Técnicas híbridas de processamento de sinais biomédicos implementadas com redes neurais artificiais

Abstract

O presente trabalho aborda o desenvolvimento e avaliação de técnicas híbridas de processamento de sinais voltadas para sinais biomédicos com ênfase na implementação usando redes neurais artificiais (RNAs). Quatro formas básicas de hibridação diferenciadas pelo grau de interação entre as características e propriedades das técnicas constituintes são abordadas: a hibridação seqüencial, paralela, auxiliar e encastoada. A hibridação seqüencial da análise em componentes independentes (ACI) com a promediação e a hibridação auxiliar e seqüencial da transformada wavelet com redes neurais artificiais são propostas e investigadas para o processamento de registros eletrocardiográficos de alta resolução (ECGAR). A primeira técnica objetiva atenuar as interferências no ECGAR e a segunda extrair características espectro-temporais do ECGAR e classificar ECGARs como de indivíduos com ou sem potenciais tardios ventriculares. Na avaliação da primeira técnica os resultados são comparados com o uso isolado da promediação, resultando em uma melhora de 4 dB na relação sinal-ruído. Na segunda técnica obteve-se 91% de acerto na classificação, comparável a outros trabalhos envolvendo RNAs, acrescentando-se a possibilidade de interpretação do processamento efetuado pela RNA.