W stanach pourazowych uszkodzeń mózgu konieczne jest ciągłe monitorowanie ciśnienia wewnątrzczaszkowego (ang. intracranial pressure, ICP), w celu wczesnego przewidywania epizodów nadmiernego wzrostu tego ciśnienia. Przewidywanie epizodów wzrostu ICP opiera się na bieżącej ocenie tzw. indeksów autoregulacji, opisujących wybrane relacje ilościowe pomiędzy sygnałem ICP, a innymi sygnałami: ciśnienia tętniczego krwi (ABP), sygnałem elektrokardiograficznym (ECG), itp. Opisywany problem jest zbliżony do klasy problemów wczesnej detekcji uszkodzeń (stanów awaryjnych), formułowanych w układach technicznych.
W klasycznych podejściach (opisywanych w literaturze) indeksy autoregulacji wyznacza się na podstawie związków regresyjnych i/lub statystycznych pomiędzy sygnałami, po uprzednim zastosowaniu algorytmów przetwarzania (filtracji, agregacji, itp.) monitorowanych sygnałów. Biorąc jednak pod uwagę fakt, że epizod wzrostu ciśnienia śródczaszkowego jest procesem niestacjonarnym, proponuje się zastosowanie metod przetwarzania sygnałów wykorzystujących transformacje czasowo-częstotliwościowe (np. dekompozycję falkową). Grupa transformat czas-częstotliwość wykazuje przewagę w przypadku analizy procesów niestacjonarnych, do których niewątpliwie należy proces generujący opisywaną zmianę stanu (uszkodzenie) układu dynamicznego. Do rozwiązania problemu detekcji chwili czasu, w której następuje zagrożenie utratą zdolności autoregulacyjnych, proponuje się użycie algorytmów sztucznej inteligencji, w miejsce tradycyjnej filtracji progowej.