Guida degli insegnamenti
Syllabus
Partially translatedTradotto parzialmente
Laura BURATTINI
Lingua di erogazione: INGLESELessons taught in: ENGLISH
Laurea Magistrale - [IM13] BIOMEDICAL ENGINEERING Master Degree (2 years) - [IM13] INGEGNERIA BIOMEDICA
Dipartimento: [040040] Dipartimento Ingegneria dell'InformazioneDepartment: [040040] Dipartimento Ingegneria dell'Informazione
Anno di corsoDegree programme year : 1 - Primo Semestre
Anno offertaAcademic year: 2023-2024
Anno regolamentoAnno regolamento: 2023-2024
Obbligatorio
Crediti: 9
Ore di lezioneTeaching hours: 72
TipologiaType: B - Caratterizzante
Settore disciplinareAcademic discipline: ING-INF/06 - BIOINGEGNERIA ELETTRONICA E INFORMATICA
Inglese
English
Conoscenza base di Matlab e analisi dei segnali.
Basic knowledge of Matlab and signal processing.
-Lezioni teoria: 42 ore
-Esercizi: 20 ore
-Progetto: 10 ore
Theory: 42 hours
-Exercises: 20 hours
-Project 10 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.
Capacità di applicare conoscenze e comprensione.
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/alle studenti/studentesse verrà inoltre chiesto di utilizzare queste conoscenze per sviluppare una progetto di ricerca durante le ore di esercitazione.
Competenze trasversali.
Capacità di sintesi, capacità di lavorare in gruppo, capacità comunicativa con 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
Knowledge and Understanding.
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.
Capacity to apply Knowledge and Understanding.
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.
Transversal Skills.
Abilities in synthesis, in group working, in oral comunication when 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.
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: serie, trasformata continua e trasformata discreta di Fourier, mono e bidimensionale. Algoritmo FFT. La trasformata Wavelet continua e discreta, mono e bidimensionale. Modelli autoregressivi. Teorema di Wiener-Kinchin per la stima della potenza spettrale.
Conversione analogico/digitale e teorema del campionamento per segnali e immagini. 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. Estrazione di caratteristiche significative da segnali e immagini.
Sistemi statistici di supporto alla 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.
-Esercitazioni. Esercizi di applicazione pratica delle nozioni teoriche, anche al calcolatore (Matlab)
-Sviluppo di un progetto.
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: Fourier’s series and continuous and discrete Fourier transforms, mono and bidimentional. FFT algorithm. Continuous and discrete Wavelet’s trasform, mono and bidimentional. Autoregressive models. Wiener-Kinchin’s theorem for estimating spectral power.
Analog/digital conversion and sampling theorem for signals and images. The Z transform. Input-output relations: difference equations and transfer functions. Numeric filters (FIR and IIR) and their application to signals and images. Extraction of significant features from signals and images.
Statistica system to support 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.
-Exercise. Exercises for the practical application of theoretical notions, also computer-based (Matlab)
- Development of a project.
Il livello di apprendimento degli studenti verrà definito attraverso la valutazione:
i) di una prova scritta, obbligatoria, della durata di 1,5 ore, durante la quale gli studenti devono risolvere 3 esercizi pratici e rispondere a 10 domande teoriche e di programmazione.
ii) del progetto 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.
Criteri di valutazione dell'apprendimento.
Per il superamento della prova scritta, lo/la studente/studentessa 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.
Criteri di misurazione dell'apprendimento.
Attribuzione del voto finale in trentesimi
Criteri di attribuzione del voto finale.
L'attribuzione del voto finale sarà effettuata se e solo se V1>=18 e V2>=18.
Il voto finale (V) sarà calcolato sulla base dei voti della prova scritta (V1), del progetto (V2) e della prova orale(V3), se presente, nel modo seguente:
-se non si è effettuata la prova orale: V=0.8 V1+ 0.2 V2.
-se si è effettuata la prova orale: V=0.8((V1+V3)/2)+0.2 V2.
La lode verrà attribuita agli/alle studenti/studentesse che, avendo conseguito la valutazione massima, abbiano dimostrato la completa padronanza della materia.
Learning Evaluation Methods.
The level of student learning will be defined by evaluating:
i) a written test, which is mandatory, 1.5-hour long , and consisting of 3 practical e exercises and a 15 theoretical and programming questions.
II) the developed 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.
Learning Evaluation Criteria.
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.
Learning Measurement Criteria.
Attribution of the final mark out of thirty
Final Mark Allocation Criteria.
Final grade will be assigned if and only if V1>=18 and V2>=18.
The final mark (V) will be computed using the mark pf the written test (V1), the mark of the project (V2) and the mark of the oral test (V3), if sustained, as follows:
-if no oral test sustained: V=0.8 V1+ 0.2 V2.
-if oral test sustained : V=0.8 ((V1+V3)/2)+0.2 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
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
no
no
Le informazioni contenute nella presente scheda assumono carattere definitivo solo a partire dall'A.A. di effettiva erogazione dell'insegnamento. Academic year 2023-2024
Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427