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