Guida degli insegnamenti
Syllabus
Partially translatedTradotto parzialmente
Federica VERDINI
Lingua di erogazione: ITALIANOLessons taught in: ITALIAN
Laurea - [IT02] INGEGNERIA BIOMEDICA First Cycle Degree (3 years) - [IT02] BIOMEDICAL ENGINEERING
Dipartimento: [040040] Dipartimento Ingegneria dell'InformazioneDepartment: [040040] Dipartimento Ingegneria dell'Informazione
Anno di corsoDegree programme year : 3 - Primo Semestre
Anno offertaAcademic year: 2023-2024
Anno regolamentoAnno regolamento: 2021-2022
Crediti: 6
Ore di lezioneTeaching hours: 48
TipologiaType: D - A scelta dello studente
Settore disciplinareAcademic discipline: ING-INF/06 - BIOINGEGNERIA ELETTRONICA E INFORMATICA
ITALIANO
Italian
Algebra delle Matrici, Trasformate di Laplace, calcolo integro-differenziale; concetti base dell'elettrotecnica; nozioni di elettromagnetismo
Algebra of matrices, Laplace Transform, integro-differential calculus; Basic knowledge of electronics and the fundamentals of electromagnetic field
Il corso prevede lezioni frontali in aula e lezioni pratiche svolte in laboratorio che prevedono attività sperimentali e di elaborazione dati svolte al calcolatore
Theoretical lessons together with practical and experimental sessions in laboratory. Specific activity related to data processing will be performed through the use of specific software and numeric computing platforms.
Il corso fornisce allo studente conoscenze teorico-pratiche legate alla acquisizione di segnali fisiologici (quali EMG, ECG, EEG) e di serie temporali caratterizzanti il movimento umano. Lo studente dovrà conoscere i principali protocolli di misura necessari al corretto utilizzo della strumentazione di un laboratorio di ingegneria biomedica. Al termine del corso lo studente sarà in grado di acquisire i principali segnali fisiologici associati al sistema muscolo-scheletrico, cardiovascolare e nervoso e di comprendere le principali tecniche di pre-elaborazione (filtraggio, interpolazione, ricampionamento, analisi in frequenza) e di estrazione dei parametri fondamentali associati al segnale fisiologico esaminato.
Capacità di applicare conoscenze e comprensione.
Il corso dovrà fornire allo studente le conoscenze necessarie a progettare e realizzare protocolli di misura per test sperimentali specifici di vari sistemi fisiologici. Tramite l’uso di Matlab ed eventualmente di altri software dedicati lo studente sarà in grado di analizzare i dati acquisiti e di applicare, mediante algoritmi di pre-elaborazione ed elaborazione, le metodologie di base per l’estrazione dell’informazione rilevante.
Competenze trasversali.
Lo studente rafforzerà, grazie alle attività teoriche e pratiche di questo corso, le competenze rilevanti per la formazione di un ingegnere biomedico che si occupa di acquisizione, modellazione ed elaborazione di segnali e dati biomedici. Durante il corso verranno inoltre ripresi e rafforzati, grazie anche ad applicazioni pratiche, i concetti base di analisi di circuiti, di elaborazione dei segnali (nel dominio del tempo e in frequenza) e di calcolo differenziale.
Knowledge and Understanding.
The course provides the student with theoretical-practical knowledge related to the acquisition of physiological signals (such as EMG, ECG, EEG) and of time-series characterizing the human movement. The student will know the main measurement protocols required for a proper use of the typical instrumentation of a biomedical engineering laboratory. At the end of the course, the student will be able to acquire the most relevant physiological signals related to musculoskeletal, cardiovascular and nervous systems, to understand the main pre-processing techniques (filtering, interpolation, re-sampling, frequency analysis) together with some methods for the feature extraction from the examined physiological signals.
Capacity to apply Knowledge and Understanding.
The course will provide the student with knowledge required for designing and applying some measurement protocols for experimental tests appropriate for the different physiological systems. Students will be instructed in the use of Matlab and other specific software to analyze the recorded signals, to process data through proper algorithms with the aim to extract relevant information.
Transversal Skills.
The students will reinforce, with the theoretical-practical knowledge of this course, the skills relevant for a bioengineer working with acquiring, modelling, and processing of biomedical signals and data. During the course, thanks also to the use of some practical cases, will be resumed and reinforced certain basic concepts of circuit analysis, signal processing (in time and frequency domain) and differential calculus.
MODULO A
1) Analisi delle principali caratteristiche tecniche della strumentazione di un laboratorio di analisi del movimento:
a) La strumentazione: il sistema optoelettronico, le piattaforme sensorizzate (le pedane di forza e la pedana baropodometrica per l’analisi delle pressioni plantari), il sistema di acquisizione del segnale elettromiografico, sistemi indossabili per l’analisi del cammino e del movimento.
b) Gestione delle problematiche di acquisizione dati provenienti da un laboratorio di analisi del movimento (definizione del protocollo sperimentale, acquisizione dati ed export dei dati grezzi).
c) Caratteristiche del segnale elettromiografico
d) Analisi delle caratteristiche di alcune particolari serie temporali caratteristiche dell’analisi del movimento: traiettorie di Centro di Massa e Centro di Pressione, angoli articolari, forze di reazione piede-suolo
2) Analisi delle principali caratteristiche tecniche della strumentazione di un laboratorio di analisi del segnale elettrocardiografico
a) La strumentazione: l’holter, i sistemi indossabili per la rilevazione del segnale elettrocardiografico.
b) Gestione delle problematiche di acquisizione dati da elettrocardiografo (definizione del protocollo sperimentale, acquisizione dati e export dei dati grezzi).
c) Cenni sulle principali caratteristiche del segnale elettrocardiografico;
MODULO B
1) Istruzioni di base in MATLAB
a) Il workspace, command window, l’editor
b) Definizione di variabili, vettori e matrici
c) Operazioni elementari con matrici/vettori, istruzioni di base per funzioni matematiche e trigonometriche
d) Rappresentazione grafica di serie temporali
e) Definizioni di funzioni, salvataggio di variabili e script
2) Dal segnale analogico al segnale discreto
a) Il campionamento, l’aliasing, la quantizzazione, Edge Effects
b) Le sorgenti di variabilità: il rumore, il rapporto segnale-rumore (SNR)
c) Sistemi lineari tempo-discreto: operazioni principali (modulazione, time-reversal, time shifting)
d) La valutazione di alcune grandezza statistiche di base (media, standard deviation, varianza)
e) Esempli applicativi sui segnali biomedici in MATLAB
3) La convoluzione, la correlazione e covarianza
a) Convoluzione e risposta impulsiva
b) Analisi della auto- e cross- correlazione. Il coefficiente di correlazione di Pearson
c) Rimozione della media sui segnali
d) Implementazione delle funzioni di auto, cross- correlazione e correlazione con esempli di applicazione a segnali biomedici
4) Analisi in frequenza
a) La trasformata di Fourier discreta, funzioni periodiche e aperiodiche
b) Windowing del segnale per l’analisi in frequenza; la risoluzione in frequenza
c) Il periodogramma
d) Implementazione in MATLAB ed esempi di applicazione su segnali biomedici
5) Filtraggio digitale
a) Tipologie di filtri (passa-basso, passa-alto, passa-banda, elimina-banda), parametri caratteristici (stopband, passband, stopband- e passband-ripple, transizione di banda)
b) Filtraggio nel dominio della frequenza e nel dominio del tempo
d) Implementazione in MATLAB ed esempi di applicazione su segnali biomedici
MODULE A
1) Analysis of the main technical characteristics of the instrumentation of a movement analysis laboratory:
a) Instrumentation: the optoelectronic system, the platforms (the force plates and the baropodometric platform for the analysis of the plantar pressures), the electromyographic signal acquisition system, wearable systems for path and movement analysis.
b) Management of data acquisition issues from a movement analysis laboratory (definition of the experimental protocol, data acquisition and export of raw data).
c) Characteristics of the electromyographic signal
d) Analysis of the characteristics of some particular time series characteristic of the analysis of the movement: trajectories of Center of Mass and Center of Pressure, articular angles, foot-ground reaction forces
2) Analysis of the main technical characteristics of the instrumentation of an electrocardiographic signal analysis laboratory
a) Instrumentation: holter, wearable systems for the detection of the electrocardiographic signal.
b) Management of data acquisition problems by electrocardiograph (definition of experimental protocol, data acquisition and export of raw data).
c) Analysis of the characteristics of the electrocardiographic signal;
MODULE B
1) Basic instructions in MATLAB
a) The workspace, command window, editor
b) Definition of variables, vectors and matrices
c) Elementary operations with matrices/vectors, basic instructions for mathematical and trigonometric functions
d) Graphical representation of time series
e) Function definitions, saving variables and scripts
2) From analog to discrete signal
a) Sampling, Aliasing, Quantization, Edge Effects
b) Sources of variability: noise, signal to noise ratio (SNR)
c) Discrete-time linear systems: main operations (modulation, time-reversal, time shifting)
d) Evaluation of some basic statistical variables (mean, standard deviation, variance)
e) Application examples on biomedical signals in MATLAB
3) Convolution, correlation and covariance
a) Convolution and impulse response
b) Analysis of auto- and cross-correlation. Pearson’s correlation coefficient
c) Removal of signal averaging
d) Implementation of auto functions, cross-correlation and correlation with biomedical signal application examples
4) Frequency analysis
a) The discrete Fourier transform, periodic and aperiodic functions
b) Signal windowing for frequency analysis; frequency resolution
c) The periodogram
d) Implementation in MATLAB and application examples on biomedical signals
5) Digital filtering
a) Types of filters (low pass, high pass, band pass, band eliminate), characteristic parameters (stopband, passband, stopband- and passband-ripple, band transition)
b) Frequency domain and time domain filtering
d) Implementation in MATLAB and application examples on biomedical signals
La valutazione di quanto appreso si svolge come esame finale tramite la discussione di un elaborato che prevede lo studio di un problema con valutazione della letteratura inerente e delle metodologie di analisi utilizzate, l'applicazione di alcune di esse per la valutazione dei dati e l'estrazione dell'informazione. L'elaborato potrà essere preparato in gruppo di non più di 3 /4 persone. Il contributo di ciascuno dei componenti dovrà emergere nella discussione finale che dovrà essere svolta con l'utilizzo di opportuni supporti informatici e corredata di tesina con descrizione estesa.
per gli studenti con disabilità/invalidità o disturbo dell'apprendimento che abbiano fatto debita richiesta di supporto per affrontare l'esame all'Info Point Disabilità dell'ateneo, le modalità saranno adattate allea luce di quanto previsto dalle linee guida dell'ateneo.
Criteri di valutazione dell'apprendimento.
Durante l'esame si dovrà dimostrare di aver raggiunto competenze da permettere di spiegare gli aspetti principali del problema in studio e della definizione degli opportuni protocolli sperimentali. Si dovrà essere in grado inoltre di impiegare in modo sicuro le abilità operative conseguite al fine di ottenere elaborazioni sui dati accurate, ripetibili e affidabili e si dovrà dimostrare la capacità di analisi critica dei risultati ottenuti dalle elaborazioni con linguaggio specifico.
Criteri di misurazione dell'apprendimento.
Il voto finale sarà attribuito in trentesimi. L'esame si intende superato quando il voto è maggiore o uguale a 18
Criteri di attribuzione del voto finale.
Il limitato approfondimento degli aspetti metodologici o di ricerca relativi al problema in studio costituiranno un punto di debolezza nella preparazione dell’elaborato e verranno penalizzati nella valutazione finale così come l’uso di terminologia non adeguata. La presenza di errori formali implementativi nella definizione degli algoritmi in Matlab potranno determinare valutazioni non sufficienti a garantire il superamento dell'esame (voto inferiore a 18). L' attribuzione della lode corrisponde alla dimostrazione di una piena padronanza degli argomenti e alla capacità di inserire approfondimenti personali.
Learning Evaluation Methods.
The learning assessment will be performed through a final exam consisting of an oral presentation and a related written report about as assigned problem. The report will have to present the methodological aspects discussed in literature related to the topic with the description of the specific experimental protocols followed to have data, together with the results obtained after the processing of data (recorded in dedicated experimental session or downloaded from public dataset) performed with Matlab scripts defined by the components of the group. Indeed, the report can be produced by a group of no more than ¾ people. The contribution of each component of the group must be clear both in the report and in the presentation.
For disabled people or subjects with learning disturbance asking support to Info Point Disability of the University, the managing of the exam will be in accordance with the University guidelines.
Learning Evaluation Criteria.
The students must obtain the ability to explain the learned theoretical aspects to define and to implement specific experimental protocols related to the topic under study. They must also demonstrate an appropriate level in using the skills attained for data acquisition and pre-processing and they must be able to use specific and pertinent language to describe and discuss results.
Learning Measurement Criteria.
The final mark will be given /30. The exam is deemed successful if the evaluation obtained is greater than or equal to 18/30.
Final Mark Allocation Criteria.
The lack of knowledge of theoretical topics to accurately present the problem under study or the use of terms not adequate to the matter and the problem, will be penalized in the final evaluation. The implementation error in the definition of algorithms in Matlab may determine assessments not sufficient to ensure the passing of the exam (grade less than 18). The attribution of praise corresponds to the demonstration of a full mastery of the arguments.
Practical Biomedical Signal Analysis using MATLAB, Blinowska KL, Zygierewicz, Taylor&Francis group, 2022
Biomedical Signal Analysis for connected Healthcare, Sri Krishnan, Academic Press 2021
Biosignal and Biomedical Image processing: MATLAB-based Applications, Semmlow JL, Dekker 2004
Biomechanics and motor control of human movement, Winter DA, Wiley. Fourth Edition
Practical Biomedical Signal Analysis using MATLAB, Blinowska KL, Zygierewicz, Taylor&Francis group, 2022
Biomedical Signal Analysis for connected Healthcare, Sri Krishnan, Academic Press 2021
Biosignal and Biomedical Image processing: MATLAB-based Applications, Semmlow JL, Dekker 2004
Biomechanics and motor control of human movement, Winter DA, Wiley. Fourth Edition
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