Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2023/2024
UPOZORNĚNÍ: Jsou dostupné studijní plány pro následující akademický rok.

Biologické signály

Předmět není vypsán Nerozvrhuje se
Kód Zakončení Kredity Rozsah Jazyk výuky
17ABBBLS Z,ZK 4 2P+2C anglicky

Předmět 17ABBBLS lze klasifikovat až po úspěšné klasifikaci předmětu 17ABBUSS

Úspěšná klasifikace předmětu 17ABBBLS je podmínkou pro následnou klasifikaci předmětu 17ABBLPZ1

Úspěšná klasifikace předmětu 17ABBBLS je podmínkou pro následnou klasifikaci předmětu 17ABBLPZ2

Úspěšná klasifikace předmětu 17ABBBLS je podmínkou pro následnou klasifikaci předmětu 17ABBEMP

Garant předmětu:
Přednášející:
Cvičící:
Předmět zajišťuje:
katedra biomedicínské techniky
Anotace:

Vlastnosti biologických signálů. Způsoby vzniku, snímání a základní parametry biosignálů nutné pro diagnostiku. Signály srdce, mozku, svalů, nervového systému. 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. Neuronové sítě. Praktické aplikace zpracování biosignálů.

Požadavky:

Zápočet:

Podmínky k udělení zápočtu

A. Účast na cvičení, max. 1 omluvena neúčast

B. Odevzdané vypracované protokoly z měření

C. Prezentace na vybrané téma (5-10min, PowerPoint)

D. Úspěšné zvládnutí testu na konci semestru obsahující otázky z praktických měření

Zkouška:

1. Bez získání zápočtu a zápisu zápočtu do KOSu není možné realizovat zkoušku.

2. Zkouška je tvořena písemným testem, kde je kombinována varianta odpovědí typu ABCD - 1 bod a varianta, kdy je třeba odpovídat písemně - 5 bodů (velmi důležité otázky), max. 70 bodů, požadováno min. 35 bodů - 50 %.

Celkové hodnocení z předmětu - 100 bodů je rozděleno mezi jednotlivé části následovně:

A. maximálně 30 % za získaný zápočet

B. maximálně 70 % za úspěšně absolvovaný test/zkoušku.

C. Bonus za úspěšné vyřešení nepovinných úloh - 10 bodů/úloha = max. 40 bodů.

Minimum je 50 % z celkového počtu bodů. Přičemž student musí získat minimálně 15 bodů za zápočet a minimálně 35 bodů za test/zkoušku.

Celkové hodnocení (zápočet + zkouškový test) - viz klasifikační stupnice ECTS dle studijního řádu ČVUT.

Osnova přednášek:

1. Úvod do zpracování biosignálů. Motivace. Charakteristika základních biosignálů EEG, EKG, EOG, EMG. Spontánní EEG aktivita. Spánková polygrafie (polysomnografie). Artefakty. Původ, zdroje, diagnostické využití.

2. Statistické charakteristiky biosignálů. Pravděpodobnostní rozložení. Stochastické procesy, analýza časových řad. Nestacionarita EEG. Frekvenční rozsah a pásma. Uživatelský interface. Formáty dat.

3. Sběr a předzpracování biologických dat. Základní řetězec převodu do počítače. A/D převodníky, problémy vzorkování a kvantizace signálu. Nyquistův teorém. Chyby při převodu. Úprava signálu. Aliasing. Filtrace. Trendy.

4. EKG, způsob měření a základní charakteristiky signálu. EOG, způsob měření a základní charakteristiky signálu.

5. EMG, způsob měření a základní charakteristiky signálu. Multimodální monitoring.

6. Evokované potenciály, VEP, AEP, SEP, BAEP, MEP.

7. Spektrální analýza biosignálů I. - Základní metody. Parametrické a neparametrické metody. Periodogram, AR model. Praktické problémy odhadu spektra. Křížové spektrum, koherence a fáze. Spektrální analýza a syntéza signálů pomocí FFT. Filtrace, odstraňování šumu.

8. Spektrální analýza biosignálů II. - Aplikace. Metoda zhuštěných spektrálních kulis (CSA). Inter-hemisferická a lokální koherence.

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

10. Metody automatické klasifikace I. Učení bez učitele. Základní algoritmy shlukové analýzy. K-means algoritmus. Optimální počet tříd. Limity a omezení shlukové analýzy. Fuzzy shluková analýza.

11. Hustotně zaměřené metody klasifikace. Metody učení s učitelem. K-NN klasifikace. Fuzzy k-NN. Praktické ukázky klasifikačních metod u biologických signálů.

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

13. Topografické mapování elektrofyziologické aktivity. Vizualizace. Princip brain mappingu. Amplitudové a frekvenční mapování.

14. Metriky. Normalizace dat. Statistické zpracování dat.

Osnova cvičení:

1.Artefakty při snímání biosignálů. Měření elektrických vlastností snímacích elektrod.

2.Měření na EKG přístroji.

3.Měření na EMG přístroji.

4.Měření na EEG přístroji.

5.Měření RAŠ.

6.Snímání evokovaných EEG potenciálů.

7.Audiometrická měření.

Cíle studia:

Cílem předmětu je seznámit studenty se základními pojmy z oboru zpracování biomedicínských dat, s pokročilými moderními metodami analýzy biologických signálů v časové i kmitočtové oblasti, se zásadami snímání biosignálů pro zachování jejich diagnostických vlastností a s jejich zobrazením pro lékařské účely. Student bude schopen využít těchto znalostí pro řešení inženýrských problémů v oblasti zpracování biologických signálů.

Studijní materiály:

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

[2] Biologicke Signaly: e-learning na www.skolicka.fbmi.cvut.cz, heslo signaly

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

[4] Mohylová,J., Krajča, V.: Zpracování biosignálů. Skriptum VŠB TUO, 2007.

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

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

[7] Svatoš J., Biologické signály I. Geneze, zpracování a analýza. Skriptum ČVUT FEL,1995

[8] MIKE X. COHEN. Analyzing neural time series data: theory and practice. 2014. ISBN 0262019876.

[9] http://mikexcohen.com/lectures.html

Poznámka:
Další informace:
www.skolicka.fbmi.cvut.cz
Pro tento předmět se rozvrh nepřipravuje
Předmět je součástí následujících studijních plánů:
Platnost dat k 27. 3. 2024
Aktualizace výše uvedených informací naleznete na adrese https://bilakniha.cvut.cz/cs/predmet2173906.html