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