Universidad Pública de Navarra



Año Académico: 2023/2024
Máster Universitario en Ingeniería Biomédica por la Universidad Pública de Navarra
Código: 720602 Asignatura: Neuroingeniería
Créditos: 4.5 Tipo: Obligatoria Curso: 1 Periodo: 1º S
Departamento:
Profesorado:
GOMEZ FERNANDEZ, MARISOL (Resp)   [Tutorías ]

Partes de este texto:

 

Módulo/Materia

Análisis de señales e imágenes médicas

Subir

Descripción/Contenidos

  1. Introducción a las interfaces cerebro-ordenador.
  2. Algoritmos de procesado de Potenciales Evocados.
  3. Algoritmos para localización de fuentes aplicada en EEG.
  4. Aplicaciones en interfaces Cerebro-Ordenador.

Subir

Competencias genéricas

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.

Subir

Competencias específicas

No Aplica.

Subir

Resultados aprendizaje

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.

Subir

Metodología

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  

 

Subir

Evaluación

 

Resultados de
aprendizaje
Actividad de
evaluación
Peso (%) Carácter
recuperable
Nota mínima
requerida
RA1, RA6, RA7 SE1 Pruebas de evaluación 50 4
RA4, RA5, RA6, RA7 SE2 Presentaciones orales 10 No  
RA1, RA4, RA6, RA7 SE3 Trabajos e informes individuales 40 4

 

 

Subir

Temario

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.

Subir

Programa de prácticas experimentales

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

Subir

Bibliografía

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.

Subir

Idiomas

Castellano. No obstante, algunos materiales docentes y bibliografía básica está escrita en inglés.

Subir

Lugar de impartición

Aulario. Campus Arrosadia.

Subir