Programa de Pós-Graduação em Engenharia Elétrica

O Programa de Pós-Graduação em Engenharia Elétrica – PPGEE, da Universidade Federal do Rio Grande do Sul – UFRGS, tem a satisfação de convidar a Comunidade Universitária para assistir à Defesa Pública da Dissertação de Mestrado do Engenheiro Eletricista Renan dos Santos Fagundes, a realizar-se:

Data: 19/11/2018 – segunda-feira
Horário: 14h
Local: Salão de Eventos do Instituto Eletrotécnico da UFRGS (Av. Osvaldo Aranha, 103 – 1º andar – Campus Centro)Banca Examinadora:
Prof. Dr. Cristiano Bonato Both – Depto. Ensino e Pesquisa – UFCSPA
Prof. Dr. Alexandre Balbinot – PPGEE – UFRGS
Prof. Dr. Altamiro Amadeu Susin – PPGEE – UFRGS
Suplentes:
Profa. Dra. Letícia Vieira Guimarães – Deptos. Engª Computação e Engª de Energia – UERGS
Prof. Dr. Ivan Müller – PPGEE – UFRGS

Título da Dissertação: “DETECÇÃO E REMOÇÃO DE ARTEFATOS EM BIO-SINAIS”

Resumo:
“O monitoramento de bio-sinais é usado em hospitais, ambulatórios e dispositivos vestíveis, para diversos fins. Um dos problemas recorrentes em todas eles são os artefatos de movimentos. Os artefatos de movimentos estão entre as principais causas de alarmes falsos nos hospitais e ambulatórios. Neste trabalho são explorados dois aspectos do uso de bio-sinais, a detecção de sinais contaminados com artefato, e a remoção de artefatos dos bio-sinais. O desafio na detecção de artefatos é utilizar apenas medidas estatísticas, para caracterizar o artefato, para que o sistema possa futuramente ser generalizado para outros bio-sinais. Assim foi proposta uma Maquina de Vetores de Suporte para classificar os sinais em com artefato ou sem artefato, este classificador atingiu acurácia de 97%. Na remoção de artefatos os desafios são maiores, para tanto foram propostas duas soluções a primeira baseada em decomposição EEMD, que melhorou a qualidade do sinal principalmente nos sinais mais degradados. E a segunda solução baseada em separação cega de fontes que melhorou a qualidade do sinal em todos os casos”.

Palavras-chave: Machine Learning, Maquina de Vetores de Suporte, Decomposição de Sinais, Ensemble Empirical Mode Decomposition, Separação Cega de fontes  conjuntas, Multset Canonical Correlation Analysis.