455-0090/01 – Zpracování biosignálu (ZBS)

Garantující katedraKatedra měřicí a řídicí technikyKredity4
Garant předmětuIng. Jitka Mohylová, Ph.D.Garant verze předmětuIng. Jitka Mohylová, Ph.D.
Úroveň studiapregraduální nebo graduálníPovinnostpovinně volitelný
RočníkSemestrzimní
Jazyk výukyčeština
Rok zavedení1992/1993Rok zrušení2002/2003
Určeno pro fakultyFEIUrčeno pro typy studiamagisterské
Výuku zajišťuje
Os. čís.JménoCvičícíPřednášející
KRA48 doc. Ing. Vladimír Krajča, CSc.
MOH35 Ing. Jitka Mohylová, Ph.D.
Rozsah výuky pro formy studia
Forma studiaZp.zak.Rozsah
prezenční Zápočet a zkouška 2+2

Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi

Cílem předmětu Zpracování biosignálu je seznámit studenty s jednotlivými biologickými signály, jejich filtrací a analýzou v časové a kmitočtové oblasti a metodami zobrazení zpracovaných výsledků. Student bude znát charakteristiky jednotlivých biosignálů, dovede určit spektrum, spektrální výkonovou hustotu, korelační a koherenční analýzu. Bude schopen provést adaptivní segmentaci, automatickou klasifikaci a shlukovou analýzu. Dosažené výsledky zobrazí metodou CSA a brain mappingem. Při analýze reálných dat (EEG a EKG) bude využívat prostředí MATLAB.

Vyučovací metody

Anotace

Vlastnosti biologických signálů, kódování lékařských dat,diskretizace. Cílem předmětu Zpracování biosignálu je seznámit studenty s jednotlivými biologickými signály, jejich filtrací a analýzou v časové a kmitočtové oblasti a metodami zobrazení zpracovaných výsledků. Zpracování signálů v časové oblasti, filtrace, ve frekvenční oblasti - parametrické modely, FFT. Zobrazení zpracovaných výsledků - CSA, topografické mapování. Adaptivní segmentace, metody automatické klasifikace signálů - učení bez učitele, shluková analýza. Neuronové sítě.Praktické aplikace zpracování EEG signálů.

Povinná literatura:

Proakis, J.G., Manolakis, D.G.: Introduction to Digital Signal Processing. Macmillan Publishing Company , New York, 1988 (ISBN 0-02-396815-X) Cohen A., Biomedical signal processing, CRC Press, Boca Raton, Florida Remond, A.: (Editor-in-chief): Handbook of electroencephalograph and clinical neuro-physiology, vol. 5. Elsevier, 1972 Dumermuth G., Fundamentals of spectral analysis in electroencephalography, In: A. Rémond (Ed.),. EEG Informatics : A Didactic Review of Methods and Applications of EEG data Processing. Elsevier, Amsterdam,1977, pp. 83-105 Krajča V., Petránek S., Počítačová elektroencefalografie. Úvod do problematiky. Česká a Slovenská Neurologie a Neurochirurgie. Supplementum, 1995, pp. 1-38 Svatoš J., Biologické signály I. Geneze, zpracování a analýza. Skriptum ČVUT FEL,1995 Mohylová J.,Využití číslicového zpracování signálů EEG pro lokalizaci epileptického ložiska. Disertační doktorská práce, 1999 Literatura doporučená (separáty článků lze získat u přednášejícího) Uhlíř J., Sovka P., Číslicové zpracovávání signálů, Vydavatelství ČVUT Praha, 1995 Krajča V., Automatic classification of EEG segments and the extraction of representative ones by dynamic clusters method. Activitas nerv. sup. , 26, No.2., 1984, pp.118-128. Krajča V., Petránek S., Patáková I., Värri A., Automatic identificaton of significant graphoelements in multichannel EEG recordings by adaptive segmentation and fuzzy clustering, Int. J. Biomed. Comput.,28 (1991) pp.71-89 Krajča V., Teorie fuzzy množin jako prostředek pro extrakci zhuštěné informace z EEG signálu, Automatizace 28 (1985), č.1, pp. 7-12 Krajča V., Formánek J., Petránek S.,Srovnání tří přístupů k adaptivní segmentaci EEG signálu, Lékař a technika, 4, 17, 1986, pp.68-74 Krajča V., Petránek S., Ondruška V., Dorůžková J., Pecharová D.,Vícekanálová adaptivní segmentace - základ pro předzpracování EEG záznamů, Lékař a technika, 2, 23, 1992, pp.28-34 Witte H., Eiselt M., Patakova I., Petranek S., Griessbach H., Krajča V., Rother M., Use of discrete Hilbert transformation for automatic spike mapping : a methodological investigation, Medical and Biological Eng. & Computing, 1991, 29 ,242-248 Krajča V., Petránek S., Dorůžková J., Ondruška V., Multichannel signal processing in long-term EEG monitoring of epilepsy, Biomedizinische Technik,(37),1,1992,pp.119-121 Möller U., Witte H., Galicki M., Krajca V., Verbesserte Strukturierung von vorsegmentierten EEG-Abschnitten durch Clusterbildung mit globaler Optimierung. Eine methodische Studie, Zeitschrift für EEG-EMG 27 (1996) pp.282-286 Krajča V., Petránek, S., Patáková I., Ondruška V., Automatic epileptic spike detection by median filtering and simple arithmetic sharp transient detector : a clinical evaluation, Proc. of the VI Mediterranean Conference on Medical and Biological Engineering, July 5-10, 1992, Capri, Italy, pp. 209-211 Krajča V., Petránek S., "Wave-Finder" : a new system for an automatic processing of long-term EEG recordings, In.: "Quantitative EEG Analysis - Clinical Utility and New Methods", M.Rother, U.Zwiener(Eds.), Universitätsverlag GmbH, Jena 1993, pp.103-106 Krajča V., Principe J.C., Petránek S., Extraction of principal components from biosignals by neural net, 13-th Biennial International Conference Biosignal'96 Proceedings, J.Jan, P.Kilián, I.Provazník (Eds.), Technical University Brno Press,1996, pp.308-310 O.Vyšata, V.Krajča, et al., A clinical comparison ofdifferent mapping methods forevaluation of focal cerebral lesions, Third International Hans Berger Congress, Jena, 1996 Krajča V., Principe J.C., Petránek S., Vyšata O., Use of time-delayed self-organized principal components analysis for feature extraction from the EEG, Third International Hans Berger Congress, Jena, 1996

Doporučená literatura:

Forma způsobu ověření studijních výsledků a další požadavky na studenta

Průběžná kontrola studia: čtyři semestrální práce v požadovaných termínech Podmínky udělení zápočtu: cvičení maximálně 80 bodů Pro udělení zápočtu musí student odevzdat do konce 15. týdne semestru všechny čtyři semestrální práce v požadovaných termínech. Každá semestrální práce je hodnocena 20 body.

E-learning

Další požadavky na studenta

Prerekvizity

Předmět nemá žádné prerekvizity.

Korekvizity

Předmět nemá žádné korekvizity.

Osnova předmětu

Přednášky: Signály v lékařství - původ, charakter a obecné principy zpracování biosignálů, metody a algoritmy zpracování signálů přehledně Charakteristika biosignálů, EEG, EMG, ECG, EOG. Původ, zdroje, diagnostické využití. Možnosti uplatnění bio-inženýrů. Zpracování biologických signálů v reálném čase a off line. Přiřazení nutných zařízení, počítačové sítě. Statistické charakteristiky biosignálů. Pravděpodobnostní rozložení. Stochastické procesy, analýza časových řad. Nestacionarita. Údaje o pacientovi, identifikační soubory. Sběr a předzpracování biologických dat, diskretizace - základní řetězec převodu do počítače. A/D převodníky, problémy vzorkování a kvantizace signálu. Aliasing. Filtrace. Trendy. Data zpracovavána souběžně se signály. Spektrální analýza I. - Základní metody. Periodogram, AR model. Parametrické a neparametrické metody. Praktické problémy odhadu spektra. Křížové spektrum, koherence a fáze. Spektrální analýza II. - FFT. Aplikace. Metoda zhuštěných spektrálních kulis (CSA). Použití. Interhemisferická a lokální koherence. Mediální synchronie a symetrie. Měření fáze. Topografické mapování elektrofyziologické aktivity. Princip brain mappingu. Amplitudové a frekvenční mapování. Interpolace. Použití v klinické diagnostice. Dynamické mapování. Adaptivní segmentace Motivace. Nestacionarita biosignálů. Základní metody. Multikanálová on-line adaptivní segmentace. Extrakce příznaků. Metody automatické klasifikace I. - Učení bez učitele. Metriky. Normalizace dat. Shluková analýza. K-means algoritmus. Fuzzy množiny. Optimální počet tříd. Limity a omezení shlukové analýzy. Neuronové sítě a zpracování signálů. Metoda hlavních komponent a neuronové sítě. Hebbovské učení. Multikanálové signály - komprese a rekonstrukce. Samoorganizující se metoda hlavních komponent (Doc. Ing. Vladimír Krajča, Csc). Automatická klasifikace II. - Učící se klasifikátory. Srovnání vlastností supervizovaného a nesupervizovaného učení. On-line klasifikace. k-NN klasifikátor klasický a fuzzy. Porovnání s neuronovými sítěmi. Automatická detekce epileptických grafoelementů II. Automatický detektor hrotů na základě mediánové filtrace. Aritmetický detektor. Kombinovaný detektor.Metoda hlavních komponent a klasické filtrace pro detekci. Elektrokardiografický signál, digitální zpracování, vlastnosti. Kritéria digitalizace EKG, frekvenční analýza, filtrace, adaptivní filtrace. Redukce dat, holterovské techniky pacientské identifikace. Respirometrie, popis parametrů signálu, základní algoritmy a výstupní data. Požadavky na digitální zpracování a grafickou prezentaci. Obrazové signály. Průměty a sekvence vícedimenzionálních signálů. Konkrétní programové prostředky zpracování obrazů. Prezentace v diskrétní formě. Počítačové laboratoře: Úvod do zpracování biosignálů. Praktické ukázky EEG, EMG, ECG aktivity, epileptické paroxysmy, spánkové grafoelementy. Artefakty. Statistické charakteristiky biosignálů. Praktická realizace algoritmů číslicového zpracovávání biosignálů. Programové vybavení. Uživatelský interface. Formáty dat. Semestrální práce I. Načtení a zobrazení reálného biosignálu Termín : 1 týden Sběr a předzpracování biologických dat.Snímání dat v klasických a bezpapírových přístrojích. A/D převodníky Nyquistův teorém. Chyby při převodu. Úprava signálu. Spektrální analýza I. Základní metody.Spektrální analýza a syntéza signálů pomocí FFT. Filtrace, odstaňování šumu. LDR algoritmus. Nevýhody periodogramu. Windowing. Semestrální práce II. Spektrální analýza a syntéza signálu pomocí FFT Termín: 2 týdny Topografické mapování elektrofyziologické aktivity. Demonstrace topografického mapování na umělých a klinických datech.Iterativní vytváření mapy. Animace.Úskalí mapování. Spektrální analýza II. Aplikace.Aplikace CSA pro patologickou i spánkovou aktivitu. Koherenční analýza pro diagnostiku CMP. Semestrální práce III. Topopografické mapování sítě 20 bodů (brain mapping) Termín: 2 týdny Adaptivní segmentace. Nastavení parametrů. Přednosti a omezení metod. Ukázky funkce segmentačních algoritmů. Metody automatické klasifikace I. Učení bez učitele. Základní algoritmy shlukové analýzy na simulovaných datech. Ukázky klasifikace EEG dat. Použití fuzzy množin pro zvýšení homogenity tříd. Analýza dlouhodobých signálů. Ukázka funkcí systému pro analýzu 24 hod monitorování. Sumární informace. Extrakce prototypů. Extrakce komprimované informace z dlouhodobých záznamů.Aplikace na reálných datech, další metody, analýza spánkového grafu. Ukázka programu WaveFinder. Automatická klasifikace II.Učící se klasifikátory. Předvedení základních algoritmů učících se klasifikátorů na simulovaných a datech. Použití fuzzy množin v k-NN klasifikátorech Semestrální práce IV. 3-NN učící se klasifikátor pro simulovaná data. Termín: 2 týdny Automatická detekce epileptických hrotů I. Demonstrace komerčních programů: automatická detekce epileptických grafoelementů (Gotman). Ukázka programu pro analýzu dipólů (Scherg, FOCUS). Předzpracování EKG signálu pomocí wavelet transformace: komprese, filtrace, odstranění artefaktů. Výpočet frekvenčních amplitudových a fázových spekter, výkonové spektrum signálu EKG. Určení korelační funkce a korelačního koeficientu u patologických a fyziologických záznamů (Ing. Marek Penhaker, Ph.D). Některé detekční algoritmy QRS komplexu - výpočet a porovnání, použití metody detekce R-R intervalů v závislosti na patologických stavech a případných variabilitách srdečního rytmu. Praktická demonstrace plně automatického hodnotícího systému signálu EKG na Krajské hygienické stanici v Ostravě. (Exkurse v počítačové EEG laboratoři Neurologického oddělení FN Bulovka. Konzultace výsledků semestrálních prací.)

Podmínky absolvování předmětu

Prezenční forma (platnost od: 1960/1961 letní semestr)
Název úlohyTyp úlohyMax. počet bodů
(akt. za podúlohy)
Min. počet bodů
Zápočet a zkouška Zápočet a zkouška 100 (145) 51
        Zkouška Zkouška 100  0
        Zápočet Zápočet 45  0
Rozsah povinné účasti:

Zobrazit historii

Výskyt ve studijních plánech

Akademický rokProgramObor/spec.Spec.FormaJazyk výuky Konz. stř.RočníkZLTyp povinnosti
2002/2003 (M2612) Elektrotechnika a informatika (2601T004) Měřicí a řídicí technika P čeština Ostrava povinně volitelný stu. plán
2002/2003 (M2612) Elektrotechnika a informatika (2612T018) Elektronika a sdělovací technika P čeština Ostrava povinně volitelný stu. plán
2002/2003 (M2612) Elektrotechnika a informatika (2642T004) Elektrické stroje, přístroje a pohony (10) Elektrické stroje a přístroje P čeština Ostrava povinně volitelný stu. plán
2002/2003 (M2612) Elektrotechnika a informatika (2642T004) Elektrické stroje, přístroje a pohony (20) Elektrické pohony a výkonová elektronika P čeština Ostrava povinně volitelný stu. plán
2002/2003 (M2612) Elektrotechnika a informatika (3902T023) Inženýrská informatika P čeština Ostrava povinně volitelný stu. plán
2002/2003 (M2612) Elektrotechnika a informatika (3907T001) Elektroenergetika P čeština Ostrava povinně volitelný stu. plán
2002/2003 (M2612) Elektrotechnika a informatika (2601T004) Měřicí a řídicí technika P čeština Ostrava 5 volitelný odborný stu. plán
2001/2002 (M2612) Elektrotechnika a informatika (2601T004) Měřicí a řídicí technika P čeština Ostrava povinně volitelný stu. plán
2001/2002 (M2612) Elektrotechnika a informatika (2612T018) Elektronika a sdělovací technika P čeština Ostrava povinně volitelný stu. plán
2001/2002 (M2612) Elektrotechnika a informatika (2642T004) Elektrické stroje, přístroje a pohony (10) Elektrické stroje a přístroje P čeština Ostrava povinně volitelný stu. plán
2001/2002 (M2612) Elektrotechnika a informatika (2642T004) Elektrické stroje, přístroje a pohony (20) Elektrické pohony a výkonová elektronika P čeština Ostrava povinně volitelný stu. plán
2001/2002 (M2612) Elektrotechnika a informatika (3902T023) Inženýrská informatika P čeština Ostrava povinně volitelný stu. plán
2001/2002 (M2612) Elektrotechnika a informatika (3907T001) Elektroenergetika P čeština Ostrava povinně volitelný stu. plán

Výskyt ve speciálních blocích

Název blokuAkademický rokForma studiaJazyk výuky RočníkZLTyp blokuVlastník bloku