Methodological approach for extraction of characteristics of biological signals
Keywords:
Histogram, frequency polygon, biological signals, signals treatment, class mark, characteristics of biological signalsAbstract
Generally, signal processing is applied to a set of data that is derived from the sampling of an acquired signal. This treatment is carried out with the help of a computer that in turn executes a series of logical and mathematical operations. The treatment of signals is linked to other techniques and scientific disciplines. Some of the applications of the signal treatments may be in the form of processing of audio signals, treatment of digital images, digital communications and biological signals. In this case, the treatment was applied to biological signals such as ECG (Electrocardiogram signal: electrical activity of the heart), EEG (Electroencephalography signal: electrical activity of the brain recorded on the scalp), EMG (Electrocardiogram signal: electrical activity of muscle), and a dynamic prototype. This work shows a method for the extraction of characteristics of biological signals. The proposed method is based on statistical parameters. First, a histogram was obtained for each biological signal. After the information obtained from the histogram, the frequency polygon of each biological signal was calculated. This process was performed with the brand class brand, including the lower and upper ranges of each class of biological signals (ECG, EEG, EMG and a dynamic prototype).
References
J. A. García-Porrero y J. M. Hurlé, Anatomía Humana, España: McGraw-Hill, 2005.
M. S. Gómez-Díaz, D. A. Gutiérrez-Hernández, M. Ornelas-Rodríguez, V. Zamudio y L. E. MancillaEspinosa, «Analysis of Non-Linear Behaviour through Signal Segmentation,» International Journal of Applied Engineering Research, vol. 13, nº 10, pp. 7267-7272, 2018.
J. Demongeot, O. Hansen, A. Hamie, C. Franco, B. Sutton y É.-P. Cohen, «Dynalets: A new method for modelling and compressing biological signals. Applications to physiological and molecular signals.,» Comptes Rendus Biologies, pp. 609-624, 2014.
J. Rafiee, M. A. Rafiee, N. Prause y M. P. Schoen, «Wavelet basis functions in biomedical signal processing,» Expert Systems with Applications, pp. 6190-6201, 2011.
R. Kumar, A. Kumar y G. K. Singh, «Electrocardiogram signal compression based on singular value decomposition (SVD) and adaptive
scanning wavelet difference reduction (ASWDR) technique,» International Journal of Electronics and Communications (AEÜ), pp. 1810-1822, 2015.
M. A. Colominas, G. Schlotthauer y M. E. Torres, «Improved complete ensemble EMD: A suitable tool for biomedical signal processing,» Biome dical Signal Processing and Control, pp. 19-29, 2014.
H. Madsen, Time Series Analysis, Chapman Hall, 2008.
I. M. Gomez Gonzalez, M. Merino Monge y A. J. Molina Cantero, «Procesamiento de Bioseñales: Un Enfoque Práctico,» España, 2016.
I. A. Cifuentes González, Extracción de características y clasificación de señales electromiográficasutilizando la transformada de Hilbert Huang y redes neuronales, Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE), 2012.
A. P. Cabarcas Barboza y T. Y. Guerrero Castilla, Técnicas de extracción de características de señales biomédicas, Cartagena de Indias: Universidad Tecnológica de Bolivar, 2007.
J. F. Guerrero Martínez, Bioseñales. Tesis para obtener el grado de ingeniería Biomédica, Valencia: Universidad de Valencia, 2011.
S. Hernández Colín y A. Olmedo Flores, Diseño y construcción de un dispositivo electrónico para la adquisisción de señales bioléctricas. Tesis para obtener el grado de Ingeniero en comuncaciones y electrónica, Ciudad de México: Instituto Politécnico Nacional, 2014.
L. Alvarez Osorio, Acondicionamiento de Señales Bioeléctricas. Tesis para obtener el grado de Ingeniería Eletricista, Pereira, Colombia: Universidad Tecnológica de Pereira-UTP, 2007.
G. Franco Salazar, «El Electrocardiograma. Componentes. Valores normales y Semiología de sus perturbaciones,» de Electrocardiografía anormal : ondas nuevas, España, Espuela de plata, 2013.
A. Martín Soto, Procesado y Filtrado de señales biológicas destinadas a un electrocardiograma. Tesis para obtener el grado de ingeniero en Telecomunicación, Sevilla: Universidad de Sevilla, 2016.
W. Navidi, Estadística para ingenieros y científicos, México, DF: McGraw-Hill Interamericana, 2006.
S. Fernández Fernández, J. M. Cordero Sánchez y A. Córdoba Largo, Estadística descriptiva, Madrid: ESIC EDITORIAL, 2002.
R. Rodríguez Montero, Identifidación de parámetros para el análisis multiestado de señales biológicas en actividad muscular. Tesis para obtener el grado de maestro en ciencias de la computación, León, Gto: Instituto Nacional de México/Instituto tecnológico de León, 2018.
«Sapiens Medicus. Learn, think & apply,» [En línea]. Available: https://sapiensmedicus.org/electroencefalogramainterpretacion/. [Último acceso: 29 Mayo 2018].
J. I. Gómez Angarita, La electromiografía: un acercamiento al concepto fiosiológico, la construcción de un equipo electromiográfico con registro no invasivo; y la resistencia galvánica de piel como método de relajación muscular. Tesis para obtener el grado de Maestría, Pereira: Universisdad Tecnológica de Pereira, 2009.
A. Jiménez Arteaga, Transformaciones lineales, 2016.
J. Ndukum, L. L. Fonseca, H. Santos, E. O. Voit y S. Datta, «Statistical Inference Methods for Sparse Biological Time Series Data,» BMC Systems Biology, pp. DOI:10.1186/1752-0509-5-57, 2011.
J. G. Cárdenas Solis, D. A. Gutíerrez Hernández, E. Guevara, R. Santiago-Montero, M. T. Galván González, S. Uribe López, R. Rodríguez Montero y J. M. Carpio, «Polynomial Approximation of Time Series of Pupil Response to Controlled Light Stimuli,» Advances in Computing, vol. 7(1), pp. 1-10, 2017.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2019 COMPUSOFT: An International Journal of Advanced Computer Technology
This work is licensed under a Creative Commons Attribution 4.0 International License.
©2023. COMPUSOFT: AN INTERNATIONAL OF ADVANCED COMPUTER TECHNOLOGY by COMPUSOFT PUBLICATION is licensed under a Creative Commons Attribution 4.0 International License. Based on a work at COMPUSOFT: AN INTERNATIONAL OF ADVANCED COMPUTER TECHNOLOGY. Permissions beyond the scope of this license may be available at Creative Commons Attribution 4.0 International Public License.
