Caracterización de medidas de regularidad en señales biomédicas. Robustez a outliers

Resumen

Los sistemas fisiológicos generan señales eléctricas durante su funcionamiento. Estas señales pueden ser registradas y representadas, constituyendo un elemento fundamental de ayuda al diagnóstico en la práctica clínica actual. Sin embargo, la inspección visual no permite la extracción completa de la información contenida en estas señales. Entre las técnicas de procesamiento automático, destacan los métodos no lineales, específicamente aquellos relacionados con la estimación de la regularidad de la señal subyacente. Estos métodos están ofreciendo en los últimos años resultados muy significativos en este ámbito. Sin embargo, son muy sensibles a las interferencias en las señales, ocurriendo una degradación significativa de su capacidad diagnóstica si las señales biomédicas están contaminadas. Uno de los elementos que se presenta con cierta frecuencia en los registros fisiológicos y que contribuye a esta degradación de prestaciones en estimadores no lineales, son los impulsos de cortad duración, conocidos en este contexto como spikes. En este trabajo se pretende abordar la problemática asociada a la presencia de spikes en bioseñales, caracterizando su influencia en una serie de medidas concretas, para que la posible degradación pueda ser anticipada y las contramedidas pertinentes aplicadas. En concreto, las medidas de regularidad caracterizadas son: Approximate Entropy (ApEn), Sample Entropy (SampEn), Lempel Ziv Complexity (LZC) y Detrended Fluctuation Analysis (DFA). Todos estos métodos han ofrecido resultados satisfactorios en multitud de estudios previos en el procesado de señales biomédicas. La caracterización se lleva a cabo mediante un exhaustivo estudio experimental en el cual se aplican spikes controlados a diferentes registros fisiológicos, y se analiza cuantitativa y cualitativamente la influencia de dichos spikes en la estimación resultante. Los resultados demuestran que el nivel de interferencia, así como los parámetros de las medidas de regularidad, afectan de forma muy variada. La principal aportación realizada es que LZC es la medida más robusta del conjunto caracterizado frente a spikes, mientras que DFA es la más vulnerable. Además, la capacidad de discernir entre clases de registros permanece en muchos casos, incluso con registros muy contaminados.