Wavelet packet transform and multilayer perceptron to identify voices with a mild degree of vocal deviation / Transformada Wavelet packet y Perceptrón Multicapa para identificación de voces con grado leve de desvío vocal

Introduction. Laryngeal disorders are characterized by a change in the vibratory pattern of the vocal folds. This disorder may have an organic origin described by anatomical fold modification, or a functional origin caused by vocal abuse or misuse. The most common diagnostic methods are performed by invasive imaging features that cause patient discomfort. In addition, mild voice deviations do not stop the in-dividual from using their voices, which makes it difficult to identify the problem and increases the possibility of complications. Aim. For those reasons, the goal of the present paper was to develop a noninvasive alternative for the identification of voices with a mild degree of vocal deviation ap-plying the Wavelet Packet Transform (WPT) and Multilayer Perceptron (MLP), an Artificial Neural Network (ANN). Methods. A dataset of 74 audio files were used. Shannon energy and entropy mea-sures were extracted using the Daubechies 2 and Symlet 2 families and then the processing step was performed with the MLP ANN. Results. The Symlet 2 family was more efficient in its generalization, obtaining 99.75% and 99.56% accuracy by using Shannon energy and entropy measures, re-spectively. The Daubechies 2 family, however, obtained lower accuracy rates: 91.17% and 70.01%, respectively. Conclusion. The combination of WPT and MLP presented high accuracy for the identification of voices with a mild degree of vocal deviation

ntroducción. Los trastornos laríngeos se caracterizan por un cambio en el patrón vibratorio de los pliegues vocales. Este trastorno puede tener un origen orgánico, descrito como la modificación anatómica de los pliegues vocales, o de origen fun-cional, provocado por abuso o mal uso de la voz. Los métodos de diagnóstico más comunes se realizan mediante procedimientos invasivos que causan malestar al pa-ciente. Además, los desvíos vocales de grado leve no impiden que el individuo utilice la voz, lo que dificulta la identificación del problema y aumenta la posibilidad de complicaciones futuras.Objetivo. Por esas razones, el objetivo de esta investigación es desarrollar una he-rramienta alternativa, no invasiva para la identificación de voces con grado leve de desvío vocal aplicando Transformada Wavelet Packet (WPT) y la red neuronal artifi-cial del tipo Perceptrón Mutlicapa (PMC). Métodos. Fue utilizado un banco de datos con 78 voces. Fueron extraídas las me-didas de energía y entropía de Shannon usando las familias Daubechies 2 y Symlet 2 para después aplicar la red neuronal PMC. Resultados. La familia Symlet 2 fue más eficiente en su generalización, obteniendo un 99.75% y un 99.56% de precisión mediante el uso de medidas de energía y en-tropía de Shannon, respectivamente. La familia Daubechies 2, sin embargo, obtuvo menores índices de precisión: 91.17% y 70.01%, respectivamente. Conclusión. La combinación de WPT y PMC presentó alta precisión para la iden-tificación de voces con grado leve de desvío vocal

Ortogonalización de derivaciones de electrocardiograma / Orthogonalization of electrocardiographic derivations

Introducción: El delineador de señales electrocardiográficas (ECG) multiderivación basado en la transformada wavelet posee alta resolución espacial y permite eliminar las diferencias interderivación que aparecen tradicionalmente en los métodos uniderivación. Para esto necesita de derivaciones de señales electrocardiográficas ortogonales entre sí para la obtención de un bucle espacial. Objetivo: Desarrollar métodos de ortogonalización de dos o tres derivaciones de señales electrocardiográficas que permitan la generalización del delineador multiderivación basado en la transformada wavelet en cualquier base de datos señales electrocardiográficas con más de una derivación. Métodos: Se implementaron tres métodos de ortogonalización de derivaciones de señales electrocardiográficas: ortogonalización de dos derivaciones a partir de la proyección de vectores, ortogonalización a partir de componentes principales y ortogonalización a partir del método clásico de Gram-Schmidt. Resultados: Se comparó el funcionamiento del delineador multiderivación de ECG cuando es usado cada método de ortogonalización, mediante el cálculo de la media aritmética y la desviación estándar teniendo en cuenta diferentes combinaciones de derivaciones de ambas bases de datos para cada una de las marcas analizadas. Los mejores resultados se obtuvieron con el método análisis de componentes principales y el peor comportamiento con el método de ortogonalización de dos derivaciones. Conclusiones: Los algoritmos de ortogonalización que obtuvieron los mejores resultados fueron los basados en tres derivaciones ortogonales, en la que fue ligeramente superior la descomposición en componentes principales y, por tanto, se considera el método más adecuado para la generalización del delineador multiderivación(AU)

Introduction: The wavelet transform-based multiderivation electrocardiographic (ECG) signal delineator has high spatial resolution and makes it possible to eliminate interderivation differences traditionally appearing in uniderivation methods. But this requires electrocardiographic signal derivations orthogonal to one another to obtain a spatial loop. Objective: Develop orthogonalization methods of two or three electrographic signal derivations allowing generalization of the wavelet transform-based multiderivation delineator in any electrographic signal database with more than one derivation. Methods: Three orthogonalization methods were implemented for electrocardiographic signal derivations: vector projection-based two-derivation orthogonalization, principal component-based orthogonalization, and orthogonalization based on the Gram-Schmidt classic method. Results: A comparison was performed between the operation of the ECG multiderivation delineator when used with each orthogonalization method. The comparison was based on estimation of the arithmetic mean and standard deviation bearing in mind different combinations of derivations from both databases for each of the marks analyzed. The best results were obtained with the principal component analysis method and the worst ones with the two-derivation orthogonalization method. Conclusions: The orthogonalization algorithms obtaining the best results were those based on three orthogonal derivations, in which decomposition into principal components was slightly higher. This is therefore considered to be the most appropriate method for generalization of the multiderivation delineator(AU)

Efeitos do Método Pilates sobre a variabilidade da frequência cardíaca, flexibilidade e variáveis antropométricas em indivíduos sedentários / Effects of the Pilates Method on heart rate variability, flexibility and anthropometric variables in sedentary subjects

O objetivo deste estudo foi avaliar os efeitos do Método Pilates sobre a variabilidade da frequência cardíaca, na flexibilidade e nas variáveis antropométricas em indivíduos sedentários. O presente estudo contou com 14 voluntárias do sexo feminino, na faixa etária entre 40 e 55 anos, que realizaram 20 sessões de exercícios do Método Pilates, duas vezes por semana, com duração de 45 minutos cada sessão, dividida em três fases: repouso, exercício e recuperação. As variáveis estudadas foram: os dados antropométricos, flexibilidade avaliada utilizando o teste de sentar-e-alcançar com o Banco de Wells, e intervalos R-R usando um cardiotacômetro. O processamento dos sinais da frequência cardíaca foi efetuado em ambiente MatLab 6.1®, utilizando a TWC. Os dados coletados foram submetidos ao teste de normalidade de Shapiro Wilk e foi utilizado o teste de Wilcoxon e Anova One Way (α = 0,05). Nos resultados, observou-se que não houve diferenças significativas entre os valores antropométricos e de frequência cardíaca, porém houve aumento da flexibilidade com o treinamento. Comparando a primeira e a Artigo original vigésima sessão com relação aos parâmetros low frequency (LF), high frequency (HF), e relação LF/HF, não houve diferença na fase de repouso e foram constatadas diferenças significativas de LF (p = 0,04) e HF (p = 0,04) na fase de exercício e diferença significativa de LF/ HF (p = 0,05) na fase de recuperação. Comparando os parâmetros nos períodos de repouso, exercícios e recuperação durante a primeira sessão e durante a vigésima sessão, não houve diferença significativa nos parâmetros LF, HF e LF/HF. Pode-se concluir que, em relação à flexibilidade, foi observada uma melhora significativa, enquanto a análise da frequência cardíaca caracterizou a intensidade do exercício de 50% da capacidade funcional das voluntárias. Em relação aos parâmetros LF, HF e LF/HF foram observados um aumento da variabilidade da frequência cardíaca, provavelmente produto da atividade do Método Pilates. A Transformada Wavelet (TWC) mostrou-se um Método adequado para as análises da variabilidade da frequência cardíaca. (AU)

The aim of this study was to evaluate the effects of the Pilates method on cardiovascular system through heart rate analysis with Continuous Wavelet Transformation (CWT). In the present study, 14 women, 40 to 55 years old, performed 20 sets of Pilates method exercises twice a week with duration of 45 minutes each set divided in three phases: rest, exercise and recovery. The studied variables were anthropometric data, flexibility which was evaluated using the sit-and-reach test (bench of wells), heart frequency which was monitored through a model s810i (Polar) cardiotachometer and the RR intervals were stored. The signals processing of the FC was computed in MatLab 6.1® environment, utilizing the CWT. The collected data were analyzed using Shapiro Wilk normality test and Wilcoxon and Anova One Way (α = 0.05) tests to compare the parameters. There were no significant differences between anthropometric values and heart rate; however there was an increase in flexibility. Comparing the parameters during the phases rest, exercise and recovery in the first and later in the last session, it was not observed statistically significant changes in heart frequency. Regarding to low frequency (LF), high frequency (HF) and LF/HF parameters, there was no significant difference. Significant differences of LF (p = 0.04) and HF (p = 0.04) were reported in exercise phase and significant difference (p = 0.05) in recovery phase. There was no significant difference in LF, HF and LF/HF parameters in the resting periods, exercises and recovery in the first and twentieth set. In relation to flexibility, a significant improvement was observed, while the heart rate analysis characterized the intensity of the exercise of fifty per cent of the functional capacity of the subjects. In relation to LF, HF and LF/HF parameters, a VFC increase was reported, result of Pilates method activity. The CWT showed itself an adequate method for the heart rate frequency analysis. (AU)

CLASIFICACIÓN DE LATIDOS DE CONTRACCIÓN VENTRICULAR PREMATURA BASADOS EN MÉTODOS DE APRENDIZAJE NO SUPERVISADO / CLASSIFICATION OF PREMATURE VENTRICULAR CONTRACTION BEATS BASED ON UNSUPERVISED LEARNING METHODS / CLASSIFICAÇÃO DE PREMATUROS BATIDAS CONTRAÇÃO VENTRICULAR BASEADO SUPERVISIONADO MÉTODOS DE APRENDIZAGEM

Las enfermedades cardiovasculares son la principal causa de mortalidad en el mundo, por lo que el desarrollo de algoritmos que detecten arritmias cardíacas en tiempo real se ha convertido en un campo de investigación importante. El desarrollo de estos algoritmos ha conllevado a la mejora de dispositivos cardiacos portátiles. Este artículo presenta el desempeño de dos algoritmos basados en aprendizaje de máquina no supervisado para la detección de latidos de contracción ventricular prematura en la señal ECG. Los latidos se extraen de las bases de datos del MIT-BIH, los cuales fueron pre-procesados y segmentados por el grupo de investigación de Dinámica Cardiovascular de la UPB. La Transformada Wavelet Discreta, el Análisis de Componentes Principales y un método híbrido propuesto son implementados para la extracción de características y reducción de dimensiones, a partir de los cuales se generan 8 espacios de características para la evaluación de los algoritmos. Kmeans y Mapas auto-organizados son desarrollados y comparados en términos de precisión y costo computacional. Se logró una especificidad del 96.22 % y una sensibilidad del 95.04 % con un tiempo de ejecución de 79.41µs por latido. Los resultados permiten concluir que estos métodos pueden implementarse en aplicaciones de detección de arritmias en tiempo real debido a su bajo costo computacional.

Cardiovascular diseases are the principal cause of mortality in the world, so that the development of algorithms that detect cardiac arrhythmias in real time has become an important field of research. The development of these algorithms has led to the improvement of wearable cardiac devices. This paper presents the performance of two algorithms based in unsupervised learning methods for the detection of Premature Ventricular Contraction in the ECG signal. The beats are extracted from MIT-BIH databases, which were preprocessed and segmented by the UPB’s Dynamic Cardiovascular research group. The Discrete Wavelet Transform (DWT), Principal Component Analysis (PCA) and a proposed hybrid method are implemented for the feature extraction and dimension reduction, from which 8 feature spaces are generated and tested. Kmeans and Self Organizing Maps are developed and compared in terms of accuracy and computational cost. Specificity of 96.22 % and sensitivity of 95.94% with 79.41µs per beat are accomplished. The results show that these methods can be implemented in applications of real time arrhythmia detection because of their low computational cost.

A doença cardiovascular é a principal causa de morte em todo o mundo, de modo que o desenvolvimento de algoritmos para detectar arritmias cardíacas, em tempo real, tornou-se um importante campo de pesquisa. O desenvolvimento desses algoritmos tem levado a melhores dispositivos cardíacos portáteis. Este artigo apresenta o desempenho dos dois com base na aprendizagem de máquina sem supervisão para detecção de batidas de contração ventriculares prematuras nos algoritmos de sinais de ECG. As batidas são extraídos das bases de dados do MIT-BIH, que foram pré-processados e segmentado pelo grupo da UPB Cardiovasculares Dynamics pesquisa. A Transformada Wavelet Discreta, Análise de Componentes Principais e uma abordagem híbrida proposta são implementadas para extração de características e redução de dimensão, a partir do qual 8 espaços de recursos para a avaliação dos algoritmos são gerados. Kmeans e mapas de auto-organização são desenvolvidos e comparados em termos de precisão e custo computacional. A especificidade de 96,22% e uma sensibilidade de 95,04% com um tempo de execução de 79.41µs por batida foi alcançado. Os resultados mostram que estes métodos podem ser implementados em aplicações de detecção de arritmia em tempo real, devido ao seu baixo custo computacional.

DETECCIÓN DE POTENCIALES EVOCADOS RELACIONADOS A EVENTOS EN INTERFACES CEREBRO-COMPUTADORA MEDIANTE TRANSFORMADA WAVELET / DETECTION OF EVENT-RELATED POTENTIALS IN BRAIN-COMPUTER INTERFACES USING THE WAVELET TRANSFORM / DETECÇÃO DE POTENCIAIS EVOCADOS RELACIONADOS A EVENTOS EM INTERFACES CÉREBRO-COMPUTADOR USANDO TRANSFORMADA WAVELET

Una interfaz cerebro computadora (ICC) es un sistema que provee una forma de comunicación directa entre el cerebro de una persona y el mundo exterior. Para el presente trabajo se utilizaron ICC basadas en EEG utilizando el paradigma de potenciales evocados relacionados con eventos (PRE). El objetivo de este trabajo es resolver en forma eficiente el problema de clasificación, en el cual se tienen dos clases posibles: registros con respuesta (PRE) y registros sin respuesta. Para esto se propone evaluar el desempeño de una ICC utilizando la transformada wavelet diádica discreta (DDWT, del inglés Dyadic Discrete Wavelet Transform) y la transformada wavelet packet (WPT, del inglés Wavelet Packet Transform) como métodos de extracción de características para la detección de la señal de PRE. La base de datos utilizada posee registros de EEG de época única de diez sujetos sanos. A partir de los patrones temporales (registros sin post-procesamiento) se generaron cinco conjuntos de patrones wavelet luego de aplicar la DDWT y WPT mediante diferentes técnicas. Se evaluó el desempeño de cada conjunto de patrones wavelet y de los patrones temporales mediante un clasificador lineal de Fisher. Se encontró que los patrones DDWT filtrados a 16 Hz presentan resultados de clasificación superiores a los patrones temporales. De esta manera al mejorar la etapa de extracción de características se mejora la clasificación, y consecuentemente, el desempeño del sistema completo de una ICC.

A brain-computer interface (BCI) is a system that provides a direct communication between the brain of a person and the outside world. For the present work we used an EEG-based event-related evoked potentials BCI. This paper aims to efficiently solve the problem of classification, which has two possible classes: recordings with evoked-potentials (ERP) and recordings without them. We proposed to evaluate the performance of a BCI using the discrete dyadic wavelet transform (DDWT) and the wavelet packet transform (WPT) as feature extraction methods for ERP signal detection. The database consisted of single-epoch EEG recordings from ten healthy subjects. From temporal patterns (recordings without any post-processing), five wavelet patterns were generated after applying DDWT and WPT via different techniques. The performance of the wavelet and temporal patterns were analyzed with the Fisher linear classifier finding that DDWT patterns, filtered at 16 Hz, presented better classification results than temporal patterns. This means that improving the feature extraction step, improves classification, and consequently, the performance of the entire BCI system.

Uma interface cérebro-computador (BCI) é um sistema que fornece uma forma de comunicação direta entre o cérebro de uma pessoa e o mundo exterior. Para este trabalho foram utilizados ICC baseado EEG evocados usando o paradigma de potenciais relacionados a eventos (ERP). O objetivo deste trabalho é resolver de forma eficiente o problema de classificação, em que há duas classes possíveis: registros Respondidas (PRE) e registros sem resposta. Para isso é avaliar o desempenho de uma ICC usando a wavelet diádica transformada discreta (DDWT, Discrete Wavelet Diádica Inglês Transform) e transformar pacote wavelet (WPT Transformada Wavelet Packet Inglês) como métodos de extração de características para a detecção de sinal PRE. A base de dados utilizada tem apenas EEG registra o tempo de dez indivíduos saudáveis. A partir dos padrões temporais (sem registros de pósprocessamento), cinco conjuntos de padrões após a aplicação wavelet e WPT DDWT gerado por várias técnicas. O desempenho de cada conjunto de padrões de wavelet e padrões temporais usando um classificador linear Fisher foi avaliado. Descobrimos que os padrões DDWT filtrados para 16 Hz apresentaram resultados acima da classificação padrões temporais. Assim, para melhorar a classificação de estágio de extração de características é melhorada, e, consequentemente, o desempenho de todo o sistema no ICC.

Decomposição e análise dos potenciais evocados auditivos de tronco encefálico / Decomposition and analysis of auditory brainstem response

Os PEATEs são sinais resultantes da combinação de respostas de atividades neurais a estímulos sonoros no córtex. Caracteriza-se por ondas, sendo seus picos nomeados por algarismos romanos (I, II, III, IV, V, VI e VII). O processo clássico de identificação desses picos é baseado na visualização do sinal gerado pela promediação de cada amostra. Nele são identificadas as características morfológicas do sinal e os aspectos temporais relevantes constituídos pelas ondas de Jewett no qual cada onda tem uma relação anatômica com o sítio de origem. No entanto, durante esse processo de identificação visual surgem dificuldades que tornam a análise visual dos PEATE uma fonte constante de dúvidas em relação a fidedignidade e concordância de marcação dos picos pela subjetividade entre os examinadores. Com o objetivo de melhorar o processo de avaliação dos PEATE, foi desenvolvido um sistema de detecção automática para os picos, com capacidade de aprendizado que leva em consideração o perfil de marcação prévia realizado por examinadores, podendo ser considerado também, as marcações futuras de examinadores que utilizarão o software como auxílio em suas análises. Para a detecção de picos foi utilizada a Transformada Wavelet Contínua, associada a um Classificador Probabilístico construído a partir de marcações realizadas pelos examinadores. Para a avaliação do sistema foram utilizadas 748 amostras de PEATE de 11 sujeitos. A avaliação do sistema proposto apresentou uma taxa de acerto 74,3% a 99,7%, entre o sistema e a marcação manual, de acordo com o tipo de onda analisada. O presente estudo foi concebido com a intenção de ser uma ferramenta prática e por isso voltada para a aplicação clínica. Os resultados apresentados mostram uma técnica eficaz e capaz de aperfeiçoar o processo de avaliação dos PEATEs. A técnica proposta se mostra precisa mesmo na presença de ruído, característico de sinais biológicos especialmente no PEATE por ser um sinal de amplitude baixa.

Auditory Brainstem Response (ABR) results from the combination of neural activity responses in the presence of sound stimuli, detected by the cortex and characterized by peaks and valleys. They are identified by Roman numerals (I, II, III, IV, V, VI and VII). The identification of these peaks is carried out by the classical manual process of analysis, which is based on the visual/manual processing of the signals. The morphological and temporal characteristics of the signal carry relevant physiological and anatomical information regarding the auditory system. However, in this visual process of analysis some difficulties may occur, specifically, the results of the analysis may vary according to the type of protocol, settings of equipment employed, and the experience of the examiner. This makes the analysis of ABR subject to the influence of many variables that may interfere on the reliability and agreement of results obtained in distinct research centers and by different examiners. Therefore, the main propose of this study was to develop and assess a system capable of automatically detecting and classifying ABR waves, which are called Jewett waves. A relevant feature of the proposed tool is that it can learn from the experience of examiners continuously. In order to evaluate the system approximately 748 samples of ABR obtained from 11 subjects were analyzed by the automatic system. These results were compared to analyses obtained from five seasoned examiners, and they showed a high level of agreement, ranging for 74.3% to 99.7%, between responses given by the system and the examiners. Thus the proposed technique is proved to be accurate even in the presence of noise, especially characteristic of the ABR that is a sign of low amplitude.

Análisis de señales electroencefalográficas para la clasificación de habla imaginada / Electroencephalographic Signals Analysis for Imagined Speech Classification

El presente trabajo tiene como objetivo interpretar las señales de EEG registradas durante la pronunciación imaginada de palabras de un vocabulario reducido, sin emitir sonidos ni articular movimientos (habla imaginada o no pronunciada) con la intención de controlar un dispositivo. Específicamente, el vocabulario permitiría controlar el cursor de la computadora, y consta de las palabras del lenguaje español: "arriba", "abajo", "izquierda", "derecha", y "seleccionar". Para ello, se registraron las señales de EEG de 27 individuos utilizando un protocolo básico para saber a priori en qué segmentos de la señal la persona imagina la pronunciación de la palabra indicada. Posteriormente, se utiliza la transformada wavelet discreta (DWT) para extraer características de los segmentos que son usados para calcular la energía relativa wavelet (RWE) en cada una de los niveles en los que la señal es descompuesta, y se selecciona un subconjunto de valores RWE provenientes de los rangos de frecuencia menores a 32 Hz. Enseguida, éstas se concatenan en dos configuraciones distintas: 14 canales (completa) y 4 canales (los más cercanos a las áreas de Broca y Wernicke). Para ambas configuraciones se entrenan tres clasificadores: Naive Bayes (NB), Random Forest (RF) y Máquina de vectores de soporte (SVM). Los mejores porcentajes de exactitud se obtuvieron con RF cuyos promedios fueron 60.11% y 47.93% usando las configuraciones de 14 canales y 4 canales, respectivamente. A pesar de que los resultados aún son preliminares, éstos están arriba del 20%, es decir, arriba del azar para cinco clases. Con lo que se puede conjeturar que las señales de EEG podrían contener información que hace posible la clasificación de las pronunciaciones imaginadas de las palabras del vocabulario reducido.

This work aims to interpret the EEG signals associated with actions to imagine the pronunciation of words that belong to a reduced vocabulary without moving the articulatory muscles and without uttering any audible sound (imagined or unspoken speech). Specifically, the vocabulary reflects movements to control the cursor on the computer, and consists of the Spanish language words: "arriba", "abajo", "izquierda", "derecha", and "seleccionar". To do this, we have recorded EEG signals from 27 subjects using a basic protocol to know a priori in what segments of the signal a subject imagines the pronunciation of the indicated word. Subsequently, discrete wavelet transform (DWT) is used to extract features from the segments. These are used to compute relative wavelet energy (RWE) in each of the levels in that EEG signal is decomposed and, it is selected a RWE values subset with the frequencies smaller than 32 Hz. Then, these are concatenated in two different configurations: 14 channels (full) and 4 channels (the channels nearest to the brain areas of Wernicke and Broca). The following three classifiers were trained using both configurations: Naive Bayes (NB), Random Forest (RF) and support vector machines (SVM). The best accuracies were obtained by RF whose averages were 60.11% and 47.93% using both configurations, respectively. Even though, the results are still preliminary, these are above 20%, this means they are more accurate than chance for five classes. Based on them, we can conjecture that the EEG signals could contain information needed for the classification of the imagined pronunciations of the words belonging to a reduced vocabulary.

EMG spectral analysis of incremental exercise in cyclists and non-cyclists using Fourier and Wavelet transforms / Análise espectral do sinal emg de exercício incremental em ciclistas e não ciclistas usando as transformadas de Fourier e Wavelet

The aim of this study was to compare the electromyographic indices of fatigue (slope of median frequency) calculated with the fast Fourier transform (FFT) and wavelet transform (WT) in trained and untrained individuals during cycle exercise. A second objective was to compare the variance of the spectral parameters (median frequency - MF) obtained by the FFT and WT during exercise. Twelve cyclists and non-cyclists performed a maximal incremental test to determine the peak power (Wp) and electromyographic activity of the vastus lateralis (VL), rectus femoris (RF), biceps femoris (BF), semitendinous (ST) and tibialis anterior (TA). Mean values of median frequency, determined by the FFT and WT, were used for the spectral analysis of the electromyographic signals of the studied muscles. The analyzed parameters were obtained for each time period corresponding to 0, 25, 50, 75, and 100% of total duration of the maximal incremental test. No statistically significant differences were found in the values of MF and electromyographic indices of fatigue between the two techniques (FT and WT) both in the cyclists and non-cyclists group (P>0.05). Regarding the MF variance, statistically significant differences were found in all analyzed muscles, as well as in different time periods, both in the cyclists and non-cyclists groups when comparing the FFT and WT techniques (P<0.05). The WT seems to be more adequate to dynamic tasks, since it does not require the signal to be quasi-stationary, unlike the limitation imposed upon the use of the FFT.

O objetivo deste estudo foi comparar índices de fadiga eletromiográfica (inclinação da frequência mediana), calculado com a transformada rápida de Fourier (FFT) e transformada de wavelet (WT) em indivíduos treinados e não treinados durante o exercício de ciclismo. Um segundo objetivo foi o de comparar a variância dos parâmetros espectrais (frequência mediana - MF), obtidos por FFT e WT durante o exercício. Doze ciclistas e doze não ciclistas realizaram um teste incremental máximo, para determinar a potência pico (Wp) e atividade eletromiográfica do vasto lateral (VL), reto femoral (RF), bíceps femoral (BF), semitendíneo (ST) e tibial anterior (TA). Os valores médios da frequência mediana determinados pelo FFT e WT, foram utilizados para a análise espectral dos sinais eletromiográficos dos músculos estudados. Os parâmetros avaliados foram obtidos para cada período de tempo correspondente a 0, 25, 50, 75 e 100% da duração total do teste incremental máximo. Nenhuma diferença estatisticamente significativa foi encontrada nos valores da MF e índices eletromiográficos de fadiga entre as duas técnicas utilizadas (FT e WT), em ambos os grupos, ciclistas e não ciclistas (P> 0,05). Quanto à variância da MF, as diferenças estatisticamente significativas foram encontradas em todos os músculos analisados, bem como em diferentes períodos de tempo, tanto nos ciclistas quanto nos não ciclistas, quando se compara as técnicas FFT e WT (P <0,05). A WT parece ser mais adequada para tarefas dinâmicas, uma vez que não requer que o sinal a ser quase estacionário, ao contrário da limitação imposta ao uso da FFT.

Análise comparativa de desempenho das transformadas Wavelet e Hilbert na detecção do QRS em ECG / Performance comparison analysis of Wavelet and Hilbert transforms for QRS detection in ECG

O processo de detecção do complexo QRS é o primeiro passo de um processo de extração de parâmetros do sinal eletrocardiograma (ECG) em sistemas de auxílio ao diagnóstico médico. O presente trabalho apresenta resultados detalhados de comparação da aplicação de duas transformadas matemáticas, Wavelet e Hilbert, em um algoritmo de detecção de QRS em termos de taxas de detecções corretas (sensibilidade e preditividade positiva) e de uma medida de frequência de recorrência a processos de filtragem (pré-processamento). Uma abordagem inovadora é implementada, na qual as rotinas de filtragem são inseridas dentro do estágio de decisão, ou seja, é realizada a supressão da etapa de pré-processamento. As transformadas são aplicadas no algoritmo, que é baseado em um limiar adaptativo, com o objetivo de realçar, apenas quando necessário, os picos (pontos fiduciais)do QRS. Em uma primeira abordagem, apenas a transformada Wavelet é utilizada neste realce e, numa segunda abordagem, a transformada de Hilbert é inserida em série à aplicação da Wavelet em dois possíveis arranjos. São realizados experimentos dos algoritmos sobre os exames da base de dados Arrhythmia Database, pertencente ao conjunto de bases de dados do MIT-BIH. É composta por 48 gravações de ECG com duração de trinta minutos, amostrados a uma frequência de 360 Hz com resolução de 4,88 μV sobre uma faixa de variação de 10 mV. Ao todo, contabilizam-se 109.662 complexos QRS. Taxas de 98,85% de sensibilidade e 95,10% de preditividade positiva são obtidas com a aplicação exclusiva da transformada Wavelet, enquanto que 98,89% de sensibilidade e 98,52% de preditividade positiva são obtidas com aaplicação em série das transformadas Wavelet e de Hilbert.

The process of QRS detection is the first stage of a greater process: the feature extraction in the electrocardiogram (ECG). This work presents detailed results on the performance of two mathematical transforms, Hilbert and Wavelet, which are applied in QRS detection. The evaluation parameters are the detection rates and a measure of frequency of recurrence to filtering processes. An innovative approach is implemented: the filtering routines are inserted in the decision stage, i.e. the preprocessing stage is removed. The algorithm is based on adaptive threshold technique and the two transforms are applied in order to emphasize, only when necessary, the QRS fiducial points. In a first approach, only the Wavelet transform is applied, and in a second approach, the Hilbert transform is inserted before the Wavelet transform or after it. We evaluate these approaches on the well-known MIT-BIH Arrhythmia Database. It contains 48 half-hour recordings of annotated ECG with a sampling rate of 360 Hz and 4.88 μV resolution over a 10 mV range, totalizing 109,662 QRS complexes. Sensitivity rates of 98.85% and 98.89% are respectively attained when the Wavelet transform is applied in the filtering processes and both Hilbert and Wavelet transforms are applied. Predictability rates of 95.10% and 98.52% are also attained respectively using Wavelet transform and the simultaneous application of Hilbert and Wavelet transforms in the filtering processes.

Corrección de línea base en datos electroforéticos usando optimización local del algoritmo legend en el dominio wavelet / A baseline correction algorithm for capillary electrophoresis data using local optimization of the legend algorithm in the wavelet domain / Correção de linha base em dados electroforéticos usando otimização local do algoritmo "legend" no domínio wavelet

Se propone un método de corrección de la línea base (LB) de señales electroforéticas que explota la representación wavelet a baja resolución de la señal original. La LB es modelada en el dominio wavelet como una función polinomial y se usa el algoritmo de optimización LEGEND para determinar los parámetros del modelo polinomial que mejor se ajusta a una subsección de la LB, de forma tal de minimizar una función costo asimétrica robusta. El algoritmo propuesto produce una corrección adecuada de la LB en aquellas zonas del electroferograma donde se aprecian sustancias de baja concentración en las adyacencias de sustancias de concentración elevada, preservando picos asociados con las primeras. Se validó el algoritmo desarrollado en un problema de medición de la cantidad de glutamato presente en 24 registros electroforéticos y se comparó su desempeño con los valores medidos por el especialista donde la línea base es corregida en forma manual y con los valores arrojados por un segundo algoritmo de corrección de LB recientemente propuesto.

A baseline (BL) correction algorithm for capillary electrophoresis (CE) data is developed. The proposed algorithm exploits a low-resolution wavelet representation of the original signal to locally model the BL as a polinomial function and applies the LEGEND optimization algorithm to obtain the model parameters, such that a robust non-symmetric cost function is minimized. The proposed algorithm outputs a suitable BL correction on those subsections of the electropherogram where peaks related to low concentration substances are near those of high concentration substances. The performance of the proposed algorithm was tested by measuring the glutamate mass on 24 electropherograms after the BL had been suppressed using the proposed algorithm. The resulting values are compared to those yielded by a conventional measuring method performed by a CE specialist and by a second CE baseline correction method recently introduced.

É proposto um método de correção da linha base (LB) de sinais eletroforéticos que explora a representação wavelet a baixa resolução do sinal original. A LB é modelada no dominio wavelet como uma função polinomial e se usa o algoritmo de otimização LEGEND para determinar os parâmetros do modelo polinomial que melhor se ajusta a uma subseção da LB, de forma tal de minimizar uma função custo assimétrica robusta. O algoritmo proposto produz uma correção adequada da LB naquelas áreas do eletroferograma onde se apreciam substâncias de baixa concentração nas adjacências de substâncias de concentração elevada, preservando picos associados com as primeiras. Validou-se o algoritmo desenvolvido em um problema de medição da quantidade de glutamato presente em 24 registros eletroforéticos e foi comparado seu desempenho com os valores medidos pelo especialista onde a linha base é corrigida em forma manual e com os valores emitidos por um segundo algoritmo de correção de LB recentemente proposto.