelet parameters, it is recommended that a biorthogonal 5.5 mother wavelet be used, because it provides smaller errors and the results are visually good. Besides it, this mother wavelet has linear phase, which is useful to the evoked potential processing. The 20% greatest coefficients in D3, D4, D5 scales, and the 50% greatest D6 coefficients are candidates to the reconstruction. Those that fall in specific time intervals are used together with all the A6 coefficients. They reconstruct evoked potentials in a satisfactory manner. The statistical analysis of the normalized squared errors indicates that the wavelet estimation is the best technique among the tested ones. This work also shows that both techniques resulted in the reduction of the normalized squared errors, when compared to the synchronous averaging of 100 individual responses. As a conclusion, both wavelets and filters contribute in a positive manner to improve evoked potential estimation, even when a reduced number of individual responses is used.

Os potenciais evocados somato-sensitivos são úteis para detectar e localizar lesões nas vias sensoriais. Sua obtenção exige a média síncrona de mais de mil respostas individuais. A redução do número de estímulos elétricos para obter o potencial evocado resulta na diminuição do tempo do exame e do desconforto do paciente. O objetivo desta dissertação foi o de estudar o potencial de contribuição de duas técnicas de tempo-freqüência (ondaletas e filtros associados a trechos temporais específicos) à estimação de potenciais evocados somato-sensitivos, quando se utilizam apenas 100 respostas individuais. Quanto aos filtros, sugere-se o uso de dois passa-baixas. O primeiro, com freqüência de corte em 900Hz, deve ser utilizado no trecho inicial de 3ms a 35ms e o segundo, com freqüência de corte em 200Hz, no trecho final de 25ms a 60ms. Em relação aos parâmetros da técnica baseada em ondaletas, recomenda-se a utilização da ondaleta-mãe biortogonal 5.5, pois ela fornece erros menores e apresenta curvas visualmente boas. Além disso, ela apresenta a vantagem de ter fase linear, que é mais adequada ao processamento de potenciais evocados. Os 20% maiores coeficientes das escalas D3, D4 e D5 e os 50% maiores coeficientes da escala D6 que se encontram em trechos temporais específicos, além de todos os coeficientes de aproximação da escala 6, reconstroem adequadamente o potencial evocado. A análise estatística dos erros quadráticos normalizados indicou que a estimação por ondaletas é a melhor dentre as técnicas testadas. Também se verificou que ambas as técnicas resultaram na redução do erro quadrático normalizado, quando comparadas à média síncrona de 100 respostas individuais. Conclui-se que tanto as ondaletas quanto os filtros contribuem de forma positiva à obtenção de melhores estimativas do potencial evocado, mesmo quando um número reduzido de respostas individuais é utilizado. / Somatosensory evoked potentials are useful to detect and locate lesions in sensory pathways. In order to obtain somatosensory evoked potentials, more than one thousand single sweeps must be synchronously averaged. The smaller the number of electrical stimuli used for evoked potentials, the lower is the examination length and the patient discomfort. The objective of this thesis is to study the contribution potential of two time-frequency techniques (wavelets and filters associated to specific time intervals) to the estimation of somatosensory evoked potentials, when only one hundred individual responses are used. For the filtering technique, it is suggested that two low-pass filters be used. The first filter has a 900Hz cutoff frequency and must be used in the 3ms-35ms time interval. The second one has a 200Hz cutoff frequency and should be applied to the 25ms-60ms section. Regarding wavelet parameters, it is recommended that a biorthogonal 5.5 mother wavelet be used, because it provides smaller errors and the results are visually good. Besides it, this mother wavelet has linear phase, which is useful to the evoked potential processing. The 20% greatest coefficients in D3, D4, D5 scales, and the 50% greatest D6 coefficients are candidates to the reconstruction. Those that fall in specific time intervals are used together with all the A6 coefficients. They reconstruct evoked potentials in a satisfactory manner. The statistical analysis of the normalized squared errors indicates that the wavelet estimation is the best technique among the tested ones. This work also shows that both techniques resulted in the reduction of the normalized squared errors, when compared to the synchronous averaging of 100 individual responses. As a conclusion, both wavelets and filters contribute in a positive manner to improve evoked potential estimation, even when a reduced number of individual responses is used.