@MASTERSTHESIS{ 2013:1824802589,
 	title = {Extração de Características Utilizando Análise de Componentes Independentes para Spike Sorting.},
 	year = {2013},
 	url = "http://tedebc.ufma.br:8080/jspui/handle/tede/1894",
 	abstract = "A análise de componentes independentes (ICA, do inglês Indepdendent Component
 Analysis) é um método no qual o objetivo é encontrar uma representação linear ou não linear, não-gaussiana, tal que as componentes sejam estatisticamente independentes. Como
 uma representação busca capturar a estrutura essencial dos dados de entrada.
 Uma das aplicações de ICA é em extração de características. Um grande problema
 no processamento digital de sinais é encontrar uma representação adequada, seja para
 imagem, sinal de fala ou qualquer outro tipo de sinal para objetivos como compressão e
 remoção de ruído. ICA pode ser aplicada nesta direção ao tentar propor modelos geradores
 para os fenômenos a serem representados.
 Neste trabalho é apresentado o problema da classificação de espículas em gravações
 extracelulares, denominado spike sorting. Assume-se que as formas de onda das espículas
 dependem de fatores como a morfologia do neurônio e da distância deste para o eletrodo,
 então diferentes neurônios irão apresentar diferentes formas de espículas. Contudo diferentes neurônios podem apresentar espículas semelhantes, tornando a classificação mais
 difícil, o problema ainda é agravado devido ao ruído de fundo e a variação das espículas
 de um mesmo neurônio.
 O algoritmo de spike sorting geralmente é dividido em três partes: inicialmente as
 espículas são detectadas, em seguida são projetadas em um espaço de características
 (podendo haver redução de dimensionalidade) para facilitar a diferenciação entre as formas
 de onda de diferentes neurônios, por fim é feito o agrupamento dessas características
 identificando assim as espículas pertencentes ao mesmo neurônio.
 Aqui propomos a utilização de ICA na etapa de extração de características das espículas, sendo esta etapa crítica para o processo de spike sorting, permitindo assim distinguir
 a atividade de cada neurônio detectado, auxiliando a análise da atividade da população
 neural próxima ao eletrodo. O método foi comparado com técnicas convencionais como
 Análise de componentes principais (PCA, do inglês Principal Component Analysis) e Wavelets, demonstrando significativa melhora nos resultados.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET},
 	note = {DEPARTAMENTO  DE ENGENHARIA DA ELETRICIDADE/CCET}
}