Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2021/2022

Číslicové zpracování jednorozměrných biosignálů

Přihlášení do KOSu pro zápis předmětu Zobrazit rozvrh
Kód Zakončení Kredity Rozsah Jazyk výuky
F7DIZJB ZK 20P+8C česky
Přednášející:
Václava Piorecká, Vladimír Krajča (gar.)
Cvičící:
Václava Piorecká, Vladimír Krajča (gar.), Jan Hejda, Marek Piorecký, Jan Štrobl
Předmět zajišťuje:
katedra biomedicínské techniky
Anotace:

Cílem předmětu je seznámit studenty s problematikou zpracování především jednorozměrných biosignálů.

Požadavky:

Standardně probíhá výuka kontaktní formou a předmět je zakončen ústní zkouškou, které předchází písemná příprava. V případě, že počet studentů je menší než 5, může výuka probíhat v podobě řízeného samostudia s pravidelnými konzultacemi. Dále je požadováno vypracování písemné studie studentem na zadané téma z oboru. Podmínkou pro připuštění ke zkoušce je absolvování dvou laboratorních cvičení (doloženo protokolem podepsaným studentem, vedoucím cvičení a garantem předmětu). Protokoly budou archivovány v referátu pro doktorské studium.

Osnova přednášek:

Osnova přednášek:

1.On-line a offline zpracování signálů. Brain computer interface. Charakteristiky biologických signálů.

2.Sběr a předzpracování biologických dat. Diskretizace - základní řetězec převodu do počítače. Aliasing.

3.Spektrální analýza: Periodogram, AR model. Parametrické a neparametrické metody. Praktické problémy odhadu spektra. Křížové spektrum, koherence a fáze. FFT. Metoda zhuštěných spektrálních kulis (CSA).

4.Waveletová analýza, komplexní wavelety. Hilbertova transformace.

5.Segmentace biologických signálů. Nestacionarita biosignálů. Multikanálová on-line adaptivní segmentace. Automatická detekce epileptických grafoelementů. Automatický detektor hrotů na základě mediánové filtrace.

6.Topografické mapování elektrofyziologické aktivity. Princip brain mappingu. Interpolace. Dynamické mapování.

7.Metody automatické klasifikace. Shluková analýza. K-means algoritmus. Fuzzy množiny.

8.Umělá inteligence pro zpracování biologických signálů. Neuronové sítě. Hebbovské učení.

9.Redukce dimenze. Multikanálové signály - komprese a rekonstrukce. PCA, ICA (Independent component analysis).

10.EKG signál – vlastnosti, filtrace, redukce dat, extrakce příznaků. Spirometrie – vlastnosti a základní algoritmy.

Osnova cvičení:

Témata cvičení:

1.Filtrace, segmentace a klasifikace EEG.

2.Detekce isolinie, segmentace a extrakce příznaků v EKG.

Cíle studia:

Cílem předmětu je seznámit studenty s problematikou zpracování především jednorozměrných biosignálů.

Studijní materiály:

Povinná:

[1] Mohylová, J., Krajča, V.: Zpracování biologických signálů. Ediční středisko VŠB – TUO, Ostrava 2006. ISBN: 978-8024814919.

[2] Proakis, J. G., Manolakis, D. G.: Digital signal processing. 4th ed. Harlow: Pearson Education Limited, 2014. ISBN: 978-1292025735.

[3] Cohen, Mike X. Analyzing neural time series data: theory and practice. 2014. ISBN 0262019876.

Doporučená:

[1] Sornmo, L., Laguna, P.: Bioelectrical Signal Processing in Cardiac and Neurological Applications, ed. 1st, Elsevier Academic Press, 2005, ISBN 0-12-437552-9.

[2] Ingle, V. K., Proakis, J. G.: Digital Signal Processing Using MATLAB. 3rd ed. Cengage Learning, 2011. ISBN: 978-1111427375.

[3] Blinowska, K. J., Zygierewicz, J.: Practical Biomedical Signal Analysis Using MATLAB®. CRC Press, 2011, ISBN 978-1439812037.

Poznámka:

Modul G

Rozvrh na zimní semestr 2021/2022:
Rozvrh není připraven
Rozvrh na letní semestr 2021/2022:
Rozvrh není připraven
Předmět je součástí následujících studijních plánů:
Platnost dat k 18. 8. 2022
Aktualizace výše uvedených informací naleznete na adrese http://bilakniha.cvut.cz/cs/predmet5869606.html