Grupo de Biomecánica, Rehabilitación y Procesamiento de Señales (GBRPS) USB Junio

Transcripción

1 Grupo de Biomecánica, Rehabilitación y Procesamiento de Señales (GBRPS) USB Junio 2

2 Grupo de Biomecánica, Rehabilitación y Procesamiento de Señales Grupo de investigación adscrito al Decanato de Investigación y Desarrollo (DID) de la Universidad Simón Bolívar. Creado en el año 22, Integrado por un equipo interdisciplinario de profesionales universitarios: Prof. Carlos González Prof. Ninoska Viloria Prof. Kleydis Suárez Prof. Jesús Yriarte Prof. Mary Díaz Ing. Adriana Lammardo Dpto. de Mecánica Dpto. de Electrónica y Circuitos Dpto. de Tecnología Industrial Dpto. de Tecnología Industrial Dpto. de Electrónica y Circuitos Dpto. de Mecánica

3 Misión Promover el avance del desarrollo científico y tecnológico en las áreas de la biomecánica (mecánica respiratoria, análisis del movimiento humano, rehabilitación) y el procesamiento de señales biomédicas (ECG, EMG, EEG, Pletismográficas) Desarrollar herramientas de prevención, diagnóstico y estudio de enfermedades que afectan a la población venezolana Promover la difusión del conocimiento en las áreas mencionadas

4 Proyectos 2: González O., C; Diaz, M; Suarez, K; Viloria, N. (CeNAS) Centro Nacional de Análisis de Señales, Programa de Proyectos Estratégicos del FONACIT. 29: González O., C; Suarez, K; Viloria, N. "Sistemas de reconocimiento de patrones biomédicos estacionarios y no estacionarios". 26: González O., C; Bravo, R; Viloria, N. "Desarrollo de Herramientas de Diagnóstico y Evaluación Clínica Basado en Señales Biomédicas". 25: Viloria, N; González O., C; Delgado, C.; Bravo, R; Sánchez, G; Bueno, A; Chacín, R.; ; Yriarte, J. "Desarrollo Curricular del Perfil por Competencias de Ingeniería de Mantenimiento ".

5 Proyecto CeNAS: Centro Nacional de Procesamiento de Señales Capítulo Salud: Desarrollo de Herramientas de Capítulo Diagnóstico Salud: Desarrollo y Evaluación de Clínica de Señales Capítulo Biomédicas Salud: Desarrollo de Herramientas de Diagnóstico y Evaluación Clínica de Señales Biomédicas Diagnóstico y Evaluación Clínica de Señales Biomédicas Ente de acceso público, sin fines de lucro, para la documentación, el registro, manejo y procesamiento de señales y datos biomédicos, que cuente con la capacidad operativa de diagnóstico temprano de enfermedades ocupacionales y tropicales, propias de las comunidades venezolanas, haciendo uso intensivo de herramientas computacionales de software libre y de un fondo bibliográfico especializado y actualizado en el área.

6 Magnitud Procesamiento de señales biomédicas N S T time. Annotations Détection Fitness Battement anormal: pas de Détection 6

7 a i ( V) f i ( Hz ) Amplitude ( V) Análisis de Señales de EEG de Pacientes Epilépticos ( a ) t (s) ( b ) ( c ) t (s) t (s) Análisis Clasificación Modelaje Parámetros Fisiológicos Señal EEG real Preprocesamiento Procesamiento Caracterización Clasificación Detección

8 Análisis Clínico de la Marcha Exámen Físico Articular Video Bidimensional Cinemática Modelo Biomecánico Electromiografía Dinámica Placas de Fuerza

9 Productos Tesistas de Doctorado en Ingeniería Tesistas Maestría en Ing. Biomédica Tesistas de Pregrado Ayudantes de Investigación Creación de Ingeniería de Mantenimiento USB, Sede del Litoral (25) Publicaciones en Revistas y Congresos arbitrados. Organización del IV Congreso Latinoamericano en Ingenieria Biomédica (CLAIB27).

10 Avances en el Análisis del Sistema Respiratorio como Sistema Dinámico Complejo UNIVERSIDAD SIMÓN BOLÍVAR

11 Potencia (Kgf.m/min) Modelaje Clásico () Trabajo pulmonar Otis-Rahn -Fenn (95) Funcion pulmonar Promediacion Hughson R., Yamamoto Y., Fortrat J. (995) Is the Pattern of Breathing at Rest Chaotic? En: Modelling and Control of Ventilation. Semple, Stephen et al. Plenum Press. 2 8 Hughson R., Yamamoto Y., Fortrat J. O., Leask R. And Fofana M.S. (996) Possible Fractal and/or Choatic Breathing Patterns in Resting Humans En: Bioengineering Approaches to Pulmonary Physiology and Medicine. Michael Khoo (Ed.), NY, Plenum Press. Chap. 2. Poon (2) Modelo Pulmonar Normal y obstructivo Ventilación Alveolar L/min) Frecuencia (rpm)

12 Potencia (Kgf.m/min) Potencia (Kgf.m/min) Modelaje Clásico (2) Ventilación Alveolar L/min) Frecuencia (rpm) Ventilación Alveolar L/min) Frecuencia (rpm) Modelo Pulmonar Normal y obstructivo

13 Reconstrucción en MD (3) Sistema Respiratorio Sistema Autónomo Modelaje Dinámico Transformaciones matemáticas para los SOM

14 W(i,2) Y(n) Y(n) X(n+) Y(n) X(n+) MD en el mapa de Henon (4) x n+ y n+ = = X(n).8 Signal.7.6 Hénon.5 SOM.4 (3x6).3 SOM.2 (2x2). y n + - a x n 2 b x n () z ( t) [ y( t) y( t ) y( t ( De ) )].9 Mean (std) SOM (2x4) X(n) T X(n).62 (.283).535 (.3).544 (.344).495 (.326) D Lyapunov bit/sample Sistemas No Lineales y Modelaje Dinámico X(n)..2.3 Weight.4.5 Vectors X(n) W(i,)

15 Volume (ml) Patrón Respiratorio (5) 6 5 VT TI TE TTOT Time (f = 5 Hz) Señales Volumen y tiempo TI Tiempo Inspiratorio

16 TI time serie (s) Volume (ml) W(i,2) SOM en Señales Respiratorias (6) Weight Vectors Time (f = 5 Hz) Breaths Time series Mean (std) TI Original 2.38(.9) TI SOM 2x2 2.2(.52) W(i,) D2 Lyapunov Exp Mapas Autoorganizativos Self Organizing Maps (SOM)

17 Modelaje Fisiològico Implementación de un sistema que englobe todas las etapas de forma confiable y automática

18 GBRPS USB Junio 2 Gracias