ELABORAZIONE DATI E SEGNALI BIOMEDICI II
Obiettivi formativi
L’insegnamento fornisce allo studente strumenti avanzati per estrarre da segnali e dati biomedici informazioni utili, sia nel dominio nel tempo che in frequenza, con particolare riguardo ai filtri digitali, analisi multivariata, metodi spettrali tempo-frequenza e tempo-scala, esempi di processamento dei segnali elettroencefalografico, elettrooculografico, elettrocardiagrafico, fotopletismografico, e di conduttanza cutanea. Il corso fornisce inoltre strumenti di base per la classificazione di segnali biomedici, per applicazioni di tipo brain-computer interface, come LDA, SVM, elementi di clustering.
Canale 1
PIETRO ARICÒ
Scheda docente
Programmi - Frequenza - Esami
Programma
1.Biosegnali
Sistemi di misura
Trasduttori
Amplificatori/Detettori
Processamento del segnale (cenni su filtri analogici)
2.Segnale Elettroencefalografico
Richiami fisiologia alla base del segnale EEG
Analisi nel tempo e nella frequenza
Brain-Computer Interface
Catena di processamento di un segnale EEG
Strumentazione per l’acquisizione del segnale EEG
3.Filtri Digitali
Trasformata Z
Filtri FIR
Filtri IIR
Filtro di Wiener
4.Analisi Multivariata: Principal Component Analysis (PCA) e Independent Component Analysis (ICA)
Principal Component Analysis
Independent Component Analysis
5.Metodi spettrali tempo-frequenza
Short-time Fourier Transform (STFT)
Spettrogramma
Funzione di autocorrelazione istantanea
Distribuzione di Wigner-Ville
6.Trasformata Wavelet
Continuous Wavelet Transform (CWT)
Caratteristiche della trasformata wavelet Tempo-Frequenza
Discrete Wavelet Transform
7. Metodi di stima spettrale parametrici
Richiami metodi AR ed Equazione di Yule-Walker
Metodi di stima spettrale mediante autoanalisi
8.Segnale Elettrocardiografico
Fisiologia alla base del segnale ECG
Strumentazione per l’acquisizione del segnale ECG
Processamento del segnale ECG
9.Electro Dermal Activity (EDA)
Fisiologia alla base del segnale EDA
Strumentazione per l’acquisizione del segnale EDA
Processamento del segnale EDA
10.Elementi di Machine learning
Cenni Curve ROC
Linear Discriminant Analysis (LDA)
Support Vector Machine (SVM)
Elementi di clustering
Prerequisiti
- Analisi della serie di Fourier
- Analisi Matermatica
- Geometria
- Elementi di stitistica
Testi di riferimento
Slides, registrazioni e codice
Cartella google drive condivisa
Libri di testo
Semmlow and Griffel, Biosignal and medical Imaging Processing, Third Edition, CRC Press, 2014
Frequenza
La lezioni saranno svolte in presenza. Verranno effettuate esercitazione in ambiente Matlab, attraverso esempi pratici di processamento e classificazione di dati biomedici reali. La frequenza in aula è fortemente raccomandata.
Modalità di esame
Domande a risposta multipla
Domande a risposta aperta
PIETRO ARICÒ
Scheda docente
Programmi - Frequenza - Esami
Programma
1.Biosegnali
Sistemi di misura
Trasduttori
Amplificatori/Detettori
Processamento del segnale (cenni su filtri analogici)
2.Segnale Elettroencefalografico
Richiami fisiologia alla base del segnale EEG
Analisi nel tempo e nella frequenza
Brain-Computer Interface
Catena di processamento di un segnale EEG
Strumentazione per l’acquisizione del segnale EEG
3.Filtri Digitali
Trasformata Z
Filtri FIR
Filtri IIR
Filtro di Wiener
4.Analisi Multivariata: Principal Component Analysis (PCA) e Independent Component Analysis (ICA)
Principal Component Analysis
Independent Component Analysis
5.Metodi spettrali tempo-frequenza
Short-time Fourier Transform (STFT)
Spettrogramma
Funzione di autocorrelazione istantanea
Distribuzione di Wigner-Ville
6.Trasformata Wavelet
Continuous Wavelet Transform (CWT)
Caratteristiche della trasformata wavelet Tempo-Frequenza
Discrete Wavelet Transform
7. Metodi di stima spettrale parametrici
Richiami metodi AR ed Equazione di Yule-Walker
Metodi di stima spettrale mediante autoanalisi
8.Segnale Elettrocardiografico
Fisiologia alla base del segnale ECG
Strumentazione per l’acquisizione del segnale ECG
Processamento del segnale ECG
9.Electro Dermal Activity (EDA)
Fisiologia alla base del segnale EDA
Strumentazione per l’acquisizione del segnale EDA
Processamento del segnale EDA
10.Elementi di Machine learning
Cenni Curve ROC
Linear Discriminant Analysis (LDA)
Support Vector Machine (SVM)
Elementi di clustering
Prerequisiti
- Analisi della serie di Fourier
- Analisi Matermatica
- Geometria
- Elementi di stitistica
Testi di riferimento
Slides, registrazioni e codice
Cartella google drive condivisa
Libri di testo
Semmlow and Griffel, Biosignal and medical Imaging Processing, Third Edition, CRC Press, 2014
Frequenza
La lezioni saranno svolte in presenza. Verranno effettuate esercitazione in ambiente Matlab, attraverso esempi pratici di processamento e classificazione di dati biomedici reali. La frequenza in aula è fortemente raccomandata.
Modalità di esame
Domande a risposta multipla
Domande a risposta aperta
- Codice insegnamento1021769
- Anno accademico2024/2025
- CorsoIngegneria Biomedica
- CurriculumTecnologie ospedaliere
- Anno2º anno
- Semestre1º semestre
- SSDING-INF/06
- CFU6
- Ambito disciplinareIngegneria biomedica