O corpo humano é um sistema complexo composto por vários subsistemas interdependentes, que interagem entre si em várias escalas. Sabe-se que essa complexidade fisiológica tende a diminuir com a presença de doenças e com o avanço da idade, reduzindo a capacidade de adaptação dos indivíduos. No sistema cardiovascular, uma das maneira de se avaliar sua dinâmica regulatória é através da análise da variabilidade da frequência cardíaca (VFC). Os métodos clássicos de análise da VFC são baseados em modelos lineares, como é o caso da análise espectral. Contudo, como os mecanismos fisiológicos de regulação cardíaca apresentam características não lineares, as análises utilizando tais modelos podem ser limitadas. Nos últimos tempos, várias propostas de métodos não lineares têm surgido. Porém, não se sabe de uma medida consistente com o conceito de complexidade fisiológica, onde tanto os regimes periódicos como aleatórios são caracterizados como perda de complexidade. Baseado no conceito de complexidade fisiológica, esta tese propõe novos métodos de análise não lineares para séries de VFC. Os métodos consistem da generalização de medidas de entropia já existentes, utilizando a mecânica estatística não aditiva de Tsallis e a técnica de geração de dados substitutos. Foi definido um método, chamado de qSDiff, que calcula a diferença entre a entropia de um sinal e a entropia média de suas séries substitutas. O método de entropia utilizado consiste de uma generalização da entropia amostral (SampEn), utilizando o paradigma não aditivo. Das séries qSDiff foram extraídos três atributos, que foram avaliados como possíveis índices de complexidade fisiológica. A entropia multiescala (MSE) também foi generalizada seguindo o paradigma não aditivo, e os mesmos atributos foram calculados em várias escalas. Os métodos foram aplicados em séries reais de VFC de humanos e de ratos, bem como em um conjunto de sinais simulados, formado por ruídos e mapas, este último em regimes caótico e periódico. O atributo qSDiffmax demonstrou ser consistente para baixas escalas ao passo que os atributos qmax e qzero para escalas maiores, separando e classificando os grupos quanto à complexidade fisiológica. Observou-se ainda uma possível relação entre estes q-atributos com a presença de caos, que precisa ser melhor estudada. Os resultados ainda apontam a possibilidade de que, na insuficiência cardíaca, ocorre maior degradação nos mecanismos de baixa escala, de curto período, ao passo que na fibrilação atrial o prejuízo se estenderia para escalas maiores. As medidas baseadas em entropia propostas são capazes de extrair informações importantes das séries de VFC, sendo mais consistentes com o conceito de complexidade fisiológica do que a SampEn (clássica). Reforçou-se a hipótese de que a complexidade se revela em múltiplas escalas de um sinal. Acreditamos que os métodos propostos podem contribuir bastante na análise da VFC e também de outros sinais biomédicos. / Human body is a complex system composed of several interdependent subsystems, interacting at various scales. It is known that physiological complexity tends to decrease with disease and aging, reducing the adaptative capabilities of the individual. In the cardiovascular system, one way to evaluate its regulatory dynamics is through the analysis of heart rate variability (HRV). Classical methods of HRV analysis are based on linear models, such as spectral analysis. However, as the physiological mechanisms regulating heart rate exhibit nonlinear characteristics, analyzes using such models may be limited. In the last years, several proposals nonlinear methods have emerged. Nevertheless, no one is known to be consistent with the physiological complexity theory, where both periodic and random regimes are characterized as complexity loss. Based on physiological complexity theory, this thesis proposes new methods for nonlinear HRV series analysis. The methods are generalization of existing entropy measures, through Tsallis nonadditive statistical mechanics and surrogate data. We defined a method, called qSDiff, which calculates the difference between the entropy of a signal and its surrogate data average entropy. The entropy method used is a generalization of sample entropy (SampEn), through nonadditive paradigm. From qSDiff we extracted three attributes, which were evaluated as potential physiological complexity indexes. Multiscale entropy (MSE) was also generalized following nonadditive paradigm, and the same attributes were calculated at various scales. The methods were applied to real human and rats HRV series, as well as to a set of simulated signals, consisting of noises and maps, the latter in chaotic and periodic regimes. qSDiffmax attribute proved to be consistent for low scales while qmax and qzero attributes to larger scales, separating and ranking groups in terms of physiological complexity. There was also found a possible relationship between these q-attributes with the presence of chaos, which must be further investigated. The results also suggested the possibility that, in congestive heart failure, degradation occurs rather at small scales or short time mechanisms, while in atrial fibrillation, damage would extend to larger scales. The proposed entropy based measures are able to extract important information of HRV series, being more consistent with physiological complexity theory than SampEn (classical). Results strengthened the hypothesis that complexity is revealed at multiple scales. We believe that the proposed methods can contribute to HRV as well as to other biomedical signals analysis.

Propõe-se um sistema para processamento em um mini computador, de sinais elétricos da cóclea gravados em fita magnética. As gravações são efetuadas nos hospitais, utilizando-se aparelhos de simples manuseio e de baixo custo. Obtém-se dados que auxiliarão no diagnóstico de patologias do órgão da audição. Os instrumentos existentes para a realização da eletrococleografia são da manipulação complexa além de terem alto custo. O sistema proposto simplifica muito a operação do equipamento empregado nos hospitais, obtendo-se uma redução do custo global do exame. No hospital, deve-se ter um circuito de controle, um gravador, um amplificador e um gerador de estímulos. No centro de computação deve-se ter um mini computador, outro gravador, filtros e uma interface de controle. Foram desenvolvidos no trabalho: o circuito de controle, os filtros, a interface de controle e todos os programas responsáveis pelo processamento. Atualmente, a eletrococleografia em todo o Brasil é realizada em apenas alguns centros hospitalares, devido aos fatores custo e complexidade de manuseio. Em vista dos bons resultados obtidos e do baixo custo do sistema proposto, conclui-se que, com o nosso método, poder-se-ia difundir a eletrococleografia para um grande número de centros hospitalares. / A system is proposed that uses a minicomputer for the processing of electrical potentials from the cochlea. These signals are previously recorded on magnetic tape at hospitals, using simple and inexpensive equipment. The results obtained by the processing provide valuable data for the diagnosis of hearing disorders. The available equipment for electrocochleography at the present time is rather complicated to use and very expensive. The proposed system eases the operation and has a low cost. At the hospital, one must have a control circuit, a tape recorder, an amplifier and a sound stimulator. At the computing center one needs a minicomputer, another tape recorder, filters and a control interface. In this work were developed: the control circuit, the filters, the control interface and all programs used in the processing of the data. Nowadays, the use of electrocochleography in Brazil is limited to a few medical centers, due to the cost and complexity of the equipment. It is hoped that the simpler system proposed here will contribute to a wider use of electrocochleography.

A análise de sinais biomédicos é uma área de pesquisa importante pois diversos processos fisiológicos que ocorrem no corpo humano podem ter suas atividades registradas como sinais. Neste trabalho, investigou-se a q-transformada de Fourier (q-FT), uma generalização não linear da transformada de Fourier baseada no formalismo não extensivo de Tsallis, que é caracterizado pela presença do parâmetro q. Foram realizados estudos analíticos e experimentos computacionais com sinais reais e simulados. A partir da dfinição da q-FT, um método de análise espectral generalizado para aplicação em sinais biomédicos foi desenvolvido. Este método foi avaliado através de experimentos com séries de intervalos RR cardíacos, usadas em estudos de variabilidade da frequência cardíaca. Os resultados ajudam a esclarecer algumas propriedades desta q-transformada, porém não indicam que o método desenvolvido seja efetivo para a análise espectral de séries RR. Entretanto, estudos posteriores de novos métodos de análise espectral baseados no formalismo de Tsallis podem ser desenvolvidos para a investigação de sinais biomédicos. / Biomedical signals analysis is an important research eld because many physiological processes occurring in human body can have their activities recorded as signals.This study investigated the q-Fourier transform (q-FT), a nonlinear generalization of Fourier transform based on the Tsallis nonextensive formalism, which is characterized by q parameter. Analytical studies and computational experiments with simulated and real signals were conducted. From the denition of q-FT, a generalized spectral analysis method for application in biomedical signals has been developed. This method was assessed through experiments with cardiac RR interval time series, which are used in studies of heart rate variability. The results help to clarify some properties of the q-Fourier transform, but do not indicate that the developed method is efective for the spectral analysis of RR series. However, further studies on new spectral analysis methods based on Tsallis formalism can be developed for biomedical signals investigation.

Métodos de identificação de pessoas sempre foram muito importantes para toda a sociedade. Atualmente, as pesquisas em biometria vêm sendo amplamente incentivadas por diversos setores da indústria mundial com o objetivo de melhorar ou substituir os atuais sistemas de segurança e de identificação de pessoas. O campo da biometria abarca uma grande variedade de tecnologias usadas para identificar e verificar a identidade de uma pessoa por meio da mensuração e análise de diversas características físicas e/ou comportamentais do ser humano. Diversas modalidades biométricas têm sido propostas para reconhecimento de pessoas, como impressão digital, íris, face e fala. Estas modalidades biométricas possuem características distintas em termos de desempenho, mensurabilidade e aceitabilidade. Uma questão a ser considerada com a aplicação biométrica é sua robustez a ataques por circunvenção, repetição e ofuscação. Esses ataques estão se tornando cada vez mais frequentes e questionamentos estão sendo levantados a respeito dos níveis de segurança das formas de reconhecimento. Sinais biomédicos como eletrocardiograma (ECG), eletroencefalograma (EEG) e eletromiograma (EMG) têm sido cada vez mais estudados e aplicados ao reconhecimento biométrico. Em específico, os sinais de ECG têm sido largamente adotados para o reconhecimento biométrico em diversos trabalhos. Por outro lado, análise de séries temporais tem sido usada com sucesso em muitas diferentes aplicações para identificar padrões temporais nos dados. Embora dinâmica simples possa ser observada com ferramentas analíticas tradicionais tais como transformada de fourier, transformada wavelet, a representação simbólica pode melhorar a análise de processos que são complexos e possivelmente caótico. Além disso, representação simbólica pode também reduzir a sensibilidade a ruído e melhorar bastante a eficiência computacional. No entanto, existem aspectos estruturais e paramétricos de projeto que podem conduzir a uma degradação de desempenho. Na ausência de uma metodologia sistemática e de baixo custo para a proposição de técnicas de representação simbólicas otimamente especificadas, os comitês de máquinas, mais especificamente ensemble, se apresentam como alternativas promissoras. Neste estudo, os componentes do ensemble, que correspondem as técnicas de representação simbólicas, e seus respectivos parâmetros foram selecionados via algoritmos evolutivos. O objetivo é explorar conjuntamente potencialidades advindas das técnicas de representação simbólicas e comitê de máquinas para reconhecimento biométrico baseado em sinais de ECG. Resultados experimentais conduzidos sobre dois conjuntos de dados disponíveis publicamente indicam que a abordagem proposta pode melhorar o desempenho do reconhecimento quando comparada com as técnicas tradicionais / Identification people methods have been very important for the whole society. Currently, research on biometrics have been widely encouraged by various sectors of the industry worldwide in order to improve or replace existing security systems and people identification. The field of biometrics includes a variety of technologies used to identify or verify the identity of a person by measuring and analyzing various physical and/or behavioral aspects of the human being. Several biometric methods have been proposed for recognition of people, such as fingerprint, iris, face and speech. These biometric modalities have different characteristics in terms of performance, measurability and acceptability. One issue to be considered with the biometric application in the real world is its robustness to attacks by circumvention, repetition and obfuscation. These attacks are becoming more frequent and more questions are being raised about the levels of security that this technology can offer. Biomedical signals such as electrocardiogram (ECG), electroencephalogram (EEG) and electromyogram (EMG) have been increasingly studied and applied to biometric recognition. Specifically, ECG signals have been widely adopted for biometric recognition in various works. On the other hand, time series analysis has been used successfully in many different applications to identify temporal patterns in the data. Although simple dynamics can be observed with traditional analytical tools such as fourier transform, wavelet transform, the symbolic representation can improve the analysis of processes that are complex and possibly chaotic. In addition, symbolic representation can also reduce noise sensitivity and greatly improve computational efficiency. However, there are structural and parametric design aspects that can lead to performance degradation. In the absence of a systematic and inexpensive methodology for proposing optimally specified symbolic representation techniques, machine committees, more specifically ensemble, present themselves as promising alternatives. In this study, the components of the committee, which correspond to techniques of symbolic representation, and their respective parameters were selected via evolutionary algorithms. The objective is to jointly explore the potentialities of both symbolic representation techniques and machine committee for biometric recognition based on ECG signals. Experimental results conducted on two publicly available datasets indicate that the proposed approach may improve recognition performance when compared to traditional techniques

Métodos de identificação de pessoas sempre foram muito importantes para toda a sociedade. Atualmente, as pesquisas em biometria vêm sendo amplamente incentivadas por diversos setores da indústria mundial com o objetivo de melhorar ou substituir os atuais sistemas de segurança e de identificação de pessoas. O campo da biometria abarca uma grande variedade de tecnologias usadas para identificar e verificar a identidade de uma pessoa por meio da mensuração e análise de diversas características físicas e/ou comportamentais do ser humano. Diversas modalidades biométricas têm sido propostas para reconhecimento de pessoas, como impressão digital, íris, face e fala. Estas modalidades biométricas possuem características distintas em termos de desempenho, mensurabilidade e aceitabilidade. Uma questão a ser considerada com a aplicação biométrica é sua robustez a ataques por circunvenção, repetição e ofuscação. Esses ataques estão se tornando cada vez mais frequentes e questionamentos estão sendo levantados a respeito dos níveis de segurança das formas de reconhecimento. Sinais biomédicos como eletrocardiograma (ECG), eletroencefalograma (EEG) e eletromiograma (EMG) têm sido cada vez mais estudados e aplicados ao reconhecimento biométrico. Em específico, os sinais de ECG têm sido largamente adotados para o reconhecimento biométrico em diversos trabalhos. Por outro lado, análise de séries temporais tem sido usada com sucesso em muitas diferentes aplicações para identificar padrões temporais nos dados. Embora dinâmica simples possa ser observada com ferramentas analíticas tradicionais tais como transformada de fourier, transformada wavelet, a representação simbólica pode melhorar a análise de processos que são complexos e possivelmente caótico. Além disso, representação simbólica pode também reduzir a sensibilidade a ruído e melhorar bastante a eficiência computacional. No entanto, existem aspectos estruturais e paramétricos de projeto que podem conduzir a uma degradação de desempenho. Na ausência de uma metodologia sistemática e de baixo custo para a proposição de técnicas de representação simbólicas otimamente especificadas, os comitês de máquinas, mais especificamente ensemble, se apresentam como alternativas promissoras. Neste estudo, os componentes do ensemble, que correspondem as técnicas de representação simbólicas, e seus respectivos parâmetros foram selecionados via algoritmos evolutivos. O objetivo é explorar conjuntamente potencialidades advindas das técnicas de representação simbólicas e comitê de máquinas para reconhecimento biométrico baseado em sinais de ECG. Resultados experimentais conduzidos sobre dois conjuntos de dados disponíveis publicamente indicam que a abordagem proposta pode melhorar o desempenho do reconhecimento quando comparada com as técnicas tradicionais / Identification people methods have been very important for the whole society. Currently, research on biometrics have been widely encouraged by various sectors of the industry worldwide in order to improve or replace existing security systems and people identification. The field of biometrics includes a variety of technologies used to identify or verify the identity of a person by measuring and analyzing various physical and/or behavioral aspects of the human being. Several biometric methods have been proposed for recognition of people, such as fingerprint, iris, face and speech. These biometric modalities have different characteristics in terms of performance, measurability and acceptability. One issue to be considered with the biometric application in the real world is its robustness to attacks by circumvention, repetition and obfuscation. These attacks are becoming more frequent and more questions are being raised about the levels of security that this technology can offer. Biomedical signals such as electrocardiogram (ECG), electroencephalogram (EEG) and electromyogram (EMG) have been increasingly studied and applied to biometric recognition. Specifically, ECG signals have been widely adopted for biometric recognition in various works. On the other hand, time series analysis has been used successfully in many different applications to identify temporal patterns in the data. Although simple dynamics can be observed with traditional analytical tools such as fourier transform, wavelet transform, the symbolic representation can improve the analysis of processes that are complex and possibly chaotic. In addition, symbolic representation can also reduce noise sensitivity and greatly improve computational efficiency. However, there are structural and parametric design aspects that can lead to performance degradation. In the absence of a systematic and inexpensive methodology for proposing optimally specified symbolic representation techniques, machine committees, more specifically ensemble, present themselves as promising alternatives. In this study, the components of the committee, which correspond to techniques of symbolic representation, and their respective parameters were selected via evolutionary algorithms. The objective is to jointly explore the potentialities of both symbolic representation techniques and machine committee for biometric recognition based on ECG signals. Experimental results conducted on two publicly available datasets indicate that the proposed approach may improve recognition performance when compared to traditional techniques

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.

A análise de sinais biomédicos é uma área de pesquisa importante pois diversos processos fisiológicos que ocorrem no corpo humano podem ter suas atividades registradas como sinais. Neste trabalho, investigou-se a q-transformada de Fourier (q-FT), uma generalização não linear da transformada de Fourier baseada no formalismo não extensivo de Tsallis, que é caracterizado pela presença do parâmetro q. Foram realizados estudos analíticos e experimentos computacionais com sinais reais e simulados. A partir da dfinição da q-FT, um método de análise espectral generalizado para aplicação em sinais biomédicos foi desenvolvido. Este método foi avaliado através de experimentos com séries de intervalos RR cardíacos, usadas em estudos de variabilidade da frequência cardíaca. Os resultados ajudam a esclarecer algumas propriedades desta q-transformada, porém não indicam que o método desenvolvido seja efetivo para a análise espectral de séries RR. Entretanto, estudos posteriores de novos métodos de análise espectral baseados no formalismo de Tsallis podem ser desenvolvidos para a investigação de sinais biomédicos. / Biomedical signals analysis is an important research eld because many physiological processes occurring in human body can have their activities recorded as signals.This study investigated the q-Fourier transform (q-FT), a nonlinear generalization of Fourier transform based on the Tsallis nonextensive formalism, which is characterized by q parameter. Analytical studies and computational experiments with simulated and real signals were conducted. From the denition of q-FT, a generalized spectral analysis method for application in biomedical signals has been developed. This method was assessed through experiments with cardiac RR interval time series, which are used in studies of heart rate variability. The results help to clarify some properties of the q-Fourier transform, but do not indicate that the developed method is efective for the spectral analysis of RR series. However, further studies on new spectral analysis methods based on Tsallis formalism can be developed for biomedical signals investigation.

Em Biomedicina, a detecção e a quanticação de anormalidades presentes num sinal são desejáveis. Uma estratégia de codicação baseada em extração de características, tais como picos ou frequências, pode não capturar todas as irregularidades. Assim, uma representação baseada em funções de base denidas com conhecimento a priori do sinal pode ser mais precisa para aplicações biomédicas. A escolha das funções base depende da natureza siológica do sinal e de suas peculiaridades. Sinais de eletrocardiograma (ECG) e eletroencefalograma (EEG) exibem características bem denidas. ECG, por exemplo, é um sinal elétrico composto de uma forma de onda especíca (P, QRS e T). Se as características de um sinal a ser sintetizado são bem compreendidas, é possível derivar uma assinatura para o sinal. Uma codicação apropriada permite a extração de parâmetros relevantes para sua análise, tais como anormalidades num ciclo cardíaco representadas por uma alteração no sinal de ECG, ou então uma excitação das ondas cerebrais representada por uma modicação no sinal de EEG. O objetivo deste projeto é introduzir uma nova técnica de codicação de sinais, que representa um sinal pela soma de funções sigmoides para aproximar iterativamente o sinal medido, com foco em aplicações biomédicas. Funções sigmoides tendem a reproduzir bem as grandes variações presentes em sinais biomédicos, daí a escolha de usá-las na codicação deste tipo de sinal. Serão explorados o nível de compressão dos dados, bem como a taxa de convergência. A técnica desenvolvida será comparada com técnicas convencionais de codicação e sua robustez será avaliada. Uma estratégia de codicação ótima pode trazer benefícios não só para a compressão, mas também na criação de assinaturas de sinais representando tanto condições siológicas normais como patológicas. / In Biomedicine, detection and quantication of abnormalities present in a signal are desired. An encoding strategy based on feature extraction, such as peaks or frequencies, may not capture all irregularities. Thus, a function-based representation, constructed using a priori knowledge of signal characteristics, may be more accurate for biomedical applications. The choice of the basis function depends on the physiological nature of the signal and its specic features. Electrocardiogram (ECG) and electroencephalogram (EEG) signals exhibit well-dened characteristics. ECG, for instance, is an electrical signal composed of specic waveform (P, QRS, and T). If the characteristics of a signal to be synthesized are well understood, its possible to derive a signal signature. An appropriate encoding allows the extraction of parameters relevant for its analysis, such as, abnormalities in a cardiac cycle represented by an alteration in the ECG signal, or an excitation of the brain waves represented by a modication of the EEG. The objective of this project is to introduce a novel signal encoding technique that represents a signal by a sum of sigmoidal functions to iteratively approximate the measured signal, targeted at biomedical applications. Sigmoidal functions tend to reproduce well large variations in biomedical signals, hence their use for coding this type of signal. We explore the data compression level as well as the convergence rate. We also compare it to conventional encoding techniques and assess the robustness of this model. An optimal encoding strategy may bring not only benets in compression, but also in the creation of signatures for signals representing both physiological and pathological conditions.

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.

Conselho Nacional de Desenvolvimento Científico e Tecnológico / The detection and classification of EMG motor unit action potentials (MUAP) is an important tool in the study of the neuromuscular system, allowing for a number os applications, such as the diagnoses of motor disorders. However, although there are several methods described in the literature to perform such actions, the majority relies on complex algorithms and specific instrumentation. Depending on the system, the computational cost or the detection mechanism, sometimes involving electrode arrays, may limit its use in clinical applications, biofeedback or embedded systems for controlling artificial prostheses. Another important issue is the detection and classification of firing MUAPs in signals with low signal to noise ratio (SNR). A method capable of operating with low SNR is paramount for applications, such as the use of electromyography in human machine interfaces (HMI), where the positioning and fixation of the electrodes may be performed by a non-trained user, and the signal can be contaminated by high levels of electromagnetic interference. As a solution for such problems, two complementary methods were proposed: the first (MD-FC) is based on the use of banks of matched filters for detection and classification MUAPs in EMG signals, whereas the second (MAD-FC) is proposed as an improvement from the first, aiming situations with a high probability of overlapping firing MUAPs. The proposed methods sought to achieve those goals without an excessive increase in computational cost, treating signals with variable noise levels and considering the overlapping of MUAPs. The results showed that the MD-FC system is able to accurately detect 96% of isolated MUAPs in signals with SNR of 10 dB and up to 10 active motor units. However, the performance is reduced in the presence of high levels of overlapping MUAPs, as expected. The second method (MAD-FC) was designed to improve the detection of overlapping MUAPs. The results showed that the MAD-FC is able to detect and classify firing MUAPs in signals with up 10 active motor units and SNR of 20 dB at rates of success higher than 79.80%, on average. When the SNR is decreased to 10dB the rates of success reach at least 75.19%, on average (even in this case with a high percentage of overlapping). In general, the MAD-FC showed rates of success around 20% better than the MD-FC method. Both methods are quite efficient when using computational resources. They were created in order to process EMG windows of 50 milliseconds in less than 5 milliseconds, when using a standard desktop computer. This feature allows their use in applications requiring MUAPs detection and classification in real time. / A detecção e classificação dos potenciais de ação de unidade motora (PAUMs) de sinais EMG é uma ferramenta importante no estudo do sistema neuromuscular. A partir de informações dessa classificação é possível diagnosticar distúrbios motores. Entretanto, apesar de existirem diversas propostas na literatura para executar tais ações, a grande maioria depende de algoritmos complexos e instrumentação específica. Dependendo do sistema, o custo computacional ou o mecanismo de captação envolvendo, matrizes de eletrodos, pode limitar sua utilização em aplicações clínicas, biofeedback ou em sistemas embarcados para controle de próteses. Outra questão importante consiste na detecção e classificação de disparos em sinais com baixa relação sinal ruído (SNR). Um método capaz de operar em sinais com baixa SNR é interessante em aplicações onde não se pode controlar completamente a coleta do sinal. Como exemplo, podemos citar aplicações da eletromiografia em interfaces homem máquina (IHM), onde o posicionamento dos eletrodos pode ser realizado por um usuário com pouco treinamento e o ambiente pode conter alto nível de interferência eletromagnética, diminuindo a SNR do sinal captado. Como solução para tais problemas, foram propostas duas metodologias complementares: a primeira delas (MD-FC) se baseia no uso de bancos de filtros casados para detecção e classificação de PAUMs em sinais EMG, enquanto a segunda (MAD-FC) é uma proposta de aprimoramento da primeira para situações com altas probabilidades de sobreposição de disparos de MUAPs. As metodologias propostas buscaram atingir aqueles objetivos sem um aumento excessivo no custo computacional, tratando sinais com níveis variados de ruídos e considerando a questão de sobreposição de PAUMs, comuns em sinais EMG. Os resultados demonstraram que o sistema MD-FC é capaz de detectar disparos isolados com precisão de 96% em média para relação sinal ruído de 10 dB com até 10 unidades motoras ativas, porém seu é desempenho diminuído na presença de altos níveis de sobreposição de PAUMS. O segundo MAD-FC que foi elaborado de forma a aprimorar a detecção sobre ondas sobrepostas, e é capaz de detectar e classificar os disparos de sinais com até 10 unidades motoras ativas com taxa de classificação correta maior do que 79,80% em média e com SNR de 20 dB. Para sinais com SNR de 10 dB esse valor é de 75,19% em média. Em geral, o método MAD-FC apresentou performance superior ao MD-FC em cerca de 20%. Os dois métodos são bastante eficientes no uso de recursos computacionais. Eles foram criadas de forma a analisar os sinais EMG em janelas de 50 milissegundos em menos de 5 milissegundos a partir de um computador desktop padrão, o que permite sua utilização em sistemas de detecção e classificação de PAUMs em tempo real. / Doutor em Ciências