Resumen
El objetivo principal para el que se están desarrollando los sistemas de comunicaciones corporales es obtener y procesar señales biológicas que sirvan para monitorizar e incluso para tratar un determinada condición física, tanto si se trata de una enfermedad como si se trata del rendimiento de un deportista. Dado que el foco de estos sistemas está en la sensorización y en el procesado, los algoritmos de procesado de señal juegan un papel central en su funcionamiento. Esta tesis se centra en los algoritmos de procesado que se usan para obtener la información relevante a partir de las señales recogidas. En una primera parte, se revisan los tipos de sensores y algoritmos utilizados en este campo, para después centrarse en dos aplicaciones concretas para las cuales varios algoritmos de procesado son diseñados e implementados.
La primera de estas aplicaciones es la monitorización continua de pacientes con diabetes. En este caso, el objetivo era utilizar algoritmos de reconocimiento de patrones, en concreto “Support Vector Machines (SVM)” para detectar las medidas del monitor Minimed CGMS de Medtronic que resultan terapéuticamente erróneas. En el ensayo, un conjunto de pacientes fue monitorizado mediante el citado monitor mientras simultáneamente se extrajeron muestras sanguíneas de las que se midió la glucosa en sangre. Los algoritmos de reconocimiento fueron entrenados para detectar los errores en la medida del Minimed CGMS con respecto a los valores correctos obtenidos mediante medidas en sangre. Los resultados mostraron que los clasificadores son realmente capaces de aprender la estructura de los datos y producir resultados de detección aceptables. Por tanto, son capaces de detectar los intervalos de tiempo en los que las medidas del CGMS no resultan fiables, especialmente esto se ilustró en la detección de los episodios de hipoglicemia que habían sido ignorados por el monitor continuo. En todos los pacientes monitorizados, el algoritmo de SVM fue capaz de detectar los estados de hipoglicemia ignorados por el monitor continuo. Aunque hay que señalar que esto fue a costa de algunos falsos positivos, los cuales no afectaron a las conclusiones que se pueden extraer de la serie temporal ya que ocurren de manera aislada. Esta herramienta permitiría pues apoyar la interpretación clínica de las medidas realizadas con este tipo de monitores en pacientes con diabetes.
La segunda aplicación que se incluye es la de la monitorización inalámbrica de señales neuronales. Avances recientes en este campo médico han demostrado que la monitorización neuronal puede traer avances muy importantes en el estudio del cerebro, en el tratamiento de algunas condiciones médicas como la tetraplegia e incluso en el campo del entretenimiento. Por este motivo, en la actualidad hay numerosos equipos de investigación que trabajan en desarrollar monitores neuronales inalámbricos. En esta tesis, el objetivo fue implementar y evaluar algoritmos de detección, clasificación y compresión de señales neuronales junto con técnicas de transmisión inalámbricas para la monitorización inalámbrica de señales neuronales dado que esta combinación de técnicas es la que permitirá en un futuro que los monitores cerebrales inalámbricos sean una realidad. En concreto se ha desarrollado un detector de impulsos neuronales con umbral adaptativo a la relación señal a ruido, de modo que se elimina la necesidad de situar el umbral de forma manual. En cuanto a la clasificación se ha obtenido una tasa 92% en la clasificación correcta de los impulsos neuronales mediante clasificadores basados en PCA (“Principal Component Analysis”). Los citados algoritmos de detección y clasificación se han usado junto con un algoritmo de compresión y de gestión de recursos para la transmisión eficiente de las señales neuronales. El conjunto es capaz de adaptar la compresión de 60 canales de señales neuronales a la actividad que presentan las neuronas en cada momento de modo que el máximo de información pueda ser transmitido con el ancho de banda disponible. Como resultado se comprimen y multiplexan los 60 canales neuronales para acomodarlos al ancho de banda del canal disponible. En el extremo del receptor, el algoritmo de reconstrucción es capaz de reconstruir los patrones de impulsos neuronales de modo que las señales sigan siendo interpretables. El sistema completo se adapta automáticamente tanto a las señales entrantes como al ancho de banda proporcionado por el canal de comunicación.
Finalmente, aunque el tema principal de este trabajo es el procesado de señal, se ha incluido un capítulo dedicado a la transmisión inalámbrica, en concreto con la tecnología “Ultra-wide-band (UWB)” en el entorno del cuerpo humano. UWB fue seleccionada por permitir altas tasas de transmisión en el corto alcance, que es el caso de los sistemas que nos ocupan. En este trabajo se evalúa el uso de UWB en aplicaciones en el entorno del cuerpo humano (“BAN”, En concreto para la monitorización de señales neuronales). En cuanto a la metodología, se realizo una campaña de medidas para caracterizar el canal desde la cabeza a diferentes partes a lo largo del cuerpo humano. A partir de estas medidas se han obtenido los parámetros del modelo de canal. Adicionalmente, se realizó un experimento de transmisión de señales neuronales mediante un kit UWB y se evaluaron los efectos de la dicha transmisión mediante la comparación de los patrones de disparo de las señales antes y después de la transmisión. Los resultados muestran que UWB proporciona buenos resultados de transmisión a altas tasas de transmisión en distancias de hasta 2 metros.