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.

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.

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.

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)

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.

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

Modalità di esame: Prova scritta su carta con videosorveglianza dei docenti; Prova scritta tramite PC con l'utilizzo della piattaforma di ateneo;

Risultati di apprendimento attesi La verifica dell'apprendimento è volta ad accertare le conoscenze relative alle tecniche matematiche di filtraggio e stima spettrale, la capacità di estrarre il contenuto informativo del segnale biomedico considerato, commentandone eventuali potenzialità diagnostiche o di monitoraggio. Lo studente dovrà inoltre dimostrare di essere in grado di applicare la tecnica più vantaggiosa per l’estrazione dell’informazione richiesta dal quesito clinico. Inoltre, lo studente dovrà mostrare di essere in grado di sviluppare metodi di analisi e di feature extraction automatici. Criteri, regole e procedure per l’esame L'esame è diviso in due parti (descritte di seguito): 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. 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. In tal caso, il voto rimane valido per 2 sessioni dopo di che decade (ad esempio, se si sostiene la prova nella sessione estiva, la valutazione vale fino alla sessione autunnale compresa, bisogna sostenerla di nuovo a partire da quella invernale). - Se la votazione della prova pratica fosse non pienamente sufficiente (>=11/22 e <13/22) si può decidere di accettare o meno la votazione (entro il giorno di pubblicazione dei risultati). Se la valutazione viene accettata, essa vale per due sessioni. - Chi non supera la prova (votazione <11/22) o rifiuta una valutazione non pienamente sufficiente, viene respinto e deve sostenere nuovamente la prova. 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 può essere tenuta valida indipendentemente dalla prova pratica e vale anch'essa 2 sessioni. - Lo studente ha la facoltà di chiedere di risostenere la prova di teoria quando in questa ottiene un punteggio <5/10.

Modalità di esame: Test informatizzato in laboratorio; Prova scritta su carta con videosorveglianza dei docenti; Prova scritta tramite PC con l'utilizzo della piattaforma di ateneo;

Risultati di apprendimento attesi La verifica dell'apprendimento è volta ad accertare le conoscenze relative alle tecniche matematiche di filtraggio e stima spettrale, la capacità di estrarre il contenuto informativo del segnale biomedico considerato, commentandone eventuali potenzialità diagnostiche o di monitoraggio. Lo studente dovrà inoltre dimostrare di essere in grado di applicare la tecnica più vantaggiosa per l’estrazione dell’informazione richiesta dal quesito clinico. Inoltre, lo studente dovrà mostrare di essere in grado di sviluppare metodi di analisi e di feature extraction automatici. Criteri, regole e procedure per l’esame L'esame è diviso in due parti (descritte di seguito): 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. Gli studenti che sostengono l'esame in presenza, saranno allocati in laboratorio o aula attrezzata e, su richiesta, potranno usufruire di un calcolatore oppure utilizzare il proprio portatile. Gli studenti che sostengono l'esame in remoto, svolgeranno la prima parte (prova pratica) mediante videosorveglianza utilizzando apposita VirtualClassroom. La seconda parte (quiz di teoria) sarà identica per tutti, indipendentemente dalla modalità in presenza o in remoto e sarà svolta tramite la piattaforma Exam, con integrazione di strumenti di proctoring. 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. In tal caso, il voto rimane valido per 2 sessioni dopo di che decade (ad esempio, se si sostiene la prova nella sessione estiva, la valutazione vale fino alla sessione autunnale compresa, bisogna sostenerla di nuovo a partire da quella invernale). - Se la votazione della prova pratica fosse non pienamente sufficiente (>=11/22 e <13/22) si può decidere di accettare o meno la votazione (entro il giorno di pubblicazione dei risultati). Se la valutazione viene accettata, essa vale per due sessioni. - Chi non supera la prova (votazione <11/22) o rifiuta una valutazione non pienamente sufficiente, viene respinto e deve sostenere nuovamente la prova. 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 può essere tenuta valida indipendentemente dalla prova pratica e vale anch'essa 2 sessioni. - Lo studente ha la facoltà di chiedere di risostenere la prova di teoria quando in questa ottiene un punteggio <5/10.