Algoritmi avanzati per analizzare i segnali biomedici
Nell'ambito del progetto BLISS, sono stati esaminato a fondo gli aspetti teorici, gli algoritmi e le applicazioni delle principali tecniche di analisi dei segnali. La cosiddetta BSS (blind source separation) consente di separare una serie di segnali da un assieme senza richiedere informazioni sulla loro natura. Un altro metodo informatico per la separazione dei segnali è l'ICA (independent component analysis), che fornisce le componenti additive di un segnale multivariato. Più in particolare, il progetto si è occupato di sviluppare la teoria e gli algoritmi per l'ICA lineare e non-lineare, e per la separazione dei segnali non indipendenti. Il lavoro teorico e gli algoritmi sviluppati hanno trovato utili applicazioni nell'analisi dei segnali biomedici e delle mescolanze acustiche. Le applicazioni biomediche includono il rilevamento e l'eliminazione di artefatti, la validazione della decomposizione ICA, e l'identificazione delle fonti pertinenti. Sono stati inoltre raccolti risultati preliminari sull'fMRI (functional magnetic resonance imaging) e l'ECG fetale. L'applicazione del promettente metodo ICA all'analisi degli encefalogrammi elettrici e magnetici (rispettivamente EEG e MEG) e all'fMRI ha un importante impatto sulla ricerca per la mappatura del cervello umano. Per quel che concerne la neuroscienza, i ricercatori sono stati in grado di analizzare le risposte del cervello agli stimoli esterni usando le modalità di mappatura MEG e fMRI. Tra le altre applicazioni, da notare l'uso dell'fMRI per analizzare la risposta emodinamica del cervello agli stimoli auditivi. La tecnica strutturale MRI è stata anche impiegata per la segmentazione e classificazione del tessuto cerebrale. Per maggiori informazioni, cliccare: http://www.lis.inpg.fr/pages_perso/bliss/
