Análisis de señales biomédicas a través de algoritmos avanzados
Bajo los auspicios del proyecto BLISS se exploraron ampliamente los aspectos teóricos, algorítmicos y de aplicación de importantes técnicas de análisis de señales. La llamada separación ciega de fuentes (BSS) permite separar un conjunto de señales de una combinación de señales sin requerir información sobre su naturaleza. Otro método computacional para la separación de señales es el análisis de componentes independientes (ACI), que proporciona los subcomponentes aditivos de una señal multivariante. Más en concreto, el proyecto se centró en desarrollar una teoría y algoritmos para ACI lineales y no lineales, así como para la separación de señales no independientes. El trabajo teórico y los algoritmos desarrollados encontraron aplicaciones útiles en el análisis de señales biomédicas y mezclas acústicas. Algunas aplicaciones biomédicas son la detección y eliminación de artefactos, validación de la descomposición de ACI y la identificación de fuentes pertinentes. Asimismo, también se recopilaron resultados preliminares sobre el análisis de resonancias magnéticas funcionales (RMF) y la extracción del electrocardiograma fetal (EEG). La aplicación del prometedor método del ACI en el análisis de electro y magnetoencefalogramas (EEG y MEG, respectivamente) y en RMF tiene una repercusión considerable sobre la investigación en materia de cartografía cerebral. Centrándose en la neurociencia, los investigadores pudieron analizar las respuestas cerebrales a estímulos externos utilizando modalidades cartográficas MEG como RMF. Otras aplicaciones eran el análisis de la respuesta heamodinámica del cerebro a estímulos auditivos utilizando RMF. También se empleó la técnica de la RM estructural para la segmentación y clasificación de tejidos cerebrales. Para más información, visite: http://www.lis.inpg.fr/pages_perso/bliss/