[ANGLÈS] The objective of this Master Thesis was to develop algorithms for B waves detection in ICP. This goal was approached by two different methods that depend basically in the resolution of the acquired ICP. Then, both methods were adapted to work in an ultra-low power microcontroller. The first method works using ICP recorded at 1 Hz and it is based on the Lundberg's definition of B wave. A plus of this algorithm is that reduces to the minimum the number of samples per block to classify. The results obtained after testing it using long records of ICP from 27 patients were an accuracy of 89,59%, a specificity 89,71% and a sensitivity of 89,16%. These results did not change when the code was adapted to the microcontroller. The second method requires ICP obtained with a sampling rate of 100 Hz. It is based on the morphology of the pulse waves present in the ICP and caused by the change of blood volume inside the skull with every heartbeat. A total of 1430 blocks of ICP (864 for lack of B wave and 566 for presence of B wave), everyone with duration of 41 seconds, were used to extract 21 features from each one. Then a MLP classifier and a SVM classifier were tested and compared. The best results were obtained by the SVM classifier, reaching an accuracy of 86,37%, a specificity of 88,09% and a sensitivity of 83,74% when all features were used. After adapting the algorithm to the microcontroller the results were nearly the same.

[CASTELLÀ] La finalidad de esta tesis era desarrollar algoritmos para la detección de ondas B en registros de ICP (presión intracranial). El objetivo se consiguió mediante dos métodos que dependen básicamente de la resolución temporal de la ICP. Posteriormente, los dos métodos fueron adaptados para poder ser incluidos en un microcontrolador de bajo consumo. El primer método funciona con ICP adquirida a 1 Hz y está basado en la definición de onda B de Lundberg. Una de las ventajas más destacadas de este algoritmo es que minimiza el número de muestras por bloque a clasificar. Los resultados obtenidos por este algoritmo, después de haber sido probado en registros de ICP de 27 pacientes, han sido un 85,59% de precisión, un 89,71% de sensibilidad y un 89,16% de especificidad. Estos resultados no han cambiado cuando el algoritmo se ha modificado para poder ser incluido en el microcontrolador de bajo consumo. El segundo método necesita ICP adquirida a una frecuencia de 100 Hz. Está basado en la morfología de las ondas P, las cuales también están presentes en la ICP i aparecen a causa de los cambios de volumen de sangre dentro del cráneo por cada latido del corazón. Se han utilizado un total de 1430 bloques de ICP (864 correspondientes a la clase 'ausencia de onda B' i 566 correspondientes a la clase 'presencia de onda B'), cada uno con una duración de 41 segundos, y se han extraído 21 características de cada bloque. A continuación se han utilizado separadamente dos clasificadores, un MLP i un SVM, y se han comparado sus resultados. Los mejores resultados han sido los del SVM, que ha obtenido una precisión del 86,37%, una especificidad del 88,09% y una sensibilidad del 83,74% cuando se han utilizado las 21 características. Después de adaptar este algoritmo al microcontrolador, los resultados han sido aproximadamente los mismos.

[CATALÀ] La finalitat d'aquesta tesi era desenvolupar algoritmes per a la detecció d'ones B en registres de ICP (pressió intracranial). L'objectiu es va aconseguir mitjançant dos mètodes que depenen bàsicament de la resolució temporal de la ICP. Posteriorment, els dos mètodes van ser adaptats per poder ser inclosos en un microcontrolador de baix consum. El primer mètode funciona amb ICP adquirida a 1 Hz i està basat en la definició d'ona B de Lundberg. Una de les avantatges més destacades d'aquest algoritme és que minimitza el nombre de mostres per bloc a classificar. Els resultats obtinguts per l'algoritme, després de ser provat en registres d'ICP de 27 pacients, han estat un 89,59% de precisió, un 89,71% de sensibilitat y un 89,16% d'especificitat. Aquests resultats no han canviat quan l'algoritme s'ha modificat per poder ser inclòs en el microcontrolador de baix consum. El segon mètode necessita ICP adquirida a una freqüència de 100 Hz. Està basat en la morfologia de les ones P, les quals també estan presents en la ICP i apareixen a causa dels canvis de volum de sang dins del crani per cada batec del cor. S'han utilitzat un total de 1430 blocs d'ICP (864 corresponents a la classe absència d'ona B i 566 corresponents a la classe presencia d'ona B), cada un amb una duració de 41 segons, i s'han extret 21 característiques de cada bloc. A continuació s'han utilitzat separadament dos classificadors, un MLP i un SVM, i se n'han comparat els resultats. Els millors resultats han estat els de l'SVM, que ha obtingut una precisió del 86,37%, una especificitat del 88,09% i una sensibilitat del 83,74% quan s'ha fet ús de les 21 característiques. Després d'adaptar aquest algoritme al microcontrolador, els resultats han estat aproximadament els mateixos.