UFPF533 Metody zpracování biosignálů

Filozoficko-přírodovědecká fakulta v Opavě
léto 2015
Rozsah
2/2/0. 6 kr. Ukončení: zk.
Vyučující
doc. RNDr. Stanislav Hledík, Ph.D. (přednášející)
doc. RNDr. Stanislav Hledík, Ph.D. (cvičící)
Garance
doc. RNDr. Stanislav Hledík, Ph.D.
Centrum interdisciplinárních studií – Filozoficko-přírodovědecká fakulta v Opavě
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Cílem předmětu Metody zpracování biosignálů je seznámit studenty se základními biologickými signály, jejich specifiky, zpracováním a analýzou a způsoby zobrazení zpracovaných výsledků. Pro analýzu reálných EEG a EKG dat se bude využívat prostředí Mathematica.
Osnova
  • * Zdroje, specifika, obecné principy a diagnostické využití zpracování biosignálů. Přehled metod a algoritmů zpracování signálů. EEG, EMG, ECG, EOG. Zpracování v reálném čase a offline, statistické charakteristiky, stochastické procesy, analýza časových řad, nestacionarita.
    * Akvizice a předzpracování biologických dat. Digitalizace, vzorkování a kvantizace, aliasing. Filtrace. Trendy.
    * Spektrální analýza. Základní metody. Periodogram, autoregresní model. Parametrické a neparametrické metody. Odhad spektra, křížové spektrum, koherence, fáze. Rychlá Fourierova transformace (FFT), její význam a aplikace. Zobrazování pomocí zhuštěných spektrálních kulis (CSA). EEG - interhemisferická a lokální koherence. Topografické mapování elektrofyziologické aktivity. Brain mapping. Amplitudové a frekvenční mapování. Použití v klinické diagnostice. Dynamické mapování.
    * Adaptivní segmentace. Motivace. Nestacionarita biosignálů. Základní metody. Multikanálová on-line adaptivní segmentace. Extrakce příznaků.
    * Metody automatické klasifikace. Učení bez učitele, metriky, normalizace dat. Shluková analýza, K-means algoritmus. Fuzzy množiny. Optimalizace počtu tříd. Neuronové sítě. Hebbovské učení. Multikanálové signály. Samoorganizující metoda hlavních komponent. Učící se klasifikátory. Supervizované vs. nesupervizované učení. On-line klasifikace. k-NN klasifikátor (klasický, fuzzy). Srovnání s neuronovými sítěmi.
    * Automatická detekce epileptických grafoelementů. Automatický detektor hrotů, aritmetický detektor, kombinovaný detektor. Metoda hlavních komponent a klasické filtrace pro detekci. EKG signál, digitální zpracování, vlastnosti. Kritéria digitalizace EKG, frekvenční analýza, filtrace, adaptivní filtrace. Redukce dat, holterovské techniky identifikace.
Literatura
    doporučená literatura
  • Lyons R.G. Understanding Digital Signal Processing. Prentice Hall; 3 edition, 2010. ISBN 978-0137027415. info
  • Oppenheim A.V., Schafer R.W. Discrete-Time Signal Processing. Prentice Hall; 3 edition, 2009. ISBN 978-0131988422. info
Informace učitele
Účast na přednáškách je doporučená. Může být nahrazena samostudiem
doporučené literatury a individuálními konzultacemi. Účast na cvičeních je povinná (min. 80%).
Další komentáře
Předmět je dovoleno ukončit i mimo zkouškové období.
Předmět je zařazen také v obdobích léto 2016.