A lo largo de la última década hemos asistido a un desarrollo sin precedentes de las tecnologías de la salud. Los avances en la informatización, la creación de redes, las técnicas de imagen, la robótica, las micro/nano tecnologías, y la bioinformática, han contribuido a aumentar significativamente la cantidad y diversidad de información al alcance del personal clínico para el diagnóstico, pronóstico, tratamiento y seguimiento de los pacientes. Este aumento en la cantidad y diversidad de datos clínicos requiere del continuo desarrollo de técnicas y metodologías capaces de integrar estos datos, procesarlos, y dar soporte en su interpretación de una forma robusta y eficiente.
En este contexto, esta tesis se focaliza en el análisis y procesado de señales biomédicas y su uso en problemas de clasificación automática. Es decir, se focaliza en: el diseño e integración de algoritmos para el procesado automático de señales biomédicas, el desarrollo de nuevos métodos de extracción de características para señales, la evaluación de compatibilidad entre señales biomédicas, y el diseño de modelos de clasificación para problemas clínicos específicos. En la mayoría de casos contenidos en esta tesis, estos problemas se sitúan en el ámbito de los sistemas de apoyo a la decisión clínica, esto es, sistemas computacionales que proporcionan conocimiento experto para la decisión en el diagnóstico, pronóstico y tratamiento de los pacientes.
Una de las principales contribuciones de esta tesis consiste en la evaluación de la compatibilidad entre espectros de resonancia magnética (ERM) obtenidos mediante dos tecnologías de escáneres de resonancia magnética coexistentes en la actualidad (escáneres de 1.5T y de 3T). Esta compatibilidad se evalúa en el contexto de clasificación automática de tumores cerebrales. Los resultados obtenidos en este trabajo sugieren que los clasificadores existentes basados en datos de ERM de 1.5T pueden ser aplicables a casos obtenidos con la nueva tecnología de ERM 3T. Esta conclusión permite aprovechar el esfuerzo realizado a lo largo de los últimos años en la recopilación de grandes bases de datos de ERM y en la creación de modelos predictivos basados en ERM de 1.5T.
Otra contribución principal de esta tesis es el diseño e implementación de un nuevo método de extracción de características, RSFDA, para la clasificación de espectros de ERM de tumores cerebrales. RSFDA se basa en una descripción funcional de los espectros ERM mediante una base de B-splines no uniformemente distribuidas. En este trabajo se demuestra el buen comportamiento de RSFDA frente a los artefactos más comunes en ERM, mediante una completa evaluación utilizando datos simulados y dos grandes bases de datos multicéntricas y multiproyecto. La aplicación de RSFDA constituye una interesante alternativa a otros métodos de extracción de características y en especial para aquellos conjuntos de espectros que contengan altas deformaciones de línea base.
Por otro lado, esta tesis aporta un nuevo método para la clasificación de coincidencias en escáneres de tomografía por emisión de positrones (TEP). Este algoritmo mejora el rendimiento del método tradicional para la detección de coincidencias basado en un ventanado temporal de coincidencia y la aplicación de condicionantes geométricos. El algoritmo diseñado hace uso de una red neuronal artificial (RNA) entrenada con datos simulados con el objetivo de identificar coincidencias verdaderas en este tipo de escáneres. Comparando ambos algoritmos a un mismo valor de eficiencia, el algoritmo basado en (RNA) presenta siempre un resultado con menor porcentaje de sucesos aleatorios. Así mismo, la comparación de las imágenes resultantes reconstruidas mediante los distintos métodos constatan una mejora en todas la figuras de mérito incluidas en el estudio.
Finalmente, esta tesis presenta un estudio muticéntrico para la evaluación de distintos métodos de extracción de características, algoritmos de clasificación, y métodos de alineamiento, para detección y clasificación automática de arritmias mediante señales de electrocardiogramas (ECG). A diferencia de la mayoría de estudios publicados al respecto, en este caso se ha logrado el recopilar una base de datos con un número de casos anotados relativamente grande, y con una configuración estándar de 12 derivaciones. Este estudio se ha centrado en la clasificación de latidos de arritmias ventriculares contra latidos de arritmias supra-ventriculares y normales. Los resultados muestran una mejoría en los resultados obtenidos por los clasificadores, cuando se utiliza la base de datos con los latidos alineados. También se observa el buen funcionamiento de los sencillos algoritmos de KNN para este tipo de problemas de clasificación.
Los resultados de esta tesis han contribuido directamente a los proyectos: eTUMOUR (VI Framework Program, LSHC-CT-2004-503.094, 2004-2009), HealthAgents (VI Framework Program, IST-2004-27.214, 2006-2009), DSS- PROSTATA (PROFIT FIT-340001-2007-14, 2007-2009), DSSPROSTATA2 (AVANZA, TSI-020302 a 2009-65, 2009-2010), y Sistema Experto en electrocardiografía (AVANZA I + D, TSI-020302-2010-136, 2010-2011). Como resultados translacionales a partir de las contribuciones de esta tesis cabe destacar el diseño e implementación de: (1) un pre-procesado semi-automático de ERM en CURIAM-BT (un sistema de soporte a la decisión clínica para el diagnostico de tumores cerebrales); (2) El diseño e implementación de ArrythLab un software para pre-procesado automático, control de calidad, segmentación y etiquetado de pulsos en estudios de arritmia basa- dos en ECG, y (3) El diseño e implementación de MRSILab, una librería de código libre para MATLAB para el pre-proceso automático, análisis y visualización de imágenes espectroscópicas de resonancia magnética (IERM).