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
F7PMBPMZD KZ 3 1P+1C česky
Přednášející:
Václava Piorecká (gar.)
Cvičící:
Václava Piorecká (gar.), 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, genetické algoritmy a simulované žíhání.

Požadavky:

Povinná je aktivní účast na cvičeních. Povolená je 1 absence bez udání důvodu, další absence je nutné doložit. V průběhu semestru se budou plnit tři bodované úlohy, ze kterých bude možné získat celkem 45 bodů (maximálně 15 bodů za každou úlohu).

Na konci semestru se píše zápočtový test, ze kterého je možné získat maximálně 55 bodů. Test bude tvořen teoretickou a praktickou částí.

Body z úloh a testu se sčítají a výsledné hodnocení odpovídá stupnici ECTS.

Osnova přednášek:

Osnova přednášek:

1. Metody segmentace dat a analýza příznakového prostoru - 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.

2. Topografické mapování a inverzní úloha lokalizace zdrojů - 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.

3. Metody získávání skryté informace a redukce dimenze -

4. Základní metody umělé inteligence (shlukovací algoritmy) - Metriky. Normalizace dat. K-means algoritmus. Ukázky klasifikace na simulovaných datech, klasifikace EEG dat. Použití fuzzy množin pro zvýšení homogenity tříd. Optimální počet tříd. Limity a omezení shlukové analýzy.

5. Hustotní metody umělé inteligence - DBSCAN, DENCLUE.

6. Neuronové sítě - Základní principy designu neuronových sítí. Parametry sítí. Typy sítí. Metody optimalizace parametrů neuronových sítí.

7. Pokročilé metody analýzy dat - Waveletova transformace, Morletova transformace, Kalmanova filtrace.

Osnova cvičení:

Osnova cvičení:

1. Metody segmentace dat a analýza příznakového prostoru

2. Topografické mapování a inverzní úloha lokalizace zdrojů

3. Metody získávání skryté informace a redukce dimenze

4. Základní metody umělé inteligence (shlukovací algoritmy)

5. Hustotní metody umělé inteligence

6. Neuronové sítě

7. Pokročilé metody analýzy dat

Cíle studia:
Studijní materiály:

Povinná literatura:

P1. KRAJČA, Vladimír. Číslicové zpracování neurofyziologických signálů. 1. vyd. V Praze: ČVUT, 2011. 168 s. ISBN 978-80-01-04721-7.

P2. 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

P3. HAYKIN, Simon S. Neural networks and learning machines. 3rd ed. New York: Pearson, c2009. ISBN 978-0-13-147139-9.

Doporučená literatura:

1. SMITH, Steven W. Digital signal processing: a practical guide for engineers and scientists. Amsterdam: Newnes, ©2003. xiv, 650 s. ISBN 0-7506-7444-X.

2. 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

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

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. LYONS, Richard G. Understanding digital signal processing. 3rd ed. Upper Saddle River: Prentice Hall, 2011. xxiii, 954 s. ISBN 978-0-13-702741-5.

Poznámka:
Rozvrh na zimní semestr 2021/2022:
Rozvrh není připraven
Rozvrh na letní 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
St
místnost KL:B-730
Piorecký M.
Štrobl J.

14:00–15:50
(přednášková par. 1
paralelka 1)

Kladno FBMI
Počítačová učebna
místnost KL:B-730
Piorecká V.
Schaabová H.

14:00–15:50
(přednášková par. 1
paralelka 2)

Kladno FBMI
Počítačová učebna
Čt
místnost KL:B-230
Piorecká V.
Krajča V.

08:00–09:50
(přednášková par. 1)
Kladno FBMI
Učebna

Předmět je součástí následujících studijních plánů:
Platnost dat k 8. 8. 2022
Aktualizace výše uvedených informací naleznete na adrese http://bilakniha.cvut.cz/cs/predmet6240706.html