Inglese
English
Conoscenza base di Matlab e analisi dei segnali.
Basic knowledge of Matlab and signal processing.
-Lezioni teoria: 42 ore
-Esercizi: 10 ore
-Progetto: 20 ore
Theory: 42 hours
-Exercises: 10 hours
-Project 20 hours
Obiettivo del corso è far conoscere e comprendere i
principali strumenti teorici e pratici per l'acquisizione
e l'elaborazione numerica di segnali e immagini biomedici. La finalità è l’estrazione
di parametri significativi che permettano la
classificazione clinica dei soggetti analizzati. Casi di
studio tipici riguarderanno l'elaborazione dei segnali biomedici quali ECG, EMG and EEG, e di immagini biomediche quali TAC and RX.
Questo insegnamento è caratterizzante per il settore
Bioingeneria (ING-INF/06) e consentirà di applicare i
principali strumenti teorici e pratici per l'acquisizione
e l'elaborazione numerica di dati biomedici a
segnali elettrocardiografici (ECG) e elettromiografici
(EMG). Agli studenti verrà inoltre chiesto di utilizzare
queste conoscenze per sviluppare una progetto
di ricerca durante le ore di esercitazione.
Capacità di sintesi, capacità di lavorare in gruppo,
chiarezza espositiva, capacità di interpretare il
linguaggio clinico, capacità di programmazione e di
uso della strumentazione specifica.
Capacità di comprendere e analizzare criticamente
articoli scientifici e di contribuire a un progetto di
ricerca, raggiunte anche grazie a conoscenze
trasversali che includono nozioni di medicina, analisi
dei segnali, analisi avanzata
The course objective is knowledge and understanding of the main theoretical and
practical tools for data acquisition and numerical
processing of biomedical
signals and images. The aim is to extract significant parameters for
the clinical classification of analyzed subjects.
Typical studied clinical cases include processing of
both biomedical signals such as ECG, EMG and EEG, and biomedical images such as CAT scan and RX.
This course is characterizing for the engineering
sector (ING-INF / 06) and will allow to apply
knowledge about the main theoretical and practical
tools for biomedical data acquisition and processing
to electrocardiographic (ECG) and electromyographic
(EMG) signals. The students will also have to use
such knowledge to develop a research project during
the lab classes.
Abilities in synthesis, in group working, in orally
reporting topics, in understanding clinical issues, in
computer programming and in using specific
instrumentation.
Abilities to understand and critically analyze scientific
papers an in contributing to the development of
scientific projects, also thanks to basic knowledge of
medicine, signal processing and advance analysis.
-Teoria. Definizione e classificazione dei segnali e delle immagini biomediche in base alla loro natura e caratteristiche. I quattro stadi fondamentali dell’elaborazione dei segnali e delle immagini biomediche (acquisizione, trasformazione, selezione di parametri e classificazione). Esempi (ECG, EMG, EEG, TAC RX e altri). Analisi in frequenza dei segnali biomedici: dalla serie di Fourier alle trasformate continua e discreta di Fourier (mono e bidimensionale. Algoritmo FFT.
Conversione analogico/digitale e teorema del campionamento. Esempi clinici. La trasformata Z. Relazioni ingresso-uscita: funzioni di trasferimento ed equazioni alle differenze. Filtri numerici (FIR e IIR) e loro applicazione a segnali e immagini. Variabili aleatorie e loro uso nella decisione clinica. Teorema di Bayes. Test clinico, tabella di contingenza, misure di concordanza (sensibilità e specificità) e valore predittivo (prevalenza). Curve ROC e definizione di una soglia. Coefficiente di correlazione, retta di regressione e metodo dei minimi quadrati. Processo stocastico. Stazionarietà e ergodicità. Teorema di Wiener-Kinchin per la stima della potenza spettrale.
-Esercitazioni. Esercizi di applicazione pratica delle nozioni teoriche.
-Sviluppo di un progetto Matlab.
-Theory. Definition and classification of biomedical signals and images according to their origine and characteristics. The four fundamental stages of biomedical signal and image processing (acquisition, transformation, selection of parameters and classification). Examples (ECG, EMG, EEG, CAT scan, RX and others). Frequency analysis of biomedical signals: from the Fourier series to the continuous and discrete Fourier transforms (mono and bidimentional).
FFT algorithm.
Analog/digital conversion and sampling theorem. Clinical examples. The Z transform. Input-output relations: difference equations and transfer functions. Numeric filters (FIR and IIR) and their application to signals and images. Random variables and their use in clinical decision. Bayes theorem. Clinical test, contingency table, correlation measures (sensitivity and specificity) and positive predictive value (prevalence). ROC curves and definition of a threshold. Coefficient of correlation, regression and least squares method. Stochastic process. Stationarity and ergodicity. Wiener-Kinchin for estimating spectral power.
-Exercise. Exercises for the practical application of theoretical notions.
- Development of a Matlab project.
Il livello di apprendimento degli studenti verrà definito attraverso la valutazione:
i) di una prova scritta, obbligatoria, della durata di 2 hours, durante la quale gli studenti devono risolvere 4 esercizi pratici e rispondere a una domanda multipla teorica.
ii) del progetto Matlab sviluppato
iii) di una prova orale, facoltativa, consistente in 3 domande teoriche, a cui si può accedere solo se nella prova scritta si è preso almeno 18. La prova orale facoltativa deve essere sostenuta nello stesso appello della prova scritta.
Per il superamento della prova scritta, lo studente dovrà dimostrare di aver acquisito una conoscenza dei principi teorici della materia tale da saperli utilizzare nella risoluzione di problemi pratici. Complessivamente, la prova scritta avrà una valutazione tra 0 e 30.
Il progetto Matlab avrà una valutazione tra 0 e 30
La prova orale, se eseguita, avrà una valutazione tra 0 e 30.
Attribuzione del voto finale in trentesimi
In voto finale (V) sarà calcolato sulla base dei voti della prova scritta (V1), del progetto Matlab (V2) e della prova orale(V3), se presente, ne modo seguente:
-se non si è effettuata la prova orale: V=0.7 V1+ 0.3 V2.
-se si è effettuata la prova orale: V=0.7 ((V1+V3)/2)+0.3 V2.
La lode verrà attribuita agli studenti che, avendo conseguito la valutazione massima, abbiano dimostrato la completa padronanza della materia.
The level of student learning will be defined by evaluating:
i) a written test, which is mandatory, 2-hour long , and consisting of 4 practical e exercises and a multiple theoretical question.
II) the developed Matlab project
iii) a oral test, which is optional and consisting of 3 theoretical questions. The oral test can be accessed by the student only if he/she passed the written test (score of 18 or more). Written and oral tests must be done in the same session.
In order to pass the written exam, students must demonstrate that they have acquired a knowledge of the subject theoretical principles such that they learned how to use them in solving practical problems. Overall, the written test will be graded from 0 to 30.
The Matlab project will be graded from 0 to 30.
The oral test, if sustained, will be graded from 0 to 30.
Attribution of the final mark out of thirty
The final mark (V) will be computed using the mark pf the written test (V1), the mark of the Matlab project (V2) and the mark of the oral test (V3), if sustained, as follows:
-if no oral test sustained: V=0.7 V1+ 0.3 V2.
-if oral test sustained : V=0.7 ((V1+V3)/2)+0.3 V2.
The honors will be given to students who, having achieved the highest rating, have demonstrated complete mastery of the subject.
1)Jackson LB. "Digital filters and signal processing", Kluwer Academic Publishers, Boston, 1993. 2) Oppenheim A, Schafer R. "Discrete-Time signal processing", Prentice Hall, Englewood Cliffs, NJ, 1989.
3)Deserno, T. M. (Ed.). (2011). Biomedical Image Processing. Biological and Medical Physics, Biomedical Engineering.
4) Peebles PZ. "Probability, random variables, and random signals principles", McGraw-Hill Inc., Boston, 2001. 5) Akay M. "Biomedical signal processing",Academic Press, San Diego, 1994. 6) Dispense. 7) Materiale aggiuntivo. 8) https://learn.univpm.it/course/view.php?id=7885
1)Jackson LB. "Digital filters and signal processing", Kluwer Academic Publishers, Boston, 1993. 2) Oppenheim A, Schafer R. "Discrete-Time signal processing", Prentice Hall, Englewood Cliffs, NJ, 1989.
3) Deserno, T. M. (Ed.). (2011). Biomedical Image Processing. Biological and Medical Physics, Biomedical Engineering.
4) Peebles PZ. "Probability, random variables, and random signals principles", McGraw-Hill Inc., Boston, 2001. 5) Akay M. "Biomedical signal processing",Academic Press, San Diego, 1994. 6) Lessons notes. 7) Additional material.
8) https://learn.univpm.it/course/view.php?id=7885
No
No
Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427