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

Analýza zpracování biomedicínských dat

Předmět není vypsán Nerozvrhuje se
Kód Zakončení Kredity Rozsah Jazyk výuky
F7ABBAZD KZ 2 1P+1C anglicky
Garant předmětu:
Jan Kauler
Přednášející:
Jan Kauler
Cvičící:
Lucie Horáková, Jan Kauler
Předmět zajišťuje:
katedra biomedicínské informatiky
Anotace:

Analýza časových řad, trendy, vzájemná závislost, stacionarita. Korelační a kovarianční funkce. Odhady autokorelační funkce. Vliv odstranění trendu na autokorelační strukturu. Periodogram - vztah korelogramu a periodogramu. Frekvenční spektrum, frekvenční spektrum náhodných signálů. Lineární frekvenční filtr. ARMA, MA, AR proces. Spektrální analýza. FFT, neparametrické metody odhadu spektra. Klady a zápory spektrální analýzy. Opakovaná měření a jejich analýza. Identifikace parametrů AR a ARMA modelu. Predikce. Bivariační analýza časových řad - křížová korelace a kovariance, jejich odhady. Bispektrum.

Požadavky:

Student může získat 50 bodů řešením úloh (2 kontrolní úlohy á 25 bodů v průběhu semestru na cvičeních) a 50 bodů z testu na konci semestru z přednášené látky.

Osnova přednášek:

1. Úvod do terminologie časových řad.

2. Odhad modelu časových řad (AR, MA, ARMA).

3. Stochastická identifikace modelu.

4. Cannyho hranový detector a použití masek při zpracování obrazových dat.

5. Fuzzy-logický systém jako univerzální funkční aproximátor.

6. Neuronová síť jako univerzální funkční aproximátor.

7. Závěrečný test.

Osnova cvičení:

1. Filtrace časových řad (MA), dekompozice časové řady.

2. Box-Jenkinsonova metodologie.

3. Kontrolní úloha (25 bodů), interpolace a zpracování KTG časové řady.

4. Klasifikační úloha kosatců.

5. Shluková analýza.

6. Implementace fuzzy aproximátoru.

7. Kontrolní úloha (25 bodů).

Cíle studia:

Seznámit studenty se základními metodami se základními metodami statistického zpracování časových řad, typicky se vyskytujících v biologii a medicíně.

Studijní materiály:

[1] Kotek Z., Mařík V., Hlaváč V., Psutka J., Zdráhal Z.: Metody rozpoznávání a jejich aplikace, Academia Praha 1993, ISBN 80-200-0297-9

[2] Mařík V., Štěpánková O., Lažanský J. a kol.: Umělá inteligence, díly 1 až 4, Academia Praha 1993 až 2004, ISBN 80-200-0502-1 (soubor)

[3] Jiřina M.: Neuronové sítě a jejich využití v biomedicínském inženýrství, habilitační práce, ČVUT FBMI, Katedra biomedicínské informatiky, Kladno, 2005

[4] Meloun M., Militký J. : Statistická analýza experimentálních dat, Academia, Praha, 2004.

[5] Meloun M., Militký J., Hill M.: Počítačová analýza vícerozměrných dat v příkladech, Academia, Praha, 2005.

[6] Hebák P., Hustopecký J. a kol.: Vícerozměrné statistické metody, díl 1-3, Informatorium, Praha, 2006

[7] Diggle P.J. Time Series. A Biostatistical Introduction. Clarendon Press. Oxford 1996

[8] Weiss S.M., Indurkhya N. Predictive Data Mining

Poznámka:
Další informace:
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/predmet6175106.html