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
● Introduzione al corso - esempi applicativi di sistemi di misura biomedici, con particolare riferimento a sistemi Brain-Computer Interface passivi basati su segnali elettroencefalografici, e dimostrazione live. ● Sistema di misura biomedico (richiami) - filtri analogici e campionamento ● Filtri Digitali o Trasformata Z o Filtri FIR o Filtri IIR o Filtri ottimi, con particolare riferimento ai filtri di Wiener ● Analisi Multivariata o Principal Component Analysis o Independent Component Analysis ● Metodi spettrali tempo-frequenza o Short-time Fourier Transform (STFT) o Spettrogramma o Distribuzioni di Wigner-Ville o Funzione di autocorrelazione istantanea o Distribuzioni di Choi-Williams ● Trasformata Wavelet o Trasformata Wavelet Continua (CWT) o Caratteristiche della trasformata wavelet Tempo-Frequenza o Trasformata Wavelet Discreta (DWT) tramite banco di filtri ● Metodi di stima spettrale parametrici o Metodi Auto Regressivi (Richiami) o Metodi di stima spettrale mediante autoanalisi ● Processamento del segnale Elettrocardiografico (ECG) e Fotopletismografico (PPG) o Cenni di fisiologia alla base dei segnali ECG e PPG o Heart Rate (HR) e Heart Rate Variability (HRV) o Parametri nel dominio del tempo e della frequenza o Periodogramma di Lomb-Scargle o Algoritmo di Pan-Tompkins o Esempi Applicativi ● Processamento del segnale elettrodermico della pelle (EDA) o Cenni di fisiologia alla base del segnale EDA o Metodi di estrazione delle componenti Tonica (SCL) e Fasica (SCR) o Continuos Decomposition Analysis applicata al segnale EDA o Algoritmo Ledalab o Esempi Applicativi ● Processamento del segnale Elettrooculografico (EOG) o Cenni di fisiologia alla base del segnale EOG o Metodi di estrazione del parametro Eye Blink Rate (EBR) o Metodi di correzione di artefatti oculari sul segnale elettroencefalografico o Algoritmo di regressione di Gratton & Coles o Esempi Applicativi ● Seminari integrativi sull’applicazione di alcuni dei metodi di processamento (o avanzamento di questi) visti a lezione. ● Esempi pratici in ambiente MATLAB dei metodi di analisi e processamento discussi nel corso
Prerequisiti
● Geometria/Analisi matematica ● Elaborazione dati e segnali biomedici 1: o Concetti base di trasformazione dati e relativi operatori (es. Correlazione, Cross-correlazione, Auto-correlazione, Convoluzione) o Analisi di Fourier o Stima spettrale Non-parametrica ● Nozioni base di programmazione e conoscenza di base dell'ambiente Matlab
Testi di riferimento
• Semmlow and Griffel, Biosignal and Medical Imaging Processing • Teaching material provided by the instructor: • Lecture slides (current and previous year) • Prerequisite review slides from EDSB1 • Lecture recordings (audio with screen sharing) • MATLAB code related to the in-class examples
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
Bibliografia
• Semmlow and Griffel, Biosignal and Medical Imaging Processing • Teaching material provided by the instructor: • Lecture slides (current and previous year) • Prerequisite review slides from EDSB1 • Lecture recordings (audio with screen sharing) • MATLAB code related to the in-class examples
Modalità di erogazione
La didattica si svolge tramite lezioni frontali, arricchite da numerosi esempi pratici in ambiente MATLAB, volti a mostrare l’implementazione concreta degli algoritmi di processamento presentati a lezione. Le lezioni vengono registrate (voce + condivisione delle slide) e messe a disposizione degli studenti, insieme al materiale didattico che include slide e codice MATLAB sviluppato progressivamente durante il corso. Sono inoltre previsti seminari integrativi che presentano applicazioni pratiche degli algoritmi visti a lezione (o versioni avanzate degli stessi), per fornire esempi concreti dell’uso delle tecniche sviluppate. È anche prevista la realizzazione di demo live di sistemi di misura biomedici.
PIETRO ARICÒ Scheda docente

Programmi - Frequenza - Esami

Programma
● Introduzione al corso - esempi applicativi di sistemi di misura biomedici, con particolare riferimento a sistemi Brain-Computer Interface passivi basati su segnali elettroencefalografici, e dimostrazione live. ● Sistema di misura biomedico (richiami) - filtri analogici e campionamento ● Filtri Digitali o Trasformata Z o Filtri FIR o Filtri IIR o Filtri ottimi, con particolare riferimento ai filtri di Wiener ● Analisi Multivariata o Principal Component Analysis o Independent Component Analysis ● Metodi spettrali tempo-frequenza o Short-time Fourier Transform (STFT) o Spettrogramma o Distribuzioni di Wigner-Ville o Funzione di autocorrelazione istantanea o Distribuzioni di Choi-Williams ● Trasformata Wavelet o Trasformata Wavelet Continua (CWT) o Caratteristiche della trasformata wavelet Tempo-Frequenza o Trasformata Wavelet Discreta (DWT) tramite banco di filtri ● Metodi di stima spettrale parametrici o Metodi Auto Regressivi (Richiami) o Metodi di stima spettrale mediante autoanalisi ● Processamento del segnale Elettrocardiografico (ECG) e Fotopletismografico (PPG) o Cenni di fisiologia alla base dei segnali ECG e PPG o Heart Rate (HR) e Heart Rate Variability (HRV) o Parametri nel dominio del tempo e della frequenza o Periodogramma di Lomb-Scargle o Algoritmo di Pan-Tompkins o Esempi Applicativi ● Processamento del segnale elettrodermico della pelle (EDA) o Cenni di fisiologia alla base del segnale EDA o Metodi di estrazione delle componenti Tonica (SCL) e Fasica (SCR) o Continuos Decomposition Analysis applicata al segnale EDA o Algoritmo Ledalab o Esempi Applicativi ● Processamento del segnale Elettrooculografico (EOG) o Cenni di fisiologia alla base del segnale EOG o Metodi di estrazione del parametro Eye Blink Rate (EBR) o Metodi di correzione di artefatti oculari sul segnale elettroencefalografico o Algoritmo di regressione di Gratton & Coles o Esempi Applicativi ● Seminari integrativi sull’applicazione di alcuni dei metodi di processamento (o avanzamento di questi) visti a lezione. ● Esempi pratici in ambiente MATLAB dei metodi di analisi e processamento discussi nel corso
Prerequisiti
● Geometria/Analisi matematica ● Elaborazione dati e segnali biomedici 1: o Concetti base di trasformazione dati e relativi operatori (es. Correlazione, Cross-correlazione, Auto-correlazione, Convoluzione) o Analisi di Fourier o Stima spettrale Non-parametrica ● Nozioni base di programmazione e conoscenza di base dell'ambiente Matlab
Testi di riferimento
• Semmlow and Griffel, Biosignal and Medical Imaging Processing • Teaching material provided by the instructor: • Lecture slides (current and previous year) • Prerequisite review slides from EDSB1 • Lecture recordings (audio with screen sharing) • MATLAB code related to the in-class examples
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
Bibliografia
• Semmlow and Griffel, Biosignal and Medical Imaging Processing • Teaching material provided by the instructor: • Lecture slides (current and previous year) • Prerequisite review slides from EDSB1 • Lecture recordings (audio with screen sharing) • MATLAB code related to the in-class examples
Modalità di erogazione
La didattica si svolge tramite lezioni frontali, arricchite da numerosi esempi pratici in ambiente MATLAB, volti a mostrare l’implementazione concreta degli algoritmi di processamento presentati a lezione. Le lezioni vengono registrate (voce + condivisione delle slide) e messe a disposizione degli studenti, insieme al materiale didattico che include slide e codice MATLAB sviluppato progressivamente durante il corso. Sono inoltre previsti seminari integrativi che presentano applicazioni pratiche degli algoritmi visti a lezione (o versioni avanzate degli stessi), per fornire esempi concreti dell’uso delle tecniche sviluppate. È anche prevista la realizzazione di demo live di sistemi di misura biomedici.
  • Codice insegnamento1021769
  • Anno accademico2025/2026
  • CorsoIngegneria Biomedica
  • CurriculumBiomeccanica
  • Anno2º anno
  • Semestre1º semestre
  • SSDING-INF/06
  • CFU6
  • Ambito disciplinareIngegneria biomedica