1. ¿Qué utilidad tiene el análisis por Serie de Fourier en Ingeniería Biomédica?

La Transformada de Fourier es una herramienta de análisis muy utilizada en el campo

científico para señales acústicas, métodos numéricos, procesamiento de señales,
radares, electromagnetismo, comunicaciones, etc. Y también en el área de la ingeniería
biomédica. Esta transforma una señal representada en el dominio del tiempo al dominio
de la frecuencia pero sin alterar su contenido de información, es decir, sólo es una forma
diferente de representarla.

El análisis de Fourier nos permite expresar señales periódicas como una suma infinita
(serie) de senos y cosenos. La importancia de esto radica en que nos facilita el trabajo
del manejo con señales, ya que para que nosotros podamos procesar estas señales es
necesario expresarlas como una combinación lineal de términos, lo cual nos lo
proporciona la serie y la trasformada de Fourier.

En este sentido, la Ingeniería Biomédica utiliza el Procesamiento de Señales para

construir equipos y sistemas que faciliten el diagnóstico y la terapia de los pacientes, lo
que incide directamente en la mejor calidad de vida de los seres humanos. El objeto de
estudio de estas señales, en general, es el sistema del cuerpo humano. Este sistema
entrega diversos tipos de señales, que son analizadas para obtener rasgos indicativos
de los patrones que se clasifican como: Normal (Ej.: Individuo Sano) o No Normal (Ej.:
Paciente con Anomalía Cardiaca).

De esta forma, el análisis mediante la serie de Fourier resulta de gran utilidad dado
que el cuerpo humano es un sistema muy complejo, es dinámico, no es lineal y se
encuentra dentro de otros sistemas mayores (Ej.: el entorno) cuyas características
inciden él e incluso determinan algunas de sus propiedades particulares (Ej.: Ritmo
Cardiaco).

2. ¿En qué áreas de la Ingeniera Biomédica el análisis de Fourier es

ampliamente usado y como lo usan? De ejemplos.
 Un área de la Ingeniería Biomédica donde se emplea el análisis de Fourier es en la
Resonancia Magnética la cual es una técnica no invasiva que utiliza el fenómeno de la
resonancia magnética nuclear para obtener información sobre la estructura y
composición del cuerpo a analizar. Esta información es procesada por ordenadores y
transformada en imágenes del interior de lo que se ha analizado, valiéndose del análisis
de Fourier de los datos de entrada. Esta técnica es utilizada principalmente en medicina
para observar alteraciones en los tejidos y detectar cáncer y otras patologías.

La RM surgió mediante la unión de elementos muy diversos como: transformadas de

Fourier y radón, el concepto de spin, el spin nuclear, la medición de los momentos
magnéticos en el neutrón, en el protón, en la materia condensada, en los tejidos, la
solución de ecuaciones integrales, la retroproyección, la difusión, los gradientes, la
codificación de la señal en frecuencia espacial, el espacio-k, las transformadas dobles
de Fourier y la imagen. Fourier estudio la ecuación diferencial del flujo de calor, y como
parte de ello, intento demostrar que cualquier función diferenciable puede ser expandida
en una serie trigonométrica. Esto fue irrelevante para la medicina de su época (1768-
1830), pero posteriormente resulto esencial tanto en la tomografía computarizada como
en la resonancia magnética de hoy en día. De igual manera, al aplicar la transformada
de Fourier a la espectroscopia por RNM, sentó las bases de toda la tecnología moderna,
creando el algoritmo actual de la transformación de señal de las imágenes mediante
transformadas dobles de Fourier.

Igualmente, el análisis de señales biomédicas y también el procesamiento de

imágenes es una de sus aplicaciones más empleadas en la Ingeniería Biomédica. Se
emplea la transformada de Fourier en el análisis de señales de EEG
(Electroencefalografía), ECG, MEG, EMG, es decir, en todas la señales del cuerpo que
se puedan adquirir y pasar a una computadora. El resultado final que se busca es ver el
contenido de frecuencias de la señal biomédica. El procesamiento digital de señales está
caracterizado por la representación en el dominio del tiempo discreto, en el dominio
frecuencia discreta, u otro dominio discreto de señales por medio de una secuencia de
números o símbolos y el procesado de esas señales.
 La Series Fourier y la Transformada de Fourier resultan útiles para estos fines ya que
permiten ver la distribución de frecuencias de la señal, esto discretiza la señal
permitiendo que se almacenen digitalmente los valores de frecuencias para cada tiempo
determinado, luego mediante un DAC (conversor digital a analógico) se leen estos datos
y se logra reproducir la señal original.

En el caso del estudio de una señal de EEG, el registro de la misma se transfiere a

una computadora donde puede ser analizada con múltiples métodos, uno de los cuales
utiliza la transformada discreta de Fourier. Para determinar el contenido frecuencial del
EEG muestreado se calcula la transformada discreta de Fourier (se utiliza la
transformada discreta porque al digitalizarse “x” ha dejado de ser una variable continua).
Con la transformada se obtiene un estimador de la densidad espectral, conocido como
periodograma. El estimador, presenta un sesgo que disminuye al incrementar el número
de muestras y una varianza proporcional al cuadro del espectro real. Para mejorar la
estimación, se utiliza el periodograma modificado que consiste en un promedio de
periodogramas. En resumen el EEG original de longitud N se divide en L segmentos de
longitud M cada uno (N = L.M.). Para cada segmento se obtiene el periodograma y
posteriormente se promedian los L periodogramas. Además, para cuantificar la potencia
de EEG en los diferentes ritmos se recurre al teorema de Parseval. Esta expresión
relaciona el contenido de potencia del EEG en el tiempo con la potencia en la
representación frecuencial.

Con esto vemos que por más que la tecnología para la adquisición de los datos haya
evolucionado, el método utilizando la transformada de Fourier da muy buenos resultados,
ya que permite estudiar las ondas, lo que sería imposible de hacer en función del tiempo.
Allí radica su importancia en el área biomédica.

Piña, Vanessa

C.I. 25.848.840