Simulace biologických systémů

Garant předmětu:

Přednášející:

Cvičící:

Předmět zajišťuje:

ústav přístrojové a řídící techniky

Anotace:

Předmět představuje dva přírodní přístupy k modelování biologických systémů, tj. analytické a na bázi počítačové inteligence (adaptivní přístupy). K prvnímu případu patří příklady analytického přístupu, jako jsou modely růstu a rozpadu populací, modely růstu mikroorganizmů, epidemiologické modely, modely neuronu, Mackey-Glassův model a matematický přístup k modelu variability srdeční frekvence. Studenti se seznámí s příklady deterministického chaosu, kvaziperiodického chování, nebo synchronizací (bio)systémů. K druhému okruhu, počítačové inteligenci, patří přístupy založené na modelování, predikci a možné diagnostice na základě naměřených biosignálů (pohyb plic, EKG). V dalším jsou jednoduše vysvětleny a prokázány základní adaptivní modely, jako například supervizorované neuronové sítě. Pojem nejistoty v reálných systémech a modelovacích nástrojích. (SW: Matlab nebo Python, Excel).

Požadavky:

Attending students should have accomplished basic course of mathematics on differential equations.

The conditions of credit for the class will be 100% attending labs (or compensated by additional assignment) and accomplishing two term projects or a single extensive project, and at least one (15-20 mins) presentation on a selected topic.

Osnova přednášek:

1-2.Introduction. The difference between the concepts of modeling technical and biological systems. Historical background- theory of catastrophes; Zeemans catastrophic machine.

3-4.Properties of nonlinear models of dynamic systems; periodic, quaziperiodic, and chaotic behavior of systems; deterministic chaos. Synchronization phenomenon of coupled biological systems.

5-6.Design principles of basic models of biological systems and their properties: population models, models of simple chemical reactions, cell regulation models, epidemiological model.

7-8.Design of dynamical model from measured data recordings (state-space reconstruction). Optimization of parameters of deterministic models: mathematical analysis, adaptation, genetic algorithms,...

9-10.Conventional and nonconventional models of a biological neuron. Possible utilization of artificial neural networks for modeling; advantages and disadvantages. Artificial neural network as predictor of heart beat rhythm.

11-12.Approaches to the design of biological models featuring uncertainty; uncertainty in biological systems. Fuzzy model of the effect of combination of anesthetics with uncertainty in measured data.

13-14.The model of the fast control influences of autonomous neural system affecting the heart-rate variability; monitoring of the dynamics of cardiovascular system.

Osnova cvičení:

1-2 Useful programming techniques, worksheet calculators, introduction to Matlab,Maple, Simulink, efficency of matrix and vector operations in Matlab.

3-4 Simulation of simple catastrophic models. Simulation of bifurcations in models of beetle population. Simulation of continuous chaotic model (MS Excel, demonstration of program Maple).

3Determining parameters for state space reconstruction (False Neighbors Method, Mutual Information). Automated design of an artificial neural network model predicting heart-beat rhythm; designing a model from measured data (R-R recordings) (MS Excel, Dataplore, Matlab/Simulink).

4 Simulation of monitoring the actual changes in the dynamics of cardiovascular system with higher-order nonlinear neural units (HONNU) (Matlab/Simulink)

5Automated design of adaptive neuro-fuzzy model of combined anesthetics effects with uncertainty in measured data (MS Excel, Matlab/Simulink ANFIS).

6The model of the fast control influences of autonomous neural system affecting the heart-rate variability (Matlab/Simulink).

Cíle studia:

Studijní materiály:

(SW: Matlab, MS Excel)

Poznámka:

souběh s anglickou výukou

Další informace:

Pro tento předmět se rozvrh nepřipravuje

Předmět je součástí následujících studijních plánů: