Ingegneria Biomedica

PIETRO ARICÒ

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.

Al termine del corso, lo studente sarà in grado di:
• Applicare metodi di elaborazione numerica a segnali e dati biomedici;
• Utilizzare strumenti di analisi nel dominio del tempo, della frequenza, tempo-frequenza e tempo-scala;
• Progettare e implementare filtri digitali (FIR, IIR, Wiener) per l’analisi e il filtraggio del segnale;
• Applicare metodi di analisi multivariata (PCA, ICA) per l’estrazione di componenti informative;
• Analizzare segnali fisiologici quali ECG, PPG, EEG, EOG ed EDA;
• Conoscere e utilizzare le principali funzioni di base dell’ambiente MATLAB per sviluppare algoritmi di analisi, elaborazione e visualizzazione di segnali biomedici.

● 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

● 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

• 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

• 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

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.

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.

Domande a risposta multipla
Domande a risposta aperta

Criteri di valutazione:
L’esame si svolgerà in modalità solo scritta e sarà composto da due parti.
La prima parte sarà composta da risposte multiple su tutto il programma, verranno sottoposte 20 domande a risposta multipla, con 0.75 punti per ogni risposta corretta, -0.25 punti per ogni risposta errata, 0 punti per ogni risposta non data.
La seconda parte sarà composta da 3 quesiti a risposta aperta, di vario tipo sulla base delle argomentazioni ed esempi elaborati a lezione. Verrà assegnata ad ogni risposta opportunamente discussa fino ad un massimo di 5.5 punti.
In questa seconda parte verranno valutate:
• Organizzazione strutturata della risposta
• Capacità di sintesi, ove richiesto
• Appropriatezza dei termini utilizzati
• Capacità di evidenziare connessioni tra parti diverse del programma.
• Proposta di riflessioni originali fatte durante lo studio della materia
Esami particolarmente brillanti (≥31) concorreranno per la lode.

• Sistema di misura biomedico (richiami) - 5 ore
  • Testi di riferimento: Slide lezioni


• Filtri
  Digitali - 12 ore
  • Testi di riferimento: Slide lezioni


• Analisi
  Multivariata - 8 ore
  • Testi di riferimento: Slide lezioni


• Metodi spettrali tempo-frequenza - 8 ore
  • Testi di riferimento: Slide lezioni


• Trasformata
  Wavelet - 8 ore
  • Testi di riferimento: Slide lezioni


• Metodi di stima spettrale parametrici - 8 ore
  • Testi di riferimento: Slide lezioni


• Processamento di segnali autonomici (PPG/ECG/EDA/EOG) - 5 ore
  • Testi di riferimento: Slide lezioni


• Seminari
  integrativi sull’applicazione di alcuni dei metodi di processamento (o
  avanzamento di questi) visti a lezione - 6 ore
  • Testi di riferimento: Slide lezioni