Zpracování biologických dat

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)