• Edizioni di altri A.A.:
  • 2022/2023
  • 2023/2024

  • Lingua Insegnamento:
    Italiano 
  • Testi di riferimento:
    Practical Guide for Biomedical Signals Analysis Using Machine Learning Techniques: A MATLAB® Based Approach. Abdulhamit Subasi. Elsevier Academic Press

    R.M. Rangayyan, Biomedical signal analysis, IEEE Press, 2002;

    Dispense e materiali fornite dal docente 
  • Obiettivi formativi:
    Lo studente maturerà la capacità di analizzare le caratteristiche di un segnale biomedico in relazione all'utilizzo clinico/scientifico. In particolare, lo studente sarà in grado di scegliere il migliore approccio metodologico per l'analisi di una vasta gamma di segnali biomedici, sviluppando la capacità critica di individuare ed applicare, tra tutte le metodiche che costituiscono il corpo dell'insegnamento, quella che risulti di volta in volta la più appropriata secondo la tipologia di segnale in analisi e secondo lo scopo dell'analisi stessa. 
  • Prerequisiti:
    Conoscenza elementi di fisiologia e fisica. Elementi di analisi dei segnali. 
  • Metodi didattici:
    Il programma sarà sviluppato mediante lezioni frontali ed esercitazioni. 
  • Modalità di verifica dell'apprendimento:
    Il livello di apprendimento degli studenti verrà definito attraverso la valutazione: i) di una prova scritta strutturata (quiz a risposta multipla, domande a risposta aperta, problemi) ii) di una prova orale, obbligatoria, consistente in 3 domande teoriche, a cui si può accedere solo se nella prova scritta si è preso almeno 16/30; iii) di un progetto (facoltativo) finalizzato alla risoluzione di un problema su dati reali, assegnato dal docente. La prova orale obbligatoria deve essere sostenuta nello stesso appello della prova scritta. 
  • Sostenibilità:
    Il corso utilizzerà materiali digitali, con l'adozione di libri di testo e dispense disponibili in formato digitale 
  • Altre Informazioni:
    Tutte le tecniche presentate nel corso dell'insegnamento vedranno un'applicazione pratica a segnali biologici reali. A tale scopo, verranno presentate le caratteristiche dei seguenti segnali biomedici:
    - ECG;
    - EEG;
    - EMG;
    - EGG;
    - fNIRS;
    - PPG.
    Per ogni tipologia di segnale verranno evidenziati i presupposti fisiologici e verranno introdotte le tecniche di elaborazione normalmente impiegate in clinica o nell'ambito di ricerca.

    RICEVIMENTO: Il docente riceve gli studenti il Martedi, dalle 09 alle 11, o previo appuntamento via email: arcangelo.merla@unich.it 

1. Tecniche per l'acquisizione di segnali biomedici

2. Tipologie di segnali biomedici

3. Tecniche di elaborazione dei segnali biomedici

4. Riduzione di dimensionalità dei segnali

5. Metodi di classificazione

1. INTRODUZIONE e BACKGROUND
Tecniche per l'acquisizione di segnali biomedici
1.1 Elettroencefalografia
1.2 Elettromiografia
1.3 Elettrocardiografia
1.4 Fonocardiografia
1.5 Fotopletismografia
1.6 Altri segnali biomedici
1.7 Metodi di apprendimento automatico


2. SEGNALI BIOMEDICI
2.1. L'elettroencefalogramma (EEG)
2.2. L'elettromiogramma (EMG)
2.3. L'elettrocardiogramma (ECG)
2.4. Il fonocardiogramma (PCG)
2.5. Il fotopletismogramma (PPG)

3. TECNICHE DI ELABORAZIONE DEI SEGNALI BIOMEDICI
3.1 Introduzione all'analisi spettrale
3.2 La trasformata di Fourier
3.3 Metodi basati su modelli parametrici
3.4 Metodi di analisi tempo-frequenza

4. RIDUZIONE DI DIMENSIONE
4.1 Algoritmi di riduzione dimensionale
4.2 Analisi delle componenti principali
4.3 Analisi delle componenti indipendenti
4.4 Altre tecniche
4.5 Riferimenti

5. METODI DI CLASSIFICAZIONE
5.1 Regressione lineare
5.2 K-Nearest Neighborhood
5.3 Artificial Neural Networks
5.4 Support Vector Machines
5.5 Decision Tree Classifiers
5.6 Deep Learning

Avvisi

Nessun avviso in evidenza

Documenti

Nessun documento in evidenza

Scopri cosa vuol dire essere dell'Ud'A

SEDE DI CHIETI
Via dei Vestini,31
Centralino 0871.3551

SEDE DI PESCARA
Viale Pindaro,42
Centralino 085.45371

email: info@unich.it
PEC: ateneo@pec.unich.it
Partita IVA 01335970693

icona Facebook   icona Twitter

icona Youtube   icona Instagram