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

Pokročilé metody analýzy a zpracování dat

Přihlášení do KOSu pro zápis předmětu Zobrazit rozvrh
Kód Zakončení Kredity Rozsah Jazyk výuky
F7AMBPMZD KZ 3 1P+1C anglicky
Přednášející:
Václava Piorecká (gar.), Vladimír Krajča
Cvičící:
Václava Piorecká (gar.), Hana Děcká, Marek Piorecký, Jan Štrobl
Předmět zajišťuje:
katedra biomedicínské techniky
Anotace:

Předmět se zabývá následujícími tématy - způsoby vzniku, snímání a základní parametry biosignálů nutné pro diagnostiku, metody a algoritmy zpracování a vyhodnocování nejdůležitějších biologických (zejména elektro-fyziologických) 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 účast na cvičeních. Povolená ja 1 absence bez udání důvodu, další absence je nutné doložit. V průběhu semestru se budou plnit bodované úlohy, ze kterých bude možné získat celkem 45 bodů. Na konci semestru se píše zápočtový test o hodnotě 55b. Body z úloh a testu se sčítají a hodnocení odpovídá stupnici ECTS.

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. 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.

5. 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.

6. 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, načtení EEG signálu

2. Formáty a struktura dat EEG přístrojů, zobrazení a manipulace s polygrafickými signály

3. Spektrální analýza a syntéza. Digitální filtrace signálu

4. Zobrazení výsledků spektrální analýzy, metoda CSA

5. Amplitudový a frekvenční Brain Mapping

6. Učící se klasifikátory, simulovaná data

Cíle studia:

Porozumět a aplikovat moderní metody zpracování neurofyziologických biosignálů

Studijní materiály:

Povinná literatura:

1. SÖRNMO, Leif a Pablo LAGUNA. Bioelectrical signal processing in cardiac and neurological applications. Amsterdam: Elsevier Academic Press, ©2005. xiii, 668 s. ISBN 0-12-437552-9

2. SANEI, Saeid a Jonathon A. CHAMBERS. EEG signal processing. Chichester: Wiley, ©2007. xxii, 289 s. ISBN 978-0-470-02581-9

3. COHEN, Mike X. Analyzing neural time series data: theory and practice. Cambridge, Massachusetts: MIT, ©2014. xv, 578 s. Issues in clinical and cognitive neuropsychology. ISBN 978-0-262-01987-3

Doporučená literatura:

4. MALMIVUO, Jaakko. a Robert PLONSEY. Bioelectromagnetism: principles and applications of bioelectric and biomagnetic fields. New York: Oxford University Press, 1995. xxii, 482 s., příl. ISBN 0-19-505823-2

5. PRINCIPE, José C., Neil R. EULIANO a W. Curt LEFEBVRE. Neural and adaptive systems: fundamentals through simulations. New York: Wiley, c2000. ISBN 0-471-35167-9.

6. HAYKIN, Simon S. Neural networks and learning machines. 3rd ed. New York: Pearson, c2009. ISBN 978-0-13-147139-9.

Poznámka:
Rozvrh na zimní semestr 2021/2022:
06:00–08:0008:00–10:0010:00–12:0012:00–14:0014:00–16:0016:00–18:0018:00–20:0020:00–22:0022:00–24:00
Po
Út
místnost KL:C-2
Krajča V.
Piorecká V.

14:00–15:50
LICHÝ TÝDEN

(přednášková par. 1)
Kladno FBMI
C2, salonek
St
místnost KL:B-534
Piorecký M.
Štrobl J.

18:00–19:50
LICHÝ TÝDEN

(přednášková par. 1
paralelka 1)

Kladno FBMI
Lab. soft. inž. a IT bezpečno.
místnost KL:B-534
Schaabová H.
18:00–19:50
LICHÝ TÝDEN

(přednášková par. 1
paralelka 2)

Kladno FBMI
Lab. soft. inž. a IT bezpečno.
Čt

Rozvrh na letní semestr 2021/2022:
Rozvrh není připraven
Předmět je součástí následujících studijních plánů:
Platnost dat k 15. 8. 2022
Aktualizace výše uvedených informací naleznete na adrese http://bilakniha.cvut.cz/cs/predmet6187306.html