Al llarg de l’última dècada hem assistit a un desenvolupament sense precedents de les tecnologies de la salut. Els avenços en la informatització, la creació de xarxes, les tècniques d’imatge, la robòtica, les micro/nano tecnologies, i la bioinformàtica, han contribuït a augmentar significativament la quantitat i diversitat d’informació a l’abast del personal clínic per al diagnòstic, pronòstic, tractament, i seguiment dels pacients. Aquest augment en la quantitat i diversitat de dades clíniques requereix del continu desenvolupament de tècniques i metodologies capaces d’integrar aquestes dades, processar-les, i donar suport en la seva interpretació d’una forma robusta i eficient.
En aquest context, aquesta tesi es focalitza en l’anàlisi i processament de senyals biomèdiques i el seu ús en problemes de classificació automàtica. És a dir, es focalitza en: el disseny i integració d’algorismes per al processament automàtic de senyals biomèdics, el desenvolupament de nous mètodes d’extracció de característiques per a senyals, l’avaluació de compatibilitat entre senyals biomèdics, i el disseny de models de classificació per a problemes clínics específics. En la majoria de casos continguts en aquesta tesi, aquests problemes es situen en l’àmbit dels sistemes de suport a la decisió clínica o sistemes computacionals que proporcionen coneixement expert per a la decisió en el diagnòstic, pronòstic i tractament dels pacients.
Una de les principals contribucions d’aquesta tesi consisteix en l’avaluació de la compatibilitat entre espectres de ressonància magnètica (ERM) obtinguts mitjançant dues tecnologies d’escàners de ressonància magnètica coexistents en l’actualitat (escàners de 1.5T i de 3T). Aquesta compatibilitat s’avalua en el context de la classificació automàtica de tumors cerebrals. Els resultats obtinguts en aquest treball suggereixen que els classificadors existents basats en ERM de 1.5T poden ser aplicables a casos adquirits amb la nova tecnologia d’ERM 3T. Aquest fet permet aprofitar l’esforç realitzat al llarg dels últims anys en la recopilació de grans conjunts de dades d’ERM i en la creació de models predictius basats en ERM de 1.5T.
Una altra contribució principal d’aquesta tesi és el disseny i implementació d’un nou mètode d’extracció de característiques, RSFDA, per a la classificació d’espectres d’ERM de tumors cerebrals. RSFDA es basa en una descripció funcional dels espectres ERM mitjançant una base de B-splines no uniformement distribuïdes. En aquest treball es demostra el bon comporta- ment de RSFDA davant els artefactes més comuns en ERM, mitjançant una completa avaluació amb dades simulades i dos grans bases de dades multi- cèntriques i multiprojecte. L’aplicació d’RSFDA constitueix una interessant alternativa a altres mètodes d’extracció de característiques i en especial per aquells conjunts d’espectres que continguin altes deformacions de línia base.
D’altra banda, aquesta tesi aporta un nou mètode per a la classificació de coincidències en escàners de tomografia per emissió de positrons (TEP).
Aquest algorisme millora el rendiment del mètode tradicional per a la detecció de coincidències basat en un finestrat temporal de coincidència i l’aplicació de condicionants geomètrics. L’algorisme dissenyat fa ús d’una xarxa neuronal artificial (XNA) entrenada amb dades simulades amb l’objectiu d’identificar coincidències vertaderes en aquest tipus d’escàners. Comparant ambdós algorismes a un mateix valor d’eficiència, l’algorisme basat en XNA presenta sempre un resultat amb menor percentatge de successos aleatoris. Així mateix, la comparació de les imatges resultants reconstruïdes mitjançant ambdós mètodes constaten una millora en totes les figures de mèrit incloses a l’estudi.
Finalment, aquesta tesi presenta un estudi multicèntric per avaluar diferents mètodes d’extracció de característiques, algoritmes de classificació, i mètodes d’alineament, per a detecció i classificació automàtica d’arítmies mitjançant senyals d’electrocardiogrames (ECG). A diferència de la majoria d’estudis publicats en aquest camp, en aquest cas s’ha aconseguit el recopilar una gran base de dades anotada i amb una configuració estàndard de 12 derivacions. Aquest estudi s’ha centrat en la classificació de batecs d’arítmies ventriculars contra batecs d’arítmies supra-ventriculars i normals. Els resultats mostren una millora en els resultats obtinguts pels classificadors quan s’utilitza la base de dades amb els batecs alineats. També s’observa el bon funcionament dels senzills algorismes de KNN per a aquest tipus de problemes de classificació.
Els resultats d’aquesta tesi han contribuït directament als projectes: eTUMOUR (VI Framework Program, LSHC-CT-2004-503094, 2004-2009), HealthAgents (VI Framework Program, IST-2004-27214, 2006-2009), DSS- PROSTATA ( PROFIT FIT-340001-2007-14, 2007-2009), DSSPROSTATA2 (AVANZA, TSI-020302 a 2009-65, 2009-2010), i Sistema Expert en electro- cardiografia (AVANZA R + D, TSI-020302-2010-136, 2010-2011). Com a resultats translacionals a partir de les contribucions d’aquesta tesi cal destacar el disseny i implementació de: (1) un pre-processat semiautomàtic d’ERM en CURIAM-BT (un sistema de suport a la decisió clínica per al diagnòstic de tumors cerebrals), (2) El disseny i implementació d’ArrythLab un programari per a pre-processat automàtic, control de qualitat, segmentació i etiquetatge de polsos en estudis d’arítmia basats en ECG, i (3) El disseny i implementació de MRSILab, una llibreria de codi lliure per MATLAB per al pre-procés, anàlisi i visualització automàtic d’imatges espectroscòpiques de ressonància magnètica (IERM).