Compresión de electroencefalogramas

Abstract

La compresión de señales EEG surge a partir de la necesidad de almacenar o transmitir grandes volúmenes de datos, principalmente en aplicaciones médicas. El objetivo de nuestro trabajo consistió en analizar y evaluar métodos de compresión de señales EEG. Según dicho análisis se optó por implementar y evaluar diferentes variantes del algoritmo presentado en [1]. En el desarrollo del algoritmo fueron utilizadas técnicas de predicción (AR adaptativo y AR no adaptativo) para estimar cada valor de la señal original en función de los valores anteriores, obteniendo así un error de predicción, el cual fue corregido mediante técnicas de cancelación de sesgo (BC) y finalmente codificado mediante codificación condicional aplicada a códigos de Golomb. Luego se analizaron diferentes variantes en los parámetros del algoritmo, destacándose los resultados obtenidos en la capacidad de compresión pues con las señales analizadas se obtuvo en promedio más de un 60% de compresión. Sin embargo, no se obtuvieron los resultados esperados al utilizar la técnica de BC dado que no mejora significativamente el error de predicción y como consecuencia la compresión. Con respecto a los contextos de codificación utilizados, se observó que aumentando la cantidad de contextos de codificación no se obtiene una mejora significativa en la compresión. A pesar de estos resultados, se obtuvo una mayor compresión con el algoritmo implementado que con el compresor Zip[2]. Se destaca también que el algoritmo desarrollado puede ser adaptado para utilizarse tanto en contextos online como offline.