|
Biomedizinische Signalanalyse (BioSig)5 ECTS (englische Bezeichnung: Biomedical Signal Analysis)
(Prüfungsordnungsmodul: Biomedizinische Signalanalyse)
Modulverantwortliche/r: Björn Eskofier Lehrende:
Felix Kluge, Björn Eskofier
weitere Studienfächer/Prüfungsordnungsmodule:
Einfrieren der UnivIS-Modul-Beschreibung: 31.10.2019
Wahlmodulbereich aus der FAU (81069)
Start semester: |
WS 2019/2020 | Duration: |
1 semester | Cycle: |
jährlich (WS) |
Präsenzzeit: |
60 Std. | Eigenstudium: |
90 Std. | Language: |
Englisch |
Lectures:
Inhalt:
Im Rahmen der Vorlesung werden (a) die Grundlagen der Generation von wichtigen Biosignalen im menschlichen Körper, (b) die Messung von Biosignalen und (c) Methoden zur Analyse von Biosignalen erläutert und dargestellt.
Behandelte Biosignale sind unter anderem Aktionspotential (AP), Elektrokardiogramm (EKG), Elektromyogramm (EMG), Elektroenzephalogramm (EEG), oder Mechanomyogramm (MMG). Bei der Messung liegt der Fokus beispielsweise auf der Messtechnik oder der korrekten Sensor- bzw. Elektrodenanbringung. Im größten Teil der Vorlesung, Analyse von Biosignalen, werden Konzepte zur Filterung für die Artefaktreduktion, der Wavelet Analyse, der Ereigniserkennung und der Wellenformanalyse behandelt. Zum Schluss wird einen Einblick in überwachte Verfahren der Mustererkennung gegeben. The lecture content explains and outlines (a) basics for the generation of important biosignals of the human body, (b) measurement of biosignals, and (c) methods for biosignals analysis.
Considered biosignals are among others action potential (AP), electrocardiogram (ECG), electromyogram (EMG), electroencephalogram (EEG), or mechanomyogram (MMG). The focus during the measurement part is for example the measurement technology or the correct sensor and electrode placement. The main part of the lecture is the analysis part. In this part, concepts like filtering for artifact reduction, wavelet analysis, event detection or waveform analysis are covered. In the end, an insight into pattern recognition methods is gained.
Lernziele und Kompetenzen:
Die Studierenden können nach erfolgreichem Abschluss des Kurses
1. Wissen
2. Verstehen
die wesentlichen Ursachen von Artefakten in Biosignalen erklären
Zusammenhänge zwischen der Entstehung der Biosignale des menschlichen Körper und dem gemessenen Signal erklären
Messmethoden der wichtigsten Biosignale erklären
Filteroperationen zur Eliminierung von Artefakten erläutern
bekannte Algorithmen der Verarbeitung bestimmter Biosignal erklären (z.B. Pan Tompkins für EKG)
typische Komponenten und ihre Bedeutung in einer generischen Signalanalyse Kette erläutern
die Struktur und Funktionsweise von Systemen zur maschinellen Klassifikation einfacher Muster darstellen
3. Anwenden
Signalcharakteristiken im Zeit- und Frequenzbereich bestimmen
Algorithmen der Biosignalverarbeitung anwenden und in Python implementieren
Filteroperationen zur Eliminierung von Artefakten anwenden und in Python implementieren
Methoden selbstständig auf interdisziplinäre Fragestellungen der Medizin und der Ingenieurwissenschaften anwenden
das Ergebnis von typischen Filteroperationen abschätzen
4. Analysieren
Filtercharakteristika von Schaltkreisen ableiten
Algorithmen der Biosignalverarbeitung vergleichen
Klassifikationsprobleme in Python lösen
Typische Artefakte in Biosignalen erkennen und Lösungsstrategien vorschlagen
5. Evaluieren
Biosignale mit medizinischen Normalwerten vergleichen und im medizinischen Kontext evaluieren
Klassifikationsergebnisse beurteilen
die Bedeutung der Biosignalverarbeitung für die Medizintechnik diskutieren
Probleme in Gruppen kooperativ und verantwortlich lösen und in der Übungsgruppe bzw. im Forum diskutieren After completion of the course students are able to
1. Remembering
2. Understanding
explain the causes of artifacts in biosignals
explain relations between the generation of biosignals and the measured signal
explain methods for the measurement of important biosignals
explain filter operations for the reduction of artifacts
eyplain algorithms for the analysis of important biosignals (e.g. Pan Tompkins for EKG)
explain typical components and their importance in the signal a nalysis chain
explain structure and functioning of systems for machine learning and pattern recognition
3. Applying
determine signal characteristics in the time and frequency domain
apply and implement algorithms for signal analysis in Python
implement filter operations for the reduction of artifacts in Python
estimate the result of filter operations
apply methods to interdisciplinary problems in medicine and medical engineering
4. Analyzing
derive filter characteristics from electric circuits
compare signal analysis algorithms
solve classification problems in Python
recognize typical artifacts in biosignals and propose solutions for their reduction
5. Evaluating
compare biosignals with medical norm values and evaluate them in a medical context
evaluate classification results
discuss the importance of biomedical signal analysis for medical engineering
solve and discuss problems in groups cooperatively in the group excercises and the online forum
Literatur:
- R.M. Rangayyan, Biomedical Signal Analysis: A case-study approach. 1st ed., 2002, New York, NY: John Wiley & Sons.
E.N. Bruce, Biomedical Signal Processing and Signal Modeling. 1st ed., 2001, New York, NY: John Wiley & Sons.
Weitere Informationen:
www: https://www.mad.tf.fau.de/teaching/courses/lv_id/41160327&sem=2018w/
Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:
- Communications and Multimedia Engineering (Master of Science)
(Po-Vers. 2011 | TechFak | Communications and Multimedia Engineering (Master of Science) | Gesamtkonto | Wahlmodule | Technische Wahlmodule | Biomedizinische Signalanalyse)
Dieses Modul ist daneben auch in den Studienfächern "Computational Engineering (Rechnergestütztes Ingenieurwesen) (Master of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Bachelor of Science)", "Elektrotechnik, Elektronik und Informationstechnik (Master of Science)", "Informatik (Bachelor of Science)", "Informatik (Master of Science)", "Mathematik (Bachelor of Science)", "Medizintechnik (Bachelor of Science)", "Medizintechnik (Master of Science)" verwendbar. Details
Studien-/Prüfungsleistungen:
Biomedizinische Signalanalyse (Prüfungsnummer: 30701)
(englischer Titel: Biomedical Signal Analysis)
zugeh. "mein campus"-Prüfung: | - 30701 Biomedizinische Signalanalyse (Gewichtung: 100.0 %, Prüfung, Form: mündliche Prüfung, Drittelnoten (mit 4,3), Dauer: -, 5 ECTS, Prüfung).
|
- Prüfungsleistung, Klausur, Dauer (in Minuten): 90, benotet, 5.0 ECTS
- Anteil an der Berechnung der Modulnote: 100.0 %
- weitere Erläuterungen:
90-minütige schriftliche Klausur über den Stoff der Vorlesung und der Übungen
- Erstablegung: WS 2019/2020, 1. Wdh.: SS 2020
1. Prüfer: | Björn Eskofier (100122) |
|
|
|