Código: 720602 | Asignatura: Neuroingeniería | ||||
Créditos: 4.5 | Tipo: Obligatoria | Curso: 1 | Periodo: 1º S | ||
Departamento: | |||||
Profesorado: | |||||
GOMEZ FERNANDEZ, MARISOL (Resp) [Tutorías ] |
RA1. Analizar críticamente conocimientos especializados en el campo de la Ingeniería Biomédica, en buena parte de manera autodirigida o autónoma.
RA4. Comunicar de manera clara e inequívoca las ideas y conclusiones, así como el conocimiento y la lógica subyacentes, a públicos especializados y no especializados, de manera adecuada al contexto de la Ingeniería Biomédica y utilizando las convenciones propias del ámbito profesional.
RA5. Trabajar en equipo entre iguales, así como con especialistas y no especialistas, supervisores y clientes.
RA6. Evaluar críticamente las ventajas y desventajas de los distintos métodos experimentales para la adquisición de señales neuronales.
RA7. Seleccionar justificadamente e implementar algoritmos de procesado de señales neuronales para diferentes aplicaciones, como interfaces cerebro-ordenador.
Actividad formativa | Nº Horas | % Presencialidad |
AF1 Clases expositivas / participativas | 20 | 100 |
AF2 Prácticas | 20 | 100 |
AF3 Realización de trabajos/proyectos en grupo | 25 | 0 |
AF4 Estudio y trabajo autónomo del estudiante | 41,5 | 0 |
AF5 Tutorías | 1 | 0 |
AF6 Presentaciones | 100 | |
AF7 Debates | 100 | |
AF8 Eventos científicos | 100 | |
AF9 Pruebas de evaluación | 5 | 100 |
TOTAL | 112,5 |
Resultados de aprendizaje |
Actividad de evaluación |
Peso (%) | Carácter recuperable |
Nota mínima requerida |
---|---|---|---|---|
RA1, RA6, RA7 | SE1 Pruebas de evaluación | 50 | Sí | 4 |
RA4, RA5, RA6, RA7 | SE2 Presentaciones orales | 10 | No | |
RA1, RA4, RA6, RA7 | SE3 Trabajos e informes individuales | 40 | Sí | 4 |
Tema 1. Adquisición de señales neuronales y aplicaciones clínicas y no clínicas.
Tema 2. Potenciales evocados y estadística básica para procesado de señales EEG.
Tema 3. Filtros espaciales, problema directo e inverso.
Tema 4. Problemas de clasificación y sistemas adaptativos en neuroingeniería.
Práctica 1: Aplicaciones de PCA en EEG
Práctica 2: Potenciales relacionados con eventos (ERPs)
Práctica 3: Clasificación de features
Práctica 4: CSP y validación de la clasi¿cación
Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.
Bibliografía Básica:
Haufe, S., Meinecke, F., Görgen, K., Dähne, S., Haynes, J.-D., Blankertz, B., and Bießmann, F. (2014). On the interpretation of weight vectors of linear models in multivariate neuroimaging. Neuroimage, 87:96-110.
Pfurtscheller, G. and da Silva, F. H. L. (1999). Event-related EEG/MEG synchronization and desynchronization: basic principles. Clin Neurophysiol, 110(11):1842-1857.
Nikulin, V. V., Nolte, G., and Curio, G. (2011). A novel method for reliable and fast extraction of neuronal EEG/MEG oscillations on the basis of spatio-spectral decomposition. Neuroimage, 55:1528-1535.
Lemm, S., Blankertz, B., Dickhaus, T., and Müller, K.-R. (2011). Introduction to machine learning for brain imaging. Neuroimage, 56:387-399.
Vidal, J. J. (1973). Toward direct brain-computer communication. Annu Rev Biophys, 2:157-180.
Parra, L. C., Spence, C. D., Gerson, A. D., and Sajda, P. (2005). Recipes for the linear analysis of EEG. Neuroimage, 28(2):326-341.
Bibliografía Complementaria:
Belouchrani, A., Abed-Meraim, K., Cardoso, J.-F., and Moulines, E. (1997). A blind source separation technique using second-order statistics. IEEE Trans Signal Process, 45(2):434¿444.
Blankertz, B., Lemm, S., Treder, M. S., Haufe, S., and Müller, K.-R. (2011). Single-trial analysis and classi¿cation of ERP components: a tutorial. Neuroimage, 56:814-825.
Key, A. P., Dove, G. O., and Maguire, M. J. (2005). Linking brainwaves to the brain: an ERP primer. Dev Neuropsychol, 27:183-215.
Odom, J., Bach, M., Barber, C., Brigell, M., Marmor, M., Tormene, A., Holder, G., and Vaegan (2004). Visual evoked potentials standard (2004). Doc Ophthalmol, 108(2):115-123.
Patel, S. H. and Azzam, P. N. (2005). Characterization of N200 and P300: selected studies of the Event-Related Potential. Int J Med Sci, 2:147-154.
Ledoit, O. and Wolf, M. (2004). A well-conditioned estimator for large-dimensional covariance matrices. J Multivar Anal, 88:365-411.
Blankertz, B., Tomioka, R., Lemm, S., Kawanabe, M., and Müller, K.-R. (2008). Optimizing spatial ¿lters for robust EEG single-trial analysis. IEEE Signal Process Mag, 25(1):41-56.
Fukunaga, K. (1990). Introduction to statistical pattern recognition. Academic Press, Boston, 2nd edition edition.
Parra, L., Christoforou, C., Gerson, A., Dyrholm, M., Luo, A., Wagner, M., Philiastides, M., and Sajda, P. (2008). Spatiotemporal linear decoding of brain state. IEEE Signal Process Mag, 25(1):107-115.
Neuper, C. and Klimesch, W., editors (2006). Event-related Dynamics of Brain Oscillations. Elsevier.
Castellano. No obstante, algunos materiales docentes y bibliografía básica está escrita en inglés.