Ingegneria Clinica

Tipologia

Attività formative affini o integrative

SSD

ING-INF/03

Anno

3º anno

Semestre

1º semestre

CFU

6

Distribuzione delle ore

60 classroom hours

Docenti

LORENZO PIAZZO

Tipologia

Ingegneria biomedica

SSD

ING-INF/06

Anno

3º anno

Semestre

2º semestre

CFU

6

Distribuzione delle ore

60 classroom hours

Docenti

JLENIA TOPPI

Modulo EDSB1
Il corso ha l'obiettivo di fornire agli studenti una formazione teorica e pratica sulle principali tecniche di elaborazione dei segnali biomedici.
In particolare, saranno approfondite le tematiche relative a:
1. stima dello spettro di densità di potenza dei segnali biomedici
2. acquisizione e elaborazione dei principali biosegnali (elettroencefalografico e elettromiografico)
Alla fine del corso lo studente avrò acquisito conoscenze e competenze riguardo:
1. la catena di acquisizione e di elaborazione dei principali segnali biomedici
2. la definizione dello spettro di densità di potenza di un segnale,
3. le principali tecniche che permettono di stimare lo spettro di densità di potenza e quali parametri settare al fine di massimizzarne le performance (accuratezza, risoluzione)
4. la fisiologia alla base dei principali biosegnali (EEG, EMG, ECG)
5. le tecniche di acquisizione dei principali biosegnali (EEG, EMG, ECG)
6. algoritmi di analisi del segnale (nel dominio del tempo e della frequenza) da applicare ai principali biosegnali (EEG, EMG, ECG).

Al termine del corso lo studente sarà in grado di:
1. definire una catena di acquisizione e processamento dei principali segnali elettrici prodotti dal corpo umano (EEG, EMG, ECG) e gestirne i parametri principali (frequenza di campionamento, bit per la conversione analogico-digitale)
2. calcolare lo spettro di densità di potenza del segnale scegliendo l’algoritmo più opportuno in base alle caratteristiche del segnale in esame e ai requisiti relativi allo spettro (quantità di campioni a disposizione, rapporto segnale rumore, risoluzione)
3. settare i parametri degli algoritmi di stima dello spettro di densità di potenza al fine di massimizzare accuratezza e risoluzione (tipologia e durata della finestra)
4. individuare quali tecniche di elaborazione del segnale si adattano maggiormente ai diversi biosegnali (EEG e EMG)
5. proporre modifiche al setup sperimentale usato per l’acquisizione dei biosegnali EEG e EMG al fine di ridurre l’errore di misura, acquisire un segnale di qualità elevata e secondo gli standard internazionali di misura.

Modulo SDS
Il corso presenta la matematica utilizzata per l'analisi e l'elaborazione dei segnali e dell'informazione. Alla fine del corso lo studente avra' acquisito le conoscenze di base della teoria dei segnali deterministici (descrizione nel tempo e in frequenza, per segnali continui e discreti), del calcolo delle probabilita' e dei segnali stocastici.

Modulo: SEGNALI DETERMINISTCI E STOCASTICI
Alla fine del corso lo studente conoscera' le basi teoriche dela teoria dei segnali, della probabilita' e dei processi stocastici




Modulo: ELABORAZIONE DATI E SEGNALI BIOMEDICI I

Il corso ha l'obiettivo di fornire agli studenti una formazione teorica e pratica sulle principali tecniche di elaborazione dei segnali biomedici.

In particolare, saranno approfondite le tematiche relative a:
1. stima dello spettro di densità di potenza dei segnali biomedici
2. acquisizione e elaborazione dei principali biosegnali (elettroencefalografico e elettromiografico)

Alla fine del corso lo studente avrà acquisito conoscenze e competenze riguardo:
1. la catena di acquisizione e di elaborazione dei principali segnali biomedici
2. la definizione dello spettro di densità di potenza di un segnale,
3. le principali tecniche che permettono di stimare lo spettro di densità di potenza e quali parametri settare al fine di massimizzarne le performance (accuratezza, risoluzione)
4. la fisiologia alla base dei principali biosegnali (EEG, EMG, ECG)
5. le tecniche di acquisizione dei principali biosegnali (EEG, EMG, ECG)
6. algoritmi di analisi del segnale (nel dominio del tempo e della frequenza) da applicare ai principali biosegnali (EEG, EMG, ECG).

Al termine del corso lo studente sarà in grado di:
1. definire una catena di acquisizione e processamento dei principali segnali elettrici prodotti dal corpo umano (EEG, EMG, ECG) e gestirne i parametri principali (frequenza di campionamento, bit per la conversione analogico-digitale)
2. calcolare lo spettro di densità di potenza del segnale scegliendo l’algoritmo più opportuno in base alle caratteristiche del segnale in esame e ai requisiti relativi allo spettro (quantità di campioni a disposizione, rapporto segnale rumore, risoluzione)
3. settare i parametri degli algoritmi di stima dello spettro di densità di potenza al fine di massimizzare accuratezza e risoluzione (tipologia e durata della finestra)
4. individuare quali tecniche di elaborazione del segnale si adattano maggiormente ai diversi biosegnali (EEG e EMG)
5. proporre modifiche al setup sperimentale usato per l’acquisizione dei biosegnali EEG e EMG al fine di ridurre l’errore di misura, acquisire un segnale di qualità elevata e secondo gli standard internazionali di misura.

Modulo: SEGNALI DETERMINISTCI E STOCASTICI
Analisi (integrali semplici e multpli, limiti, derivate)


Modulo: ELABORAZIONE DATI E SEGNALI BIOMEDICI I
I principali prerequisiti necessari ad affrontare il corso sono:
1. Principi di base di teoria dei segnali (indispensabile):
1.1 Segnali deterministici e stocastici
1.2 Segnali di energia e di potenza
1.3 Teorema di Nyquist
1.4 Trasformata di Fourier (proprietà e caratteristiche)

2. Statistica e Probabilità (indispensabile):
2.1 Distribuzioni di densità di probabilità
2.2 Statistica descrittiva
2.3 Stazionarietà e ergodicità di un processo aleatorio

3. Teoria della stima (importante)
3.1 Definizione di uno stimatore
3.2 Valutazione delle principali proprietà di uno stimatore

4. Analisi Matematica (utile):
4.1 Integrali
4.2 Correlazione
4.2 Sistemi di equazioni

5. Principi di base di anatomia e fisiologia umana (importante):
5.1 funzionamento della cellula con particolare riferimento al neurone e ai muscoli
5.2 anatomia del sistema nervoso centrale
5.3 anatomia dell’apparato muscolo-scheletrico

Modulo: SEGNALI DETERMINISTCI E STOCASTICI
si veda il sito istituzionale del docente: https://lorenzopiazzo.site.uniroma1.it/didattica/sds-edsb


Modulo: ELABORAZIONE DATI E SEGNALI BIOMEDICI I
EDSB1 costituisce il secondo modulo (6CFU) del corso integrato SEGNALI DETERMINISTICI E STOCASTICI ED ELABORAZIONE DATI E SEGNALI BIOMEDICI I (12 CFU).
Il primo modulo di tale corso (Segnali Deterministici e Stocastici - SDS) da 6 CFU è erogata dal Prof. Lorenzo Piazzo.

1. Catena di misura di un biosegnale
1.1. Introduzione: biosegnali, misure e rumore
1.2. Sistemi di misura
1.3. Trasduttori
1.4. Processamento segnali analogici
1.5. Rumore
1.6. Conversione ADC
1.7. Analisi di Fourier

2. Stima dello spettro di densità di potenza
2.1. Segnali discreti
2.2. Trasformata Discreta di Fourier
2.3. Fast Fourier Transform
2.4. Stima spettrale Non-parametrica
2.4.1. Intro
2.4.2. Serie stocastiche
2.4.3. Teoria della stima
2.4.4. Windowing
2.4.5. Periodogramma classico
2.4.6. Periodogramma modificato
2.4.7. Periodogramma di Bartlett
2.4.8. Periodogramma di Welch
2.4.9. Periodogramma di Blackman-Tukey
2.5. Stima spettrale parametrica
2.5.1. Metodi parametrici
2.5.2. Modelli autoregressivi
2.5.3. Equazioni di Yule-Walker

3. Segnale Elettroencefalografico
3.1. Fisiologia alla base del segnale EEG
3.2. Strumentazione per l’acquisizione del segnale EEG
3.3. Processamento del segnale EEG

4. Segnale Elettromiografico
4.1. Fisiologia alla base del segnale EEG
4.2. Strumentazione per l’acquisizione del segnale EEG
4.3. Processamento del segnale EEG

Modulo: SEGNALI DETERMINISTCI E STOCASTICI
si veda il sito istituzionale del docente: https://lorenzopiazzo.site.uniroma1.it/didattica/sds-edsb


Modulo: ELABORAZIONE DATI E SEGNALI BIOMEDICI I
Si riportano i testi adottati in relazione agli argomenti trattati durante il corso.

1. Catena di misura di un biosegnale
- Semmlow and Griffel, “Biosignal and Medical Image Processing”, CRC Press, 2014
- Smith, “The scientist and Engineer’s Guide to Digital Signal Processing”, Second Edition, California Technical Publishing, San Diego, California, 1999

2. Stima dello spettro di densità di potenza
- Prabhu, “Window functions and their application in Signal Processing”, CRC Press, 2014
- Rangayyan, “Biomedical Signal Analysis”, Second Edition, Wiley IEEE Press, 2015

3. Segnale Elettroencefalografico
- Mecarelli, “Clinical Electroencephalograpy”, Springer, California, 2019

4. Segnale Elettromiografico
- Kamen and Gabriel, “Essentials of Electromiography”, Human Kinetics, 2010

Modulo: SEGNALI DETERMINISTCI E STOCASTICI
N/D
Modulo: ELABORAZIONE DATI E SEGNALI BIOMEDICI I
N/D

Modulo: SEGNALI DETERMINISTCI E STOCASTICI
4 ore di teoria e 1 ore di esercitazione a settimana


Modulo: ELABORAZIONE DATI E SEGNALI BIOMEDICI I
L’insegnamento verrà erogato per 60 ore (6CFU) suddivise in:
1. 48 ore (80%) di lezioni frontali
2. 9 ore di esercitazioni
3. 3 ore dedicate a seminari che descrivono le principali linee di ricerca relative all’analisi dei biosegnali (EEG e EMG)

Modulo: SEGNALI DETERMINISTCI E STOCASTICI
Frequenza non obbligatoria


Modulo: ELABORAZIONE DATI E SEGNALI BIOMEDICI I
Il corso viene erogato interamente in presenza (vedi orario delle lezioni sul sito di ateneo per avere info su luogo e ora). La frequenza delle lezioni è libera, non vengono registrate le presenze.

Modulo: SEGNALI DETERMINISTCI E STOCASTICI
Esercizio e orale (per iscritto, domande aperte)




Modulo: ELABORAZIONE DATI E SEGNALI BIOMEDICI I
L’esame consiste in una prova scritta così organizzata:
33 quesiti a risposta chiusa (vero/falso) su 11 argomenti diversi trattati durante l’intero corso (3 per argomento) --> max 33 punti
2 esercizi relativi all'analisi spettrale --> max 5 punti
1 domanda a risposta aperta breve --> max 10 punti
Per ognuna delle 33 frasi che si trovano nel compito lo studente dovrà indicare se l'affermazione è vera o falsa, oppure potrà scegliere di non dare la risposta. Verrà assegnato: 1pt per ogni risposta corretta, -0.8pt per ogni risposta errata e 0pt per ogni risposta non data. Ad ognuno dei due esercizi verrà dato un punteggio da 0 a 3 punti.
Il voto finale dello scritto sarà dato dalla somma pesata dei voti presi nelle tre sezioni: 70% sezione1, 10% sezione 2, 20% sezione 3.
La prova si passa con voto >18. Coloro i quali superano l’esame con un voto superiore a 28 possono richiedere una prova orale (1 domanda aperta sul programma del corso) a cui il docente potrà assegnare o detrarre un massimo di 3 punti (rispetto al voto dello scritto).

Il voto verbalizzato sarà dato dalla media aritmetica tra i voti ottenuti nei due moduli (SDS+EDSB1).
Il candidato dovrà superare i due moduli nello stesso anno solare, altrimenti dovrà risostenere il modulo superato.

Modulo: SEGNALI DETERMINISTCI E STOCASTICI
si veda il sito istituzionale del docente: https://lorenzopiazzo.site.uniroma1.it/didattica/eds-edsb


Modulo: ELABORAZIONE DATI E SEGNALI BIOMEDICI I
Le domande a risposta chiusa campionano tutti gli argomenti trattati durante l’erogazione del corso (3 domande ogni argomento).
La domanda a risposta aperta riguarda uno degli argomenti trattati.
Gli esercizi relativi all'analisi spettrale consistono nell'individuazione da parte dello studente dei parametri necessari ad ottenere una stima accurata e a varianza minima dello spettro di densità di potenza di un processo aleatorio stazionario ergodico di durata finita.

Modulo: SEGNALI DETERMINISTCI E STOCASTICI

• 30 ore segnali deterministici
  • Testi di riferimento: 20 ore segnali aleatori

• • Testi di riferimento: Semmlow and Griffel, “Biosignal and Medical Image Processing”, CRC Press, 2014


• • Testi di riferimento: Smith, “The scientist and Engineer’s Guide to Digital Signal Processing”, Second Edition, California Technical Publishing, San Diego, California, 1999


• • Testi di riferimento: Prabhu, “Window functions and their application in Signal Processing”, CRC Press, 2014


• • Testi di riferimento: Mecarelli, “Clinical Electroencephalograpy”, Springer, California, 2019


• • Testi di riferimento: Kamen and Gabriel, “Essentials of Electromiography”, Human Kinetics, 2010