35371 - ELABORAZIONE DI DATI E SEGNALI BIOMEDICI M

Anno Accademico 2018/2019

  • Docente: Lorenzo Chiari
  • Crediti formativi: 6
  • SSD: ING-INF/06
  • Lingua di insegnamento: Italiano
  • Moduli: Lorenzo Chiari (Modulo 1) Luca Palmerini (Modulo 2)
  • Modalità didattica: Convenzionale - Lezioni in presenza (Modulo 1) Convenzionale - Lezioni in presenza (Modulo 2)
  • Campus: Bologna
  • Corso: Laurea Magistrale in Ingegneria elettronica (cod. 0934)

Conoscenze e abilità da conseguire

Fornire allo Studente gli strumenti conoscitivi e metodologici per estrarre l'informazione utile da un segnale biomedico, interpretare i risultati e convalidare i descrittori ottenuti alla luce di elementi di conoscenza del sistema biologico coinvolto, produrre innovazione nell'ambito del miglioramento delle conoscenze fisiologiche, della produzione di nuove apparecchiature mediche "intelligenti", e della definizione di nuovi protocolli clinici di prevenzione, diagnosi e cura.

Contenuti

1.Introduzione alla Teoria dei Segnali e Tecniche di Analisi nel Dominio del Tempo
Classificazione dei segnali. Segnali, dati ed informazione. Algoritmi per la detezione di eventi ed il riconoscimento di forme d'onda. Tecniche di confronto con un template. Filtri matched.

2.Tecniche di Analisi nel Dominio della Frequenza: Analisi Spettrale
Tecniche non-parametriche classiche (metodi diretti ed indiretti). Il metodo di Welch. Tecniche parametriche (modelli autoregressivi). L'algoritmo di Yule-Walker. Esempi di analisi spettrale per segnali biomedici rappresentativi (ECG, EEG, HRV).

3.Tecniche di Analisi nei Domini Tempo-Frequenza e Tempo-Scala
Le trasformazioni tempo-frequenza lineari e quadratiche. La short-time-Fourier-transform e lo spettrogramma. L'analisi multirisoluzione. La trasformata Wavelet continua (CWT) e discreta (DWT). L'implementazione della DWT con filtri in quadratura. La trasformata di Hilbert-Huang. Esempi di applicazione ai segnali biomedici.

4.Strumenti Statistici per l'Ausilio alla Decisione Clinica
Elementi di teoria delle probabilità. Il teorema di Bayes. Il processo diagnostico e l'Evidence-Based Medicine. Valutazione della bontà di un test. Statistica campionaria e test delle ipotesi. Sintesi e descrizione dei dati. Test delle ipotesi. Analisi della Varianza. Introduzione all'analisi statistica multivariata. Analisi delle Componenti Principali. Il classificatore lineare bayesiano. Introduzione alle tecniche di data mining.

5.Rassegna dei Principali Segnali Biomedici
I principali segnali elettrofisiologici, emodinamici e biomeccanici.  Proprietà e genesi di alcuni segnali notevoli: potenziale d'azione, segnali neurali, ECG, EMG, EEG, potenziali evocati. Segnali spontanei ed indotti. Razionale per il trattamento dei segnali biomedici. Analisi di alcuni segnali biomedici in ambiente Matlab. 

Testi/Bibliografia

-Materiale didattico fornito dal docente

- A.V. Oppenheim, R.W. Schafer, "Discrete-time Signal Processing (2nd ed.)", Prentice Hall, 1999
- R.M. Rangayyan, "Biomedical Signal Processing - A Case-Study Approach", Wiley Interscience, 2002
- K.J. Blinowska, J. Zygierewicz, "Practical Biomedical Signal Analysis Using MATLAB®", CRC Press (NB: risorsa accessibile solo da macchine UNIBO)

Metodi didattici

Il programma del corso è svolto in aula attraverso un ciclo di lezioni frontali. Il corso è integrato da un ciclo di esercitazioni al calcolatore ed esperienze di laboratorio finalizzate alla familiarizzazione con i principali metodi per l'analisi di dati e segnali biomedici disponibili in ambiente Matlab. Il corso prevede l'applicazione, attraverso un'attività progettuale condotta in piccoli gruppi, dei contenuti teorici appresi a lezione ad alcuni problemi notevoli per l'analisi dei segnali biomedici. Sono previsti seminari in cui approfondire alcune specifiche applicazioni dell'analisi dei segnali nel campo dei segnali biomedici.

Modalità di verifica e valutazione dell'apprendimento

Esame finale orale preceduto da una presentazione del progetto assegnato ai gruppi ad inizio corso. Il voto finale sarà la media delle due valutazioni espresse in 30esimi.

Strumenti a supporto della didattica

Slide PPT, videoproiettore, PC con Matlab ed i suoi toolbox per l'analisi numerica dei segnali e l'analisi statistica, strumentazione biomedica rappresentativa (ECG, EMG, EEG, sensori di movimento indossabili), database di segnali biomedici ad accesso libero (es. Physionet).

Orario di ricevimento

Consulta il sito web di Lorenzo Chiari

Consulta il sito web di Luca Palmerini

SDGs

Salute e benessere Istruzione di qualità

L'insegnamento contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.