Zpracování biologických dat
Kód | Zakončení | Kredity | Rozsah |
---|---|---|---|
33ZBD | Z,ZK | 4 | 2+2s |
- Přednášející:
- Cvičící:
- Předmět zajišťuje:
- katedra kybernetiky
- Anotace:
-
Tento předmět je věnován pokročilým metodám měření a zpracování biomedicínských signálů a získávání a zpracovávání biologických dat. Přednášky lze rozdělit do tří tématických bloků. Prvním je statistické zpracování biologických dat s důrazem na pokročilé metody používané v biomedicínském inženýství (analýza hlavních komponent, faktorová analýza, logistická regrese). Druhý blok je orientován na vybrané algoritmy zpracování signálů (EKG a EEG). Pozornost je věnována zejména vlnkové (wavelet) transformaci a analýze nezávislých komponent (ICA). Třetí blok se věnuje aplikacím metod umělé inteligence, zejména technikám dobývání znalostí z dat. Vedle obecných postupů prediktivního a deskriptivního dobývání znalostí bude zvláštní pozornost věnována zpracování časových řad (např. podobnost časových řad, dynamická deformace časové osy) a vybraným praktickým příkladům.
- Požadavky:
- Osnova přednášek:
-
1.Druhy veličin, jejich vzorkování a kvantování, zjišťování vazeb a identifikace struktur.
2.Testování statistických hypotéz, nejdůležitější testy používané v biomedicínské praxi.
3.Statistické modely a jejich hodnocení (lineární a logistická regrese, senzitivita, specificita, ROC).
4.Některé speciální metody (analýza variance, faktorová analýza, shluková analýza).
5.Zpracování fuzzy dat, lingvistická proměnná.
6.Předzpracování signálů (filtrace, odstranění trendů, periodických složek a pod.).
7.Aproximace deterministických signálů, použití klasických integrálních transformací.
8.Metody zpracování stochastických signálů a praktické metody pro zpracování časových řad.
9.Metody vlnkové (wavelet) transformace a jejich použití pro zpracování biologických signálů.
10.Analýza nezávislých komponent (ICA) a její aplikace.
11.Specifické problémy zpracování biologických signálů, chaotické signály a jejich zpracování.
12.Prediktivní a deskriptivní dobývání znalostí z dat.
13.Využití metod strojového učení při zpracování biologických dat.
14.Dobývání znalostí z časových dat, sekvenční data, časové řady a jejich podobnost.
- Osnova cvičení:
-
1.Praktická měření fyziologických veličin.
2.Statistické zpracování naměřených dat (korelace, F-test, intervaly spolehlivosti).
3.Zadání semestrální práce - zpracování biologických signálů.
4.Nástroje pro zpracování signálu - Signal toolbox, Wavelet toolbox, ICA toolbox.
5.Filtrace EKG signálu.
6.Odstranění trendů.
7.Detekce významných komplexů EKG signálu (QRS, P-vlna, T-vlna).
8.Vlnková transformace.
9.Statistická analýza signálu, PCA, F-test.
10.ICA analýza EEG signálu.
11.Segmentace, komprimace signálu.
12.Metoda dynamické defomace časové osy - Dynamic Time Warping (DTW).
13.Shluková analýza.
14.Prezentace semestrálních prací, udělování zápočtů.
- Cíle studia:
- Studijní materiály:
-
[1] Svatoš, J.: Biologické signály I. Skripta ČVUT, Praha 1992.
[2] Mařík V. a kol.: Umělá inteligence IV. Academia, Praha, 2003.
[3] Graupe, D.: Time series analysis, identification and adaptive filtering. Krieger R., Malabar, Florida, 1989.
[4] Bronzino, J. D. (ed.): The Biomedical Engineering Handbook. IEEE Press, 1995.
[5] Berka, P.: Dobývání znalostí z databází. Academia 2003.
- Poznámka:
-
Rozsah výuky v kombinované formě studia: 14+4
Typ cvičení: s, c
Předmět je nabízen také v anglické verzi.
- Další informace:
- Pro tento předmět se rozvrh nepřipravuje
- Předmět je součástí následujících studijních plánů:
-
- Biomedicínské inženýrství - inženýrský blok (povinný předmět)
- Biomedicínské inženýrství - inženýrský blok (povinný předmět)