Detecção e remoção de artefatos em biosinais

Abstract

O monitoramento de biosinais é usado em hospitais, ambulatórios e dispositivos vestíveis, para diversos fins. Um dos problemas recorrentes em todas eles são os artefatos de movimentos. Os artefatos de movimentos estão entre as principais causas de alarmes falsos nos hospitais e ambulatórios. Neste trabalho são explorados dois aspectos do uso de biosinais, a detecção de sinais contaminados com artefato, e a remoção de artefatos dos biosinais. O desafio na detecção de artefatos é utilizar apenas medidas estatísticas, para caracterizar o artefato, para que o sistema possa futuramente ser generalizado par outros biosinais. Assim foi proposta uma Máquina de Vetores de Suporte para classificar os sinais em "com artefato" ou "sem artefato", este classificador atingiu acurácia de 97%. Na remoção de artefatos os desafios são maiores, para tanto foram propostas duas solu- ções a primeira baseada em decomposição Ensemble Empirical Mode Decompositions - (EEMD), que melhorou a qualidade do sinal principalmente nos sinais mais degradados, e a segunda solução baseada em separação cega de fontes que melhorou a qualidade do sinal em todos os casos.

The monitoring of biosigns is used in hospitals, ambulatory and wearable equipment. A recurring problem in all of them is movement artifacts. In hospitals and clinics these are the main causes of false alarms. In this work, we explore two faces of the use of biosignals, detection of signals contaminated with artifact, and a removal of artifacts from biosignals. The challenge in detecting artifacts is to use only statistical measures to characterize the artifact so that the system can be generalized to other bi0signals in the future. Thus, a Support Vector Machine was proposed to classify the signals in with artifact or without artifact, this classifier reached an accuracy of 97%. The challenge of artifact removal is greater than detection, so two solutions were proposed, the first one based on Ensemble Empirical Mode Decompositions - EEMD, which improved the quality of the signal mainly in the most degraded signals and the second solution based on blind source separation has improved signal quality in all cases.