Técnicas basadas en medidas de complejidad para el análisis de señales biomédicas

Autores
Restrepo, Juan Felipe
Año de publicación
2016
Idioma
español castellano
Tipo de recurso
tesis doctoral
Estado
versión aceptada
Colaborador/a o director/a de tesis
Torres, María Eugenia
Moiola, Jorge Luis
Pessana, Franco Martín
De Micco, Luciana
Schlotthauer, Gastón
Descripción
Fil: Restrepo, Juan Felipe. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas; Argentina.
There exist evidence suggesting that the dynamics of physiological systems is complex and nonlinear. The degree of complexity of the system is linked to normal or pathological states of the organism. It is important to quantitatively measure the complexity of a physiological system from its biomedical signals.The objective is to introduce two different approaches that allow us to characterize the complexity of a system, in particular, in presence of noise. The first one is related with the approximate entropy (ApEn) of a temporal series and the second one with the correlation dimension (D) and correlation entropy (K2). The ApEn measures the regularity osf a time series. The mayor of its problems is related tho the high dependency of the value of its parameters and the noise level. As a solution we have proposed the estimator hmax, that is defined as the value of the scale h at which ApEn achieves its maximum value. We conclude that hmax provides valuable information useful for classification purposes. Furthermore, we have developed an ictal episode detector from EEG signals, and a pathological voice detector. They outperform the results already reported. The second result is related with the estimation of D and K2. We have proposed the noise assisted correlation integral (NCI) and we have shown that the classical and Gaussian correlation integrlas are particular cases of the NCI. Moreover, we have developed the U correlation integral which is able to incorporate information about the embedding dimension in its kernel function, improving the estimation of K2.
Existe evidencia que sugiere que la dinámica de los sistemas fisiológicos es compleja y no lineal. El grado de complejidad está relacionado con los estados normales y patológicos. Es importante medir cuantitativamente la complejidad de un sistema fisiológico a partir de señales biomédicas. El objetivo de esta tesis doctoral es presentar dos desarrollos diferentes que permiten caracterizar la complejidad de un sistema. El primero esta relacionado con la entropía aproximada (ApEn) de una serie temporal y el segundo con la dimensión de correlación (A) y la entropía de correlación (K2) de un sistema. La ApEn puede medir la regularidad de una serie temporal. Su mayor problema es la alta dependencia al valor de sus parámetros y al nivel de ruido. En respuesta propusimos el estimador hmax, este provee valiosa información para diferenciar entre dinámicas, especialmente en casos con alto nivel de ruido. Hemos desarrollado dos aplicaciones: una para la detección de episodios ictales a partir de señales de electroencefalografía y un detector de voces patológicas a partir de señales de voz, superando los desempeños reportados en la literatura. El segundo desarrollo guarda relación con la estimación de D y K2. Proponemos una nueva integral de correlación, denominada la integral de correlación asistida por ruido (ICAR). Hemos demostrado que la integral de correlación estándar y la de núcleo Gaussiano pueden considerarse casos particulares de la ICAR. Además proponemos la integral de correlación U que es un caso particular de la ICAR y mejora la estimación de K2.
Agencia Nacional de Promoción Científica y Tecnólogica
Universidad Nacional de Entre Ríos
Consejo Nacional de Investigaciones Científicas y Técnicas
Materia
Approximate entropy
Nonlinear dinamics
Correlation dimension
Entropy
Biomedical signals
Dinámicas no lineales
Medidas de complejidad
Señales biomédicas
Integral de correlación
Entropía aproximada
Entropía
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
Repositorio
Biblioteca Virtual (UNL)
Institución
Universidad Nacional del Litoral
OAI Identificador
oai:https://bibliotecavirtual.unl.edu.ar:11185/948

id UNLBT_ba7bb89de84ff66adc9ff3d25984aaf8
oai_identifier_str oai:https://bibliotecavirtual.unl.edu.ar:11185/948
network_acronym_str UNLBT
repository_id_str 2187
network_name_str Biblioteca Virtual (UNL)
spelling Técnicas basadas en medidas de complejidad para el análisis de señales biomédicasComplexity measures for the analisys of biomedical signalsRestrepo, Juan FelipeApproximate entropyNonlinear dinamicsCorrelation dimensionEntropyBiomedical signalsDinámicas no linealesMedidas de complejidadSeñales biomédicasIntegral de correlaciónEntropía aproximadaEntropíaFil: Restrepo, Juan Felipe. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas; Argentina.There exist evidence suggesting that the dynamics of physiological systems is complex and nonlinear. The degree of complexity of the system is linked to normal or pathological states of the organism. It is important to quantitatively measure the complexity of a physiological system from its biomedical signals.The objective is to introduce two different approaches that allow us to characterize the complexity of a system, in particular, in presence of noise. The first one is related with the approximate entropy (ApEn) of a temporal series and the second one with the correlation dimension (D) and correlation entropy (K2). The ApEn measures the regularity osf a time series. The mayor of its problems is related tho the high dependency of the value of its parameters and the noise level. As a solution we have proposed the estimator hmax, that is defined as the value of the scale h at which ApEn achieves its maximum value. We conclude that hmax provides valuable information useful for classification purposes. Furthermore, we have developed an ictal episode detector from EEG signals, and a pathological voice detector. They outperform the results already reported. The second result is related with the estimation of D and K2. We have proposed the noise assisted correlation integral (NCI) and we have shown that the classical and Gaussian correlation integrlas are particular cases of the NCI. Moreover, we have developed the U correlation integral which is able to incorporate information about the embedding dimension in its kernel function, improving the estimation of K2.Existe evidencia que sugiere que la dinámica de los sistemas fisiológicos es compleja y no lineal. El grado de complejidad está relacionado con los estados normales y patológicos. Es importante medir cuantitativamente la complejidad de un sistema fisiológico a partir de señales biomédicas. El objetivo de esta tesis doctoral es presentar dos desarrollos diferentes que permiten caracterizar la complejidad de un sistema. El primero esta relacionado con la entropía aproximada (ApEn) de una serie temporal y el segundo con la dimensión de correlación (A) y la entropía de correlación (K2) de un sistema. La ApEn puede medir la regularidad de una serie temporal. Su mayor problema es la alta dependencia al valor de sus parámetros y al nivel de ruido. En respuesta propusimos el estimador hmax, este provee valiosa información para diferenciar entre dinámicas, especialmente en casos con alto nivel de ruido. Hemos desarrollado dos aplicaciones: una para la detección de episodios ictales a partir de señales de electroencefalografía y un detector de voces patológicas a partir de señales de voz, superando los desempeños reportados en la literatura. El segundo desarrollo guarda relación con la estimación de D y K2. Proponemos una nueva integral de correlación, denominada la integral de correlación asistida por ruido (ICAR). Hemos demostrado que la integral de correlación estándar y la de núcleo Gaussiano pueden considerarse casos particulares de la ICAR. Además proponemos la integral de correlación U que es un caso particular de la ICAR y mejora la estimación de K2.Agencia Nacional de Promoción Científica y TecnólogicaUniversidad Nacional de Entre RíosConsejo Nacional de Investigaciones Científicas y TécnicasTorres, María EugeniaMoiola, Jorge LuisPessana, Franco MartínDe Micco, LucianaSchlotthauer, Gastón2017-05-162016-09-22info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/acceptedVersionSNRDhttp://purl.org/coar/resource_type/c_db06info:ar-repo/semantics/tesisDoctoralapplication/pdfapplication/pdfhttp://hdl.handle.net/11185/948spaspainfo:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)http://creativecommons.org/licenses/by-nc-nd/4.0/deed.esreponame:Biblioteca Virtual (UNL)instname:Universidad Nacional del Litoralinstacron:UNL2025-10-16T10:11:15Zoai:https://bibliotecavirtual.unl.edu.ar:11185/948Institucionalhttp://bibliotecavirtual.unl.edu.ar/Universidad públicaNo correspondeajdeba@unl.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:21872025-10-16 10:11:16.14Biblioteca Virtual (UNL) - Universidad Nacional del Litoralfalse
dc.title.none.fl_str_mv Técnicas basadas en medidas de complejidad para el análisis de señales biomédicas
Complexity measures for the analisys of biomedical signals
title Técnicas basadas en medidas de complejidad para el análisis de señales biomédicas
spellingShingle Técnicas basadas en medidas de complejidad para el análisis de señales biomédicas
Restrepo, Juan Felipe
Approximate entropy
Nonlinear dinamics
Correlation dimension
Entropy
Biomedical signals
Dinámicas no lineales
Medidas de complejidad
Señales biomédicas
Integral de correlación
Entropía aproximada
Entropía
title_short Técnicas basadas en medidas de complejidad para el análisis de señales biomédicas
title_full Técnicas basadas en medidas de complejidad para el análisis de señales biomédicas
title_fullStr Técnicas basadas en medidas de complejidad para el análisis de señales biomédicas
title_full_unstemmed Técnicas basadas en medidas de complejidad para el análisis de señales biomédicas
title_sort Técnicas basadas en medidas de complejidad para el análisis de señales biomédicas
dc.creator.none.fl_str_mv Restrepo, Juan Felipe
author Restrepo, Juan Felipe
author_facet Restrepo, Juan Felipe
author_role author
dc.contributor.none.fl_str_mv Torres, María Eugenia
Moiola, Jorge Luis
Pessana, Franco Martín
De Micco, Luciana
Schlotthauer, Gastón
dc.subject.none.fl_str_mv Approximate entropy
Nonlinear dinamics
Correlation dimension
Entropy
Biomedical signals
Dinámicas no lineales
Medidas de complejidad
Señales biomédicas
Integral de correlación
Entropía aproximada
Entropía
topic Approximate entropy
Nonlinear dinamics
Correlation dimension
Entropy
Biomedical signals
Dinámicas no lineales
Medidas de complejidad
Señales biomédicas
Integral de correlación
Entropía aproximada
Entropía
dc.description.none.fl_txt_mv Fil: Restrepo, Juan Felipe. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas; Argentina.
There exist evidence suggesting that the dynamics of physiological systems is complex and nonlinear. The degree of complexity of the system is linked to normal or pathological states of the organism. It is important to quantitatively measure the complexity of a physiological system from its biomedical signals.The objective is to introduce two different approaches that allow us to characterize the complexity of a system, in particular, in presence of noise. The first one is related with the approximate entropy (ApEn) of a temporal series and the second one with the correlation dimension (D) and correlation entropy (K2). The ApEn measures the regularity osf a time series. The mayor of its problems is related tho the high dependency of the value of its parameters and the noise level. As a solution we have proposed the estimator hmax, that is defined as the value of the scale h at which ApEn achieves its maximum value. We conclude that hmax provides valuable information useful for classification purposes. Furthermore, we have developed an ictal episode detector from EEG signals, and a pathological voice detector. They outperform the results already reported. The second result is related with the estimation of D and K2. We have proposed the noise assisted correlation integral (NCI) and we have shown that the classical and Gaussian correlation integrlas are particular cases of the NCI. Moreover, we have developed the U correlation integral which is able to incorporate information about the embedding dimension in its kernel function, improving the estimation of K2.
Existe evidencia que sugiere que la dinámica de los sistemas fisiológicos es compleja y no lineal. El grado de complejidad está relacionado con los estados normales y patológicos. Es importante medir cuantitativamente la complejidad de un sistema fisiológico a partir de señales biomédicas. El objetivo de esta tesis doctoral es presentar dos desarrollos diferentes que permiten caracterizar la complejidad de un sistema. El primero esta relacionado con la entropía aproximada (ApEn) de una serie temporal y el segundo con la dimensión de correlación (A) y la entropía de correlación (K2) de un sistema. La ApEn puede medir la regularidad de una serie temporal. Su mayor problema es la alta dependencia al valor de sus parámetros y al nivel de ruido. En respuesta propusimos el estimador hmax, este provee valiosa información para diferenciar entre dinámicas, especialmente en casos con alto nivel de ruido. Hemos desarrollado dos aplicaciones: una para la detección de episodios ictales a partir de señales de electroencefalografía y un detector de voces patológicas a partir de señales de voz, superando los desempeños reportados en la literatura. El segundo desarrollo guarda relación con la estimación de D y K2. Proponemos una nueva integral de correlación, denominada la integral de correlación asistida por ruido (ICAR). Hemos demostrado que la integral de correlación estándar y la de núcleo Gaussiano pueden considerarse casos particulares de la ICAR. Además proponemos la integral de correlación U que es un caso particular de la ICAR y mejora la estimación de K2.
Agencia Nacional de Promoción Científica y Tecnólogica
Universidad Nacional de Entre Ríos
Consejo Nacional de Investigaciones Científicas y Técnicas
description Fil: Restrepo, Juan Felipe. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas; Argentina.
publishDate 2016
dc.date.none.fl_str_mv 2016-09-22
2017-05-16
dc.type.none.fl_str_mv info:eu-repo/semantics/doctoralThesis
info:eu-repo/semantics/acceptedVersion
SNRD
http://purl.org/coar/resource_type/c_db06
info:ar-repo/semantics/tesisDoctoral
format doctoralThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11185/948
url http://hdl.handle.net/11185/948
dc.language.none.fl_str_mv spa
spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
http://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
eu_rights_str_mv openAccess
rights_invalid_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
http://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Virtual (UNL)
instname:Universidad Nacional del Litoral
instacron:UNL
reponame_str Biblioteca Virtual (UNL)
collection Biblioteca Virtual (UNL)
instname_str Universidad Nacional del Litoral
instacron_str UNL
institution UNL
repository.name.fl_str_mv Biblioteca Virtual (UNL) - Universidad Nacional del Litoral
repository.mail.fl_str_mv jdeba@unl.edu.ar
_version_ 1846146231659659264
score 12.712165