Biomedical Signal and Image Processing

Najarian, Kayvan; Splinter, Robert

doi:10.1201/9781420058079

Cited by 99 publications

(45 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Discussing which is the best wavelet to use for a given analysis, is an interesting subject. Some authors say that the only criteria should be the similarity between the wavelet and the signal that is going to be studied [28]. In this line of thought and considering specifically biomedical signals analyses (EEG, MEG, Resting states, etc.…”

Section: Discussionmentioning

confidence: 99%

A minireview on the use of wavelet analyses on physiological signals to diagnose and characterize ADHD

Alonso

López

Suárez-García³

et al. 2017

IJBAS

View full text Add to dashboard Cite

Attention deficit hyperactivity disorder (ADHD) is one of the most prevalent psychological disorders in pediatric patients. The actual golden standard of ADHD diagnosis is based on conclusions derived from clinical questionnaires. Nowadays, there is no quantitative measurement performed with any imaging system (MRI, PET, EEG, etc.) that can be considered as a golden standard for this diagnosis. This issue, is highlighted by the existence of international competitions focused on the production of a technological (quantitative) solution capable of complementing ADHD diagnosis (ADHD-200 Global Competition). Wavelet analysis, on the other hand, is a flexible mathematical tool that can be used for information and data processing. Its advantage over other types of mathematical transformations is its ability to decompose a signal into two parameters (frequency and time). Based on the prevalence of ADHD and the extra functionality of wavelet tools, this review will try to answer the following question: How have wavelet analyses been used to complement diagnosis and characterization of ADHD? It will be shown that applications were not casual and limited to time-frequency decomposition, noise removal or down sampling of signals, but were pivotal for construction of learning networks, specific parameterization of signals or calculations of connectivity between brain nodes.

show abstract

Section: Discussionmentioning

confidence: 99%

A minireview on the use of wavelet analyses on physiological signals to diagnose and characterize ADHD

Alonso

López

Suárez-García³

et al. 2017

IJBAS

View full text Add to dashboard Cite

show abstract

“…Essa atividade elétrica é gerada pela despolarização das células musculares durante uma contração muscular e se manifesta como um potencial de ação da unidade motora que é registrado e exibido graficamente como um sinal eletromiográfico [2]. A aquisição do sinal eletromiográfico é feita a partir do uso de eletrodos, que convertem o sinal bioelétrico, gerado pela despolarização das fibras musculares, em um potencial elétrico capaz de ser amplificado e processado [3].…”

Section: Introductionunclassified

Análise De Desempenho De Filtragem Biomecânica Derivada De Biomaterial Látex Aplicada Em Sistema De Aquisição Exibição E Análise De Sinais Eletromiográficos

Casado¹,

Monteiro²,

Silva³

et al. 2018

Anais Do v Congresso Brasileiro De Eletromiografia E Cinesiologia E X Simpósio De Engenharia Biomédica

View full text Add to dashboard Cite

Resumo: A eletromiografia (EMG) é uma técnica utilizada para registrar e avaliar o sinal bioelétrico coletado no músculo esquelético humano. Tem sido amplamente utilizada no estudo do movimento humano, com aplicações na medicina esportiva e ocupacional, em rotinas fisioterapêuticas e em pesquisas relacionadas ao sistema neuromuscular. O presente trabalho apresenta o desenvolvimento de um sistema de aquisição, exibição e análise de sinais eletromiográficos de superfície, caracterizado pela utilização de um filtro biomecânico derivado de biomaterial látex no processo de aquisição do sinal de EMG de Superfície (EMGS), visando a diminuição de ruídos de artefato de movimento e de ruídos eletroquímicos que podem afetar a qualidade do sinal captado. O sistema desenvolvido é composto por três módulos principais: (1) o módulo de aquisição, caracterizado pela utilização de eletrodos de superfície envoltos por uma malha de biomaterial látex (filtro físico); (2) o módulo de hardware, responsável pelo condicionamento, digitalização e armazenamento do sinal captado; (3) e o módulo de software, responsável pela exibição gráfica do sinal na tela do computador, bem como seu processamento e análise. Foram realizados testes e coletas de sinais de EMGS em indivíduos voluntários para verificação do funcionamento e da eficiência do sistema desenvolvido e do desempenho da filtragem física.Palavras-chave: Eletromiografia, sinais de ruído, biomaterial látex e filtragem física. Abstract: Electromyography (EMG) is IntroduçãoA eletromiografia (EMG) é uma ferramenta utilizada para registrar e avaliar a atividade elétrica produzida pelos músculos do corpo humano [1]. Essa atividade elétrica é gerada pela despolarização das células musculares durante uma contração muscular e se manifesta como um potencial de ação da unidade motora que é registrado e exibido graficamente como um sinal eletromiográfico [2]. A aquisição do sinal eletromiográfico é feita a partir do uso de eletrodos, que convertem o sinal bioelétrico, gerado pela despolarização das fibras musculares, em um potencial elétrico capaz de ser amplificado e processado [3].A utilização de eletrodos invasivos caracteriza a chamada eletromiografia intramuscular, enquanto a utilização de eletrodos não invasivos caracteriza a denominada eletromiografia de superfície (EMGS). A EMGS apresenta grande versatilidade, pois permite o acesso frequente e indolor às funções neuromusculares [4].

show abstract

“…These methods have many drawbacks. The bio-signals are highly affected by the interferences and noises from the power sources and also from other body bio-signals [12][13][14]. The acquisition of the EEG, EMG, and EOG need to use and connect the user's body with special electrodes which may be uncomfortable and limit the user motion.…”

Section: Special Issue On Recent Advances In Engineering Systemsmentioning

confidence: 99%