Universidad Pública de Navarra - Nafarroako Univertsitate Publikoa
Universidad Pública de Navarra
| Código: 720614 | Asignatura: Procesado Avanzado de Señales Biomédicas | ||||
| Créditos: 6 | Tipo: Optativa | Curso: | Periodo: 1º S | ||
| Departamento: | |||||
| Profesorado: | |||||
| ZIVANOVIC ., MIROSLAV (Resp) [Tutorías ] | |||||
Descripción/Contenidos
En el curso se estudian varias técnicas avanzadas de procesado de señal en el contexto de señales biomédicas. Además, se realizan prácticas de laboratorio para todos los temas desarrollados. En primer lugar, se estudian las características de las señales no estacionarias y se introducen dos prominentes técnicas tiempo-frecuencia. A continuación, se introducen los procesos estocásticos y señales aleatorias, como aproximación al estudio de señales biomédicas que presentan ruidos, artefactos, interferencias etc. Se estudian distintos modelos paramétricos, incluido el filtro de Kalman, para caracterizar estas señales. También se estudia el problema de separación de fuentes y su solución mediante el método ¿projection pursuit¿ y el análisis de componentes independientes (ICA). Por último, se explica la problemática de las señales multicanal y se introduce la estrategia y las técnicas básicas del análisis bivariable.
Competencias genéricas
RA2 - Evaluar diferentes aproximaciones a problemas de la Ingeniería Biomédica, valorando críticamente sus metodologías, prestaciones, limitaciones y resultados, incluyendo, en su caso, una reflexión sobre las responsabilidades sociales y éticas vinculadas a la solución propuesta en cada caso.
CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación
CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
CB9- Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades de ingeniería biomédica.
Resultados aprendizaje
RA25 - Gestionar de manera avanzada datos biomédicos: captura, filtrado, ingestión y procesamiento de alto nivel
RA26 - Desarrollar, modificar y utilizar algoritmos para el procesamiento avanzado de señales de EMG y EEG.
RA27 - Analizar e interpretar los resultados extraídos de diversas técnicas avanzadas de procesado de ECG y EMG.
RA37opt: Modelar y desarrollar técnicas avanzadas de procesado de señal en aplicaciones de ingeniería biomédica.
Metodología
| Metodología ¿ Actividad | Horas Presenciales | Horas no presenciales |
| AF1 Clases expositivas/participativas | 24 | |
| AF2 Prácticas | 22 | 40 |
| AF3 Realización de proyecto | 8 | 30 |
| AF4 Estudio individual | 15 | |
| AF5 Tutorías | 2 | |
| AF9 Pruebas de evaluación | 4 | |
| Total | 60 | 90 |
Evaluación
| Resultados de aprendizaje |
Actividad de evaluación |
Peso (%) | Carácter recuperable |
Nota mínima requerida |
|---|---|---|---|---|
| RA2, RA25, RA27 | Prueba teórica | 40 | sí | |
| RA26 | Prueba de prácticas | 40 | sí | |
| RA37opt | Proyecto | 20 | no | |
Temario
Tema 1. Análisis tiempo-frecuencia
- Espectrograma
- Representación dispersa de señales
- Descomposición empírica de modos
- Modelado de señales no estacionarias
- Aplicaciones
Tema 2. Procesado estadístico
- Procesos estocásticos y señales aleatorias
- Modelado estadístico
- Filtro de Kalman
- Aplicaciones
Tema 3. Separación de fuentes
- El problema de la separación ciega de fuentes
- Método ¿projection pursuit¿
- Análisis de componentes independientes (ICA)
- Aplicaciones
Tema 4. Análisis bivariable.
- Introducción al análisis bivariable
- Correlación cruzada y coherencia
- Análisis de información mutua
- Sincronización de fase
- Aplicaciones
Programa de prácticas experimentales
Práctica 1. Descomposición tiempo-frecuencia de señales biomédicas
Práctica 2. Descomposición tiempo-escala de señales biomédicas
Práctica 3. Modelado determinista de señales biomédicas
Práctica 4. Modelado estadístico de señales biomédicas
Práctica 5: Filtro de Kalman y sus vertientes
Práctica 6. Separación de fuentes biomédicas
Práctica 7. Análisis bivariable de señales biomédicas
Práctica 8. Análisis de señales de electroencefalografía
Práctica 9 y 10: Proyecto
Bibliografía
Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.
- J. Shlens, A tutorial of independent component analysis (2014).
- J. V. Stone, Independent component analysis. The MIT Press, 2004.
- L. Sorno, P. Laguna, Bioelectrical signal processing in cardiac and neurologic applications. Elsevier. Amsterdam, 2005.
- E. Bruce, Biomedical signal processing and signal modelling. John Wiley and Sons, 2001.
-R. M. Rangayyan. Biomedical signal processing: a case study approach. IEEE Press, 2002.
- S. Tong, N.V. Thakor, Quantitative EEG analysis methods and clinical applications. Artech House, 2009.
- K. J. Blinowska, J Zygierewicz, Practical biomedical signal analysis using Matlab. CRC Press, 2012.
- G. Clifford, Advanced methods and tools for ECG data analysis. Artech House, 2006.
- C. Sidney Burrus, Ramesh A. Gopinath and Haitao Guo, Introduction to wavelets and wavelet transforms: A primer. Prentice Hall, 1998.