Servizi per la didattica
PORTALE DELLA DIDATTICA

Elaborazione di segnali biomedici

04GDEMV

A.A. 2022/23

Lingua dell'insegnamento

Italiano

Corsi di studio

Corso di Laurea Magistrale in Ingegneria Biomedica - Torino

Organizzazione dell'insegnamento
Didattica Ore
Lezioni 50
Esercitazioni in laboratorio 30
Docenti
Docente Qualifica Settore h.Lez h.Es h.Lab h.Tut Anni incarico
Cereatti Andrea - Corso 3   Professore Ordinario ING-INF/06 50 0 0 0 3
Mesin Luca - Corso 2 Professore Associato ING-INF/06 50 0 30 0 8
Molinari Filippo - Corso 1 Professore Ordinario ING-INF/06 50 0 0 0 15
Collaboratori
Espandi

Didattica
SSD CFU Attivita' formative Ambiti disciplinari
ING-INF/06
ING-INF/06
5
3
B - Caratterizzanti
F - Altre attività (art. 10)
Ingegneria biomedica
Altre conoscenze utili per l'inserimento nel mondo del lavoro
2022/23
L’insegnamento ha lo scopo di presentare le più diffuse tecniche di elaborazione di segnali biomedici. Esso intende approfondire le conoscenze di base relativamente alle tecniche di filtraggio dei segnali, di stima spettrale (in particolare di processi casuali), di stima spettrale tempo-variante per segnali non stazionari e di analisi della complessità anche mediante metodi non-lineari. Ogni tecnica presentata verrà corredata da applicazioni su segnali biomedici reali.
The objective of this course is to provide the basic knowledge about the most widely used processing techniques specifically developed for biomedical signals. The goal is to provide knowledge about the filtering techniques, the spectral estimation (particularly of random processes), of time-varying spectral analysis of nonstationary signals and about complexity analysis, even by means of non-linear techniques. Each processing technique will be coupled to applications on real biomedical signals.
Conoscenza e capacità di comprensione Conoscenze relative alle tecniche matematiche di filtraggio e stima spettrale. Conoscenze relative al contenuto informativo dei diversi segnali biomedici. Conoscenza delle potenzialità diagnostiche e di monitoraggio delle diverse tecniche di elaborazione. Conoscenza delle problematiche specifiche di analisi dei diversi segnali biomedici. Capacità di applicare conoscenza e comprensione Dato un quesito clinico relativo ad un segnale biomedico, lo studente sarà in grado di applicare la tecnica più vantaggiosa per l’estrazione dell’informazione richiesta dal segnale. Inoltre, grazie alla conoscenza delle più recenti tecniche di elaborazione, lo studente sarà in grado di sviluppare metodi di analisi e di feature extraction automatici. Autonomia di giudizio Questo insegnamento contribuisce a sviluppare l’autonomia di giudizio durante le esercitazioni di laboratorio. Abilità comunicative Questo insegnamento contribuisce a migliorare le abilità comunicative scritte e orali mediante i laboratori. Capacità di apprendimento Questo insegnamento contribuisce a fornire allo studente gli strumenti per un aggiornamento continuo, richiedendogli la consultazione di articoli scientifici recenti che descrivono i diversi algoritmi di elaborazione. Questa attività ha lo scopo di illustrare come sia possibile, tramite la rete, acquisire informazioni e conoscenza circa le più recenti e performanti tecniche di elaborazione.
Basic knowledge about the mathematical techniques for filtering and spectral analysis. Knowledge of the information content of the physiological signals. Knowledge about the diagnostic and monitoring potentialities and needs for the different processing techniques. Knowledge of the critical processing aspects for the different biomedical signals. Given a biomedical signal and a clinical need, the student will be able to apply the most proper processing technique, in order to fulfill the need and extract information from the signal. Since the students will learn about the most recent and performing processing techniques, it will be possible for them to develop advanced and automated feature extraction algorithms. During the lab work, the students will improve their judgement capacity and autonomy. The lab assignments will help improve the students’ oral and written communication skills. The students will be required to regularly check the most renowned international journals in the field of biomedical signal processing, in order to learn the latest technical solutions for specific applications. Hence, a continuous formation is possible for the students.
Lo studente deve avere, in particolare, una buona preparazione di matematica, teoria dei segnali, ed elementi di fisiologia. Le caratteristiche dei segnali biologici principali (EEG, ECG, EMG, etc …) devono essere note. Conoscenza delle nozioni base di anatomia e fisiologia umana sono importanti per una migliore comprensione delle necessità di applicazione di tecniche di elaborazione per rispondere ad alcuni quesiti clinici.
The students should have a good knowledge of mathematics, signal theory, and physiology. The students should know the characteristics of the principal biomedical signals (EMG, ECG, EEG, …). For a proper understanding of the need for processing of different signals and for different clinical questions, the knowledge of the basics of human physiology and pathology is advisable.
Gli argomenti principali del corso sono i seguenti: - Tecniche di filtraggio digitale (10h) - Stima spettrale tradizionale (10h) - Stima spettrale parametrica (10h) - Stima spettrale tempo-variante (10h) - Analisi della complessità ed analisi non-lineari (10h) - Applicazioni specifiche dell’elaborazione di segnali biomedici (20h) - Problematiche e recenti sviluppi (10h)
The principal topics are: - Digital filtering techniques (10h) - Non-parametric spectral analysis techniques (10h) - Parametric spectral analysis techniques (10h) - Time-varying and time-frequency techniques (10h) - Complexity and non-linear analysis (10h) - Selected application of biomedical signal processing (20h) - Open issues and recent processing solutions (10h)
Il corso è organizzato in lezioni frontali ed esercitazioni in laboratorio. I laboratori, nel numero di dieci, sono organizzati in squadre di quattro studenti e vengono distribuiti lungo il corso dell’insegnamento. I laboratori sono svolti al calcolatore utilizzando MATLAB come strumento di sviluppo di algoritmi di elaborazione dei segnali. Il programma dei laboratori verte sull’approfondimento delle nozioni teoriche apprese a lezione, in particolare verranno proposti quesiti di elaborazione che inviteranno gli studenti ad implementare gli algoritmi studiati a lezione e ad applicarli a dati reali.
The course is divided into frontal lessons and lab works. For the lab assignments, the students will be divided into groups of four members. There will be ten labs during the course. The lab works will be conducted by using MATLAB. The students will be asked to implement algorithms for the processing of real biomedical signals.
Slide fornite dal docente ed articoli scientifici di recente pubblicazione su tecniche particolari. Libro di Testo del corso: L. Mesin, Introduction to Biomedical Signal Processing, 2017, ISBN: 9788892332485
Teacher’s slides and scientific papers about recent technical innovations. Course textbook: L. Mesin, Introduction to Biomedical Signal Processing, 2017, ISBN: 9788892332485
Modalità di esame: Test informatizzato in laboratorio;
Exam: Computer lab-based test;
Criteri, regole e procedure per l’esame L'esame è diviso in due parti (descritte di seguito), ambedue della tipologia "test informatizzato in laboratorio": 1. prova pratica su Matlab (peso 22/30); 2. quiz di teoria (10/30). Le valutazioni delle due parti sono sommate per formare il voto finale. Chi ottiene, come somma dei voti delle due parti, un totale superiore a 30, merita la lode. Le due prove devono essere sostenute nel medesimo appello e la correzione della prova pratica avverrà solamente per coloro che avranno ottenuto la sufficienza nella prova di teoria (votazione maggiore o uguale a 5/10, come riportato nel seguito). Gli studenti saranno allocati in laboratorio o aula attrezzata e, su richiesta, potranno usufruire di un calcolatore oppure utilizzare il proprio portatile. La seconda parte (quiz di teoria) sarà svolta tramite la piattaforma Exam. Prova pratica su Matlab - (Durata da 1 a 1.5 ore) - Possibilità di consultare appunti (slides, esercizi svolti o codice Matlab) o libri. - La prova pratica si considera superata quando viene assegnata una votazione maggiore o uguale a 13/22. - Chi non supera la prova (votazione <13/22) viene respinto. Quiz di teoria su piattaforma Exam - (Durata mezz'ora) - Possibilità di consultare appunti (slides, esercizi svolti o codice Matlab) o libri. - Vengono proposti 10 quiz a risposta multipla (5 risposte sono proposte, di cui solo una è corretta), su aspetti di teoria o di implementazione in Matlab. La risposta corretta ad un quiz equivale a 1 punto, un errore a -0.25 punti, la mancata risposta a 0 punti. - La prova di teoria si considera superata quando si ottiene un punteggio maggiore o uguale a 5/10. E’ data facoltà di esprimere la propria volontà di ritirarsi o durante l’esame, durante una delle due prove, oppure al termine dell’esame medesimo, esprimendo la richiesta di non sottoporsi al giudizio della commissione via email al docente di riferimento entro 4h dal termine dell’esame (o entro altro termine temporale indicato in sede d’esame dal docente medesimo).
Gli studenti e le studentesse con disabilità o con Disturbi Specifici di Apprendimento (DSA), oltre alla segnalazione tramite procedura informatizzata, sono invitati a comunicare anche direttamente al/la docente titolare dell'insegnamento, con un preavviso non inferiore ad una settimana dall'avvio della sessione d'esame, gli strumenti compensativi concordati con l'Unità Special Needs, al fine di permettere al/la docente la declinazione più idonea in riferimento alla specifica tipologia di esame.
Exam: Computer lab-based test;
The exam consists of two parts: a practical part and an oral interview. The students have to pass the practical part before being admitted to the oral interview. The practical part lasts 90 minutes and consists in the design and implementation of processing strategies and to apply them to real biomedical signals. Students are allowed to use internet and may use handouts, textbooks or any other kind of material. Specifically, the practical part aims at testing the knowledge of the main techniques for filtering and spectral analysis, the ability of extracting the information content of the considered physiological signal, discussing possible diagnostic and monitoring potentialities. The student should also prove to be able to choose the most proper processing technique for the given biomedical signal, in order to fulfill the clinical need and extract information from the signal. Finally, the student should prove to be able to develop advanced and automated feature extraction algorithms. The oral part refers to all topics of the course. Moreover, the students will be able to better discuss the practical part. To each of the two parts, a mark is given; an equal weight is assigned to the two parts in determining the final grade.
In addition to the message sent by the online system, students with disabilities or Specific Learning Disorders (SLD) are invited to directly inform the professor in charge of the course about the special arrangements for the exam that have been agreed with the Special Needs Unit. The professor has to be informed at least one week before the beginning of the examination session in order to provide students with the most suitable arrangements for each specific type of exam.
Esporta Word


© Politecnico di Torino
Corso Duca degli Abruzzi, 24 - 10129 Torino, ITALY
Contatti