Biomedical signal processing
A.A. 2024/2025
Obiettivi formativi
L'insegnamento si pone l'obiettivo di fornire le competenze teoriche e operative per l'elaborazione numerica dei segnali e delle serie temporali di origine medicale o biologica.
Risultati apprendimento attesi
Lo studente sarà in grado di estrarre caratteristiche da segnali e serie temporali di origine biologica, anche tramite l'analisi spettrale; inoltre apprenderà le specificità dei principali segnali biomedici; infine sarà in grado di progettare e utilizzare filtri digitali per rimuovere disturbi e artefatti dai segnali acquisiti da applicazioni medicali.
Periodo: Primo semestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Corso singolo
Questo insegnamento può essere seguito come corso singolo.
Programma e organizzazione didattica
Edizione unica
Responsabile
Periodo
Primo semestre
Programma
Parte prima
· Principali segnali biologici e loro proprietà
· Campionamento di segnali tempo continui
· Sistemi lineari tempo invarianti (LTI), risposta all'impulso, risposta in frequenza e funzione di trasferimento.
· Filtri con risposta all'impulso finite e infinita (FIR & IIR).
· Progettazione di filtri IIR tramite collocazione diretta di poli e zeri. Filtri IIR classici.
· Progettazione di filtri FIR a fase lineare con il metodo delle finestre.
Parte seconda
Caratterizzazione statistica dei segnali
· Introduzione ai processi stocastici
· Processi stocastici autoregressivi (AR) come modello di segnali biologici.
· Elementi di teoria della stima.
Analisi spettrale
· Stime spettrali non-parametriche e parametriche
· Utilizzo dell'analisi spettrale sul segnale di variabilità cardica
Separazione di sorgenti
· Riduzione del rumore in presenza di pattern ripetuti tramite tecniche di media
· Cross-correlazione e matched filters
Entropia e regolarità di un segnale
· Entropy rate di un segnale come indicatore di regolarità
· Stimatori di entropy rate per segnali biologici
Correlazioni di lungo periodo e segnali frattali
· Insiemi frattali e stima della dimensione frattale
· Processi a lunga memoria e self-similar; rumore 1/f
· Stima dell'esponente di scaling a partire da serie temporali biologiche
· Principali segnali biologici e loro proprietà
· Campionamento di segnali tempo continui
· Sistemi lineari tempo invarianti (LTI), risposta all'impulso, risposta in frequenza e funzione di trasferimento.
· Filtri con risposta all'impulso finite e infinita (FIR & IIR).
· Progettazione di filtri IIR tramite collocazione diretta di poli e zeri. Filtri IIR classici.
· Progettazione di filtri FIR a fase lineare con il metodo delle finestre.
Parte seconda
Caratterizzazione statistica dei segnali
· Introduzione ai processi stocastici
· Processi stocastici autoregressivi (AR) come modello di segnali biologici.
· Elementi di teoria della stima.
Analisi spettrale
· Stime spettrali non-parametriche e parametriche
· Utilizzo dell'analisi spettrale sul segnale di variabilità cardica
Separazione di sorgenti
· Riduzione del rumore in presenza di pattern ripetuti tramite tecniche di media
· Cross-correlazione e matched filters
Entropia e regolarità di un segnale
· Entropy rate di un segnale come indicatore di regolarità
· Stimatori di entropy rate per segnali biologici
Correlazioni di lungo periodo e segnali frattali
· Insiemi frattali e stima della dimensione frattale
· Processi a lunga memoria e self-similar; rumore 1/f
· Stima dell'esponente di scaling a partire da serie temporali biologiche
Prerequisiti
Non sono richieste conoscenze preliminari aggiuntive rispetto a quelle necessarie alla laurea magistrale.
Metodi didattici
Il docente utilizzerà: a) lezioni frontali; b) soluzione di esercizi, preventivamente assegnati agli studenti; c) esemplificazioni in Matlab degli algoritmi utilizzati; d) discussione di paper scientifici, preventivamente assegnati agli studenti.
Materiale di riferimento
Al termine di ogni lezione, i materiali didattici (copie delle slides utilizzate o la copia di quanto scritto alla lavagna elettronica) verranno resi disponibili sul sito web Ariel dell'insegnamento sulla nuova piattaforma MyAriel (https://myariel.unimi.it).
Per la prima parte dell'insegnamento, il testo di riferimento è:
James H. McClellan, Ronald W. Schafer, Mark A. Yoder
Digital Signal Processing First, Second edition (o DSP First, 2nd edition)
Pearson Education, 2016. ISBN-13: 978-1292113869
Per la seconda parte, non c'è ancora un singolo testo che comprenda gli argomenti trattati. I materiali didattici di riferimento saranno quelli caricati sul sito Ariel.
Per la prima parte dell'insegnamento, il testo di riferimento è:
James H. McClellan, Ronald W. Schafer, Mark A. Yoder
Digital Signal Processing First, Second edition (o DSP First, 2nd edition)
Pearson Education, 2016. ISBN-13: 978-1292113869
Per la seconda parte, non c'è ancora un singolo testo che comprenda gli argomenti trattati. I materiali didattici di riferimento saranno quelli caricati sul sito Ariel.
Modalità di verifica dell’apprendimento e criteri di valutazione
L'esame consiste in una prova orale dove viene discusso un progetto: uno studente o un gruppo di due studenti (il cui contributo individuale deve essere chiaramente distinguibile) seleziona uno dei paper scientifici assegnati dal docente e implementa l'algoritmo proposto al suo interno (in Matlab). Il codice è quindi testato su segnali biologici liberamente disponibili online, forniti dal docente o registrati direttamente con un device. Lo studente dovrà inviare il codice al docente (qualche giorno prima della discussione) con una chiara spiegazione di come farlo funzionare. Quindi durante la presentazione presenterà iol lavoro svolto in 10 minuti (precisi, 20 minuti per i gruppo di due studenti, 10 minuti per ogni studente).
La valutazione complessiva è espressa in trentesimi. Il voto finale è assegnato in base ai seguenti criteri: conoscenza degli argomenti, abilità nell'applicare le conoscenze acquisite in pratica, l'abilità di risolvere problemi in modo autonomo, chiarezza nell'esprimere i concetti.
La valutazione complessiva è espressa in trentesimi. Il voto finale è assegnato in base ai seguenti criteri: conoscenza degli argomenti, abilità nell'applicare le conoscenze acquisite in pratica, l'abilità di risolvere problemi in modo autonomo, chiarezza nell'esprimere i concetti.
ING-INF/06 - BIOINGEGNERIA ELETTRONICA E INFORMATICA - CFU: 6
Lezioni: 48 ore
Docente:
Sassi Roberto
Siti didattici
Docente/i
Ricevimento:
Su appuntamento (concordato per email o telefono)
Dipartimento di Informatica, via Celoria 18, stanza 6004 (6 piano, ala Ovest), Milano o remoto via Microsoft Teams