Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumen
En este artculo se presenta un estudio sobre la reduccin de
ruido de fondo (electrnico) en seales electroencefalogrficas (EEG)
utilizando la transformada wavelet, asumiendo que las caracters-
ticas extradas son susceptibles al ruido inherente en la seal y
comn entre clases. Adicionalmente se observa la incidencia en la
separacin de las muestras en el espacio de caractersticas a partir
de un clasificador bayesiano lineal. Se obtiene un incremento del
1% en la media del porcentaje de acierto, al realizar la reduccin
de ruido en la identificacin de dos estados funcionales.
Palabras clave
Wavelet, EEG, reduccin de ruido.
Abstract
A study on background noise reduction (denoising) on EEG
signals using wavelet transform is presented, assuming that ex-
tracted features are susceptible to common noise within classes;
besides, the feature space separability is compared using a linear
Bayesian classifier. An increment of 1% in the average recognition
1
Ingeniero Electricista. Universidad Tecnolgica de Pereira, Maestra en Ingeniera
Elctrica. Docente Ocasional ITM Institucin Universitaria.
Key words
Wavelet, EEG, denoising.
Revista Tecnolgicas
Revista Tecnolgicas [69]
1. Introduccin
En todo proceso de adquisicin de seales biolgicas, las
mediciones tomadas poseen cierto grado de distorsin o se alteran
debido a varios factores, como, ruido trmico, interferencia elec-
tromagntica o movimientos del paciente (Donoho & Johnstone,
1992).
Debido a que el ruido es un factor comn en las seales
adquiridas hace que las muestras de diferentes clases posean
cierta similitud en su comportamiento estadstico, por esta razn
en general en los procesos de reconocimiento de patrones se utiliza
una etapa de preprocesamiento.
La mayora de los mtodos actuales para la reduccin de ruido
en bioseales se basan en la transformada wavelet, debido que
fcilmente puede representar (realzar) los eventos fisiolgicos de
inters en el dominio tiempo-escala, adems que son adecuadas
para procesar seales de naturaleza no estacionaria. En (Messer,
Agzarian, & Abbott, 2001) se presenta un anlisis de reduccin
de ruido en seales fonocardiogrficas variando cada parmetro
involucrado en el preprocesamiento (onda wavelet, tipo de
umbralizacin, valor del umbral y escalamiento del umbral), se
analiza la relacin seal a ruido de las seales procesadas. El mayor
problema en este mtodo es que se debe agregar ruido a una seal
que inherentemente contiene perturbaciones de otras fuentes, solo
para verificar que el mtodo reduce ese ruido agregado. Un trabajo
similar al anterior pero aplicado sobre seales EEG es propuesto
en (Prasad, Siddaiah, & Rao, 2008).
Los trabajos de reduccin de ruido en EEG son muy especficos,
en los cuales se trata de eliminar artefactos visibles en la seal,
como la perturbacin generada por el movimiento de los ojos (Sen-
thil, Arumuganathan, Sivakumar, & Vimal, 2008) (Krishnaveni,
Jayaraman, Aravind, Hariharasudhan, & Ramadoss, 2006).
En las seales EEG se han propuesto diferentes mtodos de
caracterizacin basados en la transformada wavelet para la poste-
rior identificacin de los estados funcionales (Subasi, 2007) (Ting,
[70] Anlisis de reduccin de ruido en seales eeg orientado al reconocimiento de patrones
2. Materiales y mtodos
Revista Tecnolgicas
Revista Tecnolgicas [71]
yn = xn + n n = 1,...,N (0.1)
xn W1 {W{yn} }
Revista Tecnolgicas
Revista Tecnolgicas [73]
0, d kl <
dkl =
d l , d kl
k
0, d kl <
dk =
l
l
( l
)
sgn (d k ) d k , d k
l
= NV (kmin )
R(k ) =
n
Se selecciona para calcular el valor del umbral el ndice kmin
que minimice el riesgo del vector de riegos R(k).
SURE Heurstico: Se selecciona el menor valor de los umbrales
estimados por los dos mtodos anteriores. Este umbral es el ms
conservativo con respecto a la seal, retiene ms ruido.
Minimax: Se basa en la regla de Minimax, definida para una
serie de datos como:
2.5 Escalamiento
=
mediana d k1 ( )
0.6745
Revista Tecnolgicas
Revista Tecnolgicas [75]
FiguraFigura
1. Esquema
1. Esquema de reduccin
de reduccin de ruido.
de ruido
2.6 Caracterizacin
2.6 Caracterizacin
La caracterizacin se realizasecalculando
La caracterizacin la transformada
realiza calculando wavelet con 3 niveles de
la transformada
wavelet con tres
descomposicin, niveles
a cada detransformada
muestra descomposicin, a cada
en el espacio muestra
wavelet, se le calculan
transformada
los en el espacio
siguientes parmetros wavelet,
o medidas se de
por nivel le descomposicin
calculan los siguientes
(XU, 2004):
parmetros o medidas por nivel de descomposicin (XU, 2004):
1 K l
nl 1 =K dk
nl =
K
Kdklk =1
1 K l 2
k =1
El
E l 1 =K2( dk )
= 2(dkkl=1)
2 k =1
mnl
mnl
( )( )
= max d kl
= max d kl
(C C( ) )
T
SVD = C C
T
SVD =
d1
d2
d3
Figura 2. Construccin de la matriz C, regin gris compuesta de ceros
3. Resultados y discusin
Revista Tecnolgicas
Revista Tecnolgicas [77]
umbralizacin,
En el valor
la Figura 3 se puede del umbral
observar y el
la variacin delescalamiento del umbral
porcentaje de acierto al variar la
(576 funcin
base, pruebas diferentes). umbral y escalamiento, respectivamente.
de umbralizacin,
En la figura 3 se puede observar la variacin del porcentaje
de acierto al variar la base, funcin de umbralizacin, umbral y
escalamiento, respectivamente.
(a) (b)
(c) (d)
Figura 3. Boxplot de cada parmetro en la reduccin de ruido. (a) Base wavelet. (b) Funcin de
Figura 3. Boxplot
umbralizacin. de cada
(c) Umbral. parmetro en la reduccin de ruido. (a) Base wavelet.
(d) Escalamiento.
(b) Funcin de umbralizacin. (c) Umbral. (d) Escalamiento
De la figura 3, se observa que el cambio de la base no influye en el comportamiento
De la figura
del clasificador. 3, sedeobserva
El tipo que elflexible
umbralizacin cambio de la base
presenta no influye
menores en de
porcentajes
el comportamiento
acierto del clasificador.
que la fija. El parmetro Elen
que influye tipo de umbralizacin
el porcentaje de acierto flexible
al reducir el
presenta menores porcentajes de acierto que la fija. El parmetro
[78] Anlisis de reduccin de ruido en seales eeg orientado al reconocimiento de patrones
Mtodo A E Total
Db1, minimax,
100.000.00 92.005.70 96.002.85
flexible, sln.
Db1, universal,
100.000.00 91.007.42 95.503.71
flexible, sln.
Revista Tecnolgicas
Revista Tecnolgicas [79]
4. Conclusiones
En la reduccin de ruido utilizando la transformada wavelet,
el parmetro que influye en el porcentaje de acierto es el tipo de
escalamiento utilizado.
No es necesario realizar la reduccin de ruido empleando el
mtodo de caracterizacin propuesto, debido a que los resultados
presentados con ruido y sin reduccin de ste no presentan una
diferencia significativa.
Bibliografa
Andrzejak, R. G. (2001). Indications of nonlinear deterministic and finite
dimensional structures in time series of brain electrical activity: Depen-
dence on recording region and brain state. PHYSICAL REVIEW E.
Donoho, D., & Johnstone, I. (1992). Ideal spatial adaptation by wavelet
shrinkage. Biometrika, 425-455.
Jahankhani, P., Kodogiannis, V., & Revett, K. (2006). EEG Signal Classifi-
cation Using Wavelet Feature Extraction and Neural Networks. IEEE
John Vincent Atanasoff 2006 International Symposium on Modern Com-
puting.
Jansen, M. (2001). Lecture notes in Statistics: Noise reduction by wavelet
thresholding. Springer Verlag.
Krishnaveni, V., Jayaraman, S., Aravind, S., Hariharasudhan, V., & Rama-
doss, K. (2006). Automatic Identification and Removal of Ocular Arti-
facts from EEG using Wavelet Transform. MEASUREMENT SCIENCE
REVIEW, 45-57.
Messer, S. R., Agzarian, J., & Abbott, D. (2001). Optimal wavelet denoising
for phonocardiograms. Microelectronics journal, 931-941.
Prasad, V., Siddaiah, P., & Rao, P. (2008). Denoising of Biological Signals
Using Different Wavelet Based Methods and Their Comparison. Asian
Journal of Information Technology, 146-149.
Senthil, P., Arumuganathan, R., Sivakumar, K., & Vimal, C. (2008). A
Wavelet based Statistical Method for De-Noising of Ocular Artifacts in
EEG Signals. IJCSNS International Journal of Computer Science and
Network Security, 87-92.
[80] Anlisis de reduccin de ruido en seales eeg orientado al reconocimiento de patrones
Revista Tecnolgicas