Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2019/2020

Pokročilé metody analýzy a zpracování dat

Předmět není vypsán Nerozvrhuje se
Kód Zakončení Kredity Rozsah Jazyk výuky
17PMBPMA Z 2 1P+1C česky
Přednášející:
Cvičící:
Předmět zajišťuje:
katedra biomedicínské techniky
Anotace:

Způsoby vzniku, snímání a základní parametry biosignálů nutné pro diagnostiku. Metody a algoritmy zpracování a vyhodnocování nejdůležitějších biologických (zejména elekrofyziologických) signálů, předzpracování, filtrace, analýza v časové i frekvenční oblasti. Využití moderních metod spektrální analýzy. Zobrazení výsledků, topografické mapování, metoda zhuštěných spektrálních kulis. Adaptivní segmentace nestacionárních signálů. Aplikace metod umělé inteligence. Metody automatické klasifikace signálů - učení bez učitele, shluková analýza, učící se klasifikátory. Neuronové sítě. Praktické aplikace zpracování biosignálů. Případová studie aplikace ANN na epileptické a neurologické záznamy. Geneticke algoritmy a simulované žíhání

Požadavky:

Povinná je aktivní úcast na cviceních. Povolená 1 absence bez udání duvodu. Další absence je nutné doložit. V průběhu cvičení budou plněny bodované úlohy. Zápočet je udělen, získá-li student minimálne 50 % bodu ze cvicení.

Osnova přednášek:

1.Úvod do zpracování biosignálů. Motivace. Charakteristika základních biosignálů EEG, EOG, EMG, EKG, fMRI. Simultánní nahrávání. Artefakty. Původ, zdroje, diagnostické využití. Aplikační oblasti.

2. Fixní a adaptivní segmentace. Motivace. Nestacionarita biosignálů. Základní metody. Multikanálová on-line adaptivní segmentace. Extrakce příznaků. Nastavení parametrů. Přednosti a omezení metod. Další segmentační algoritmy.

3. Spektrální analýza biosignálů - Aplikace. Základní metody. Parametrické a neparametrické metody. Periodogram, AR model. LDR algoritmus. Praktické problémy odhadu spektra. Křížové spektrum, koherence a fáze. Metoda zhuštěných spektrálních kulis (CSA). Digitální filtrace biosignálů, návrh IIR a FIR filtrů.

4. Případové studie při zpracování biologických signálů v klinické praxi.

5. Topografické mapování elektrofyziologické aktivity. Vizualizace. Princip brain mappingu. Amplitudové a frekvenční mapování. Interpolace. Iterativní vytváření mapy. Animace. 3D-splinová interpolace. Izopotenciálové mapování. Použití v klinické diagnostice. Dynamické mapování. LORETA.

6. Metody automatické klasifikace I. Učení bez učitele. Metriky. Normalizace dat. Základní algoritmy shlukové analýzy. K-means algoritmus. Hustotně orientované metody klasifikace. Ukázky klasifikace na simulovaných datech, klasifikace EEG dat. Použití fuzzy množin pro zvýšení homogenity tříd. Optimální počet tříd. Limity a omezení shlukové analýzy.

7. Automatická klasifikace II. - Učící se klasifikátory. Srovnání vlastností supervizovaného a nesupervizovaného učení. Předvedení základních algoritmů učících se klasifikátorů na simulovaných a reálných datech. Neuronové sítě a metody umělé inteligence.

Osnova cvičení:

1.MATLAB funkce pro zpracování a zobrazení signálu

2.Načtení EEG signálu

3.Formáty a struktura dat EEG přístrojů

4.Zobrazení a manipulace s polygrafickými signály

5.Spektrální analýza a syntéza. Digitální filtrace signálu

6.Zobrazení výsledků spektrální analýzy, metoda CSA.

7.Amplitudový a frekvenční Brain Mapping

8.Učící se klasifikátory, simulovaná data

Cíle studia:

Porozumět a aplikovat moderní metody zpracování neurofyziologických biosignálů

Studijní materiály:

Doporučená literatura

1.Krajča V., Mohylová J., Číslicové zpracování neurofyziologických signálů, ČVUT Praha, 2011.

2.Krajča V., Petránek S., Počítačová elektroencefalografie. Úvod do problematiky. Česká a Slovenská Neurologie a Neurochirurgie. Supplementum, 1995, pp. 1-38

3.Mohylová,J., Krajča, V.: Zpracování biosignálů. Skriptum VŠB TUO, 2007.

4.Mohylová J., Krajča V. Zpracování signálů v lékařství. Žilinská universita 2005. ISBN 80-8070-341-8. Skriptum na CD.

5.Rozman J. a kol. Elektronické přístroje v lékařství, (kapitola v knize: Petránek S., Krajča V., Diagnostika mozku ). Academia Praha 2006, pp. 53-67

6.Svatoš J., Biologické signály I. Geneze, zpracování a analýza. Skriptum ČVUT FEL,1995

7.Sörnmo L., Laguna P., Bioelectrical Signal Processing in cardiac and neurological applications. Elsevier 2005

8.Sanei S., Chambers JA, EEG Signal Processing, Wiley, 2007

Studijní materiály

http:

www.skolicka.fbmi.cvut.cz

Lekce 3 - Číslicová filtrace

Lekce 5 - Spektrální analýza

Lekce 6 - Statistické metody strojového učení

Lekce 7 - Neuronové sítě

Lekce 8 - Zobrazení výsledků spektrální analýzy, CSA, BM

Lekce 9 - 3D vizualizace a analýza EEG, LORETA, kordance

Lekce 10 - Data mining v EEG (PCA, ICA)

Lekce 11 - Dlouhodobé monitorování EEG signálu

Lekce 12 - Genetické algoritmy

Poznámka:
Další informace:
http://www.skolicka.fbmi.cvut.cz/
Pro tento předmět se rozvrh nepřipravuje
Předmět je součástí následujících studijních plánů:
Platnost dat k 19. 9. 2019
Aktualizace výše uvedených informací naleznete na adrese http://bilakniha.cvut.cz/cs/predmet2207406.html