Teaching Guides Query



Academic Year: 2024/25

633 - Master's Degree in Biomedical Engineering

69720 - Advanced  biomedical signal processing


Teaching Plan Information

Academic year:
2024/25
Subject:
69720 - Advanced  biomedical signal processing
Faculty / School:
110 - Escuela de Ingeniería y Arquitectura
Degree:
633 - Master's Degree in Biomedical Engineering
ECTS:
3.0
Year:
1
Semester:
Second semester
Subject type:
Optional
Module:
---

1. General information

The purpose of this subject is that the student acquires knowledge and methodologies of statistical signal processing for its application in biomedical signal processing, taking into account the clinical objectives of each application. It introduces the characterization of stochastic processes, optimal estimators, spectral estimation methods and adaptive filtering.

2. Learning results

To be able to design a biomedical signal conditioning system, taking into account the characteristics of these signals and the post-processing requirements, with the restrictions imposed by not distorting the useful information of the signals.

To be able to solve problems of detection or estimation of clinical parameters of interest, posing them optimally within the framework of detection/estimation theory.

To be able to analyse biomedical signals using spectral estimation techniques, selecting the technique according to the information available on the problem, and the requirements of the application, correctly interpreting the results.

3. Syllabus

1. Basic concepts of statistical signal processing.

2. Parameter estimation and event detection. Applications: averaging, EMG analysis, delays, heart rate variability, event detection, T wave alternations detection... Methods: Parameter estimation. Bias and variance. Optimal estimation (maximum likelihood, least squares, Bayesian methods).

3. Optimal detection. Applications: event detection, QRS detection, postural change detection. Methods: likelihood ratio test (LRT), Neyman-Pearson criterion, evaluation of a detector.

4. Optimal and adaptive filtering. Applications: noise and interference filtering and cancellation, component separation, adaptive estimation. Methods: Wiener filtering, adaptive filtering, LMS algorithm.

4. Academic activities

A01 Participative master class (24 hours). In addition to theory, there will be practical examples, demonstrations and problems.

A03 Laboratory practices (6 hours). Three practical sessions of 2 hours each will be carried out in a computer classroom. A report of the practical sessions must be submitted and will be evaluated.

A05 Practical application or research work (20 hours). Practical exercises will be carried out and students will have to hand them in on the dates set by the teacher (short questions, problems or small programming tasks, analysis and interpretation of processing methods in signals provided).

A06 Tutoring.

A08: Assessment (2 hours).

This course is English Language Friendly, which means that: the course syllabus is also available in English; the study and class materials are in English; the faculty is willing to conduct office hours in English; and students are allowed to take their assessments in English.

5. Assessment system

E1. Final two-part written exam (50% of the final grade; time available: 2 hours).

  • Multiple-choice questions (multiple choice, four answers with penalty for failure). 
  • Short questions. 

It is essential to obtain at least 5 points out of 10 in order to pass the subject.

E2. Tutored practical work (deliverable practical exercises, 30% of the final grade).Throughout the term, practical exercises will be proposed (short questions, problems or small programming tasks, analysis and interpretation of signal processing methods provided by the teacher). Students must deliver them on the established deadlines. Students will show the degree of acquisition of the competences corresponding to the subject and will provide interpretations of the results.

E3. Practical sessions reports: The grade of the practical session report will represent 20% of the final grade.

Students are entitled to be evaluated in a single global test that will take place on the date assigned by the centre for the final exam and in which the aspects evaluated in E2 and E3 will also be assessed.

Likewise, the second call will consist of a single overall written test that will take place during the period established for this purpose.

6. Sustainable Development Goals

3 - Good Health & Well-Being
8 - Decent Work and Economic Growth
9 - Industry, Innovation and Infrastructure


Curso Académico: 2024/25

633 - Máster Universitario en Ingeniería Biomédica

69720 - Tratamiento avanzado de señales biomédicas


Información del Plan Docente

Año académico:
2024/25
Asignatura:
69720 - Tratamiento avanzado de señales biomédicas
Centro académico:
110 - Escuela de Ingeniería y Arquitectura
Titulación:
633 - Máster Universitario en Ingeniería Biomédica
Créditos:
3.0
Curso:
1
Periodo de impartición:
Segundo semestre
Clase de asignatura:
Optativa
Materia:
---

1. Información básica de la asignatura

Esta asignatura tiene como finalidad que el estudiante adquiera conocimientos y metodologías de tratamiento estadístico de señal para su aplicación en el procesado de señales biomédicas teniendo en cuenta los objetivos clínicos de cada aplicación. Se introduce la caracterización de procesos estocásticos, los estimadores óptimos, métodos de estimación espectral y filtrado adaptativo

2. Resultados de aprendizaje

Ser capaz de diseñar un sistema de acondicionamiento de señales biomédicas, teniendo en cuenta las características de esas señales y los requisitos del procesado posterior, con las restricciones que impone no deformar la información útil presente en las señales.

Ser capaz de resolver problemas de detección o de estimación de parámetros clínicos de interés, planteándolos de forma óptima en el marco de la teoría de detección/estimación.

Ser capaz de emplear analizar señales biomédicas mediante técnicas de estimación espectral, seleccionando la técnica en función de la información disponible sobre el problema, y los requisitos de la aplicación, interpretendo correctamente los resultados.

3. Programa de la asignatura

1. Conceptos básicos del tratamiento estadístico de señales.

2. Estimación de parámetros y detección de eventos. Aplicaciones: Promediado, Análisis de EMG, Retardos, Variabilidad del ritmo cardiaco, detección de eventos, detección de alternancias de onda T... Métodos: Estimación de parámetros. Sesgo y Varianza. Estimación óptima (máxima verosimilitud, Mínimos Cuadrados, Métodos Bayesianos).

3. Detección óptima. Aplicaciones: detección de eventos, detección de QRS, detección de cambios posturales. Métodos: Test del cocientes de verosimilitudes (LRT), criterio de Neyman-Pearson, evaluación de un detector.

4. Filtrado óptimo y adaptativo. Aplicaciones: filtrado y cancelación de ruido e interferencias, separación de componentes, estimación adaptativa. Métodos: Filtrado de Wiener, Filtrado Adaptativo, Algoritmo LMS.

4. Actividades académicas

A01 Clase magistral participativa (24 horas). Además de la teoría, se realizarán ejemplos prácticos, demostraciones y problemas.

A03 Prácticas de laboratorio (6 horas). Se realizarán en un aula informática 3 sesiones prácticas de 2 horas cada una. Se deberá presentar una memoria de las prácticas, que será evaluada.

A05 Realización de trabajos prácticos de aplicación o investigación (20 horas). Se realizarán ejercicios prácticos que los estudiantes deberán entregar en las fechas estipuladas por el profesorado (cuestiones cortas, problemas o pequeñas tareas de programación, análisis e interpretación de métodos de procesado en señales proprocionadas).

A06 Tutoría.

A08: Evaluación (2 horas).

Esta asignatura es English Language Friendly, lo que significa que: el programa de la asignatura está también disponible en inglés; los materiales de estudio y de clase están en inglés; el profesorado de la asignatura está dispuesto a atender las tutorías en inglés; se permite que el estudiante realice sus pruebas de evaluación en inglés.

 

5. Sistema de evaluación

E1. Examen escrito final de asignatura compuesto de dos partes (50% de la nota final; tiempo disponible: 2 horas).

  • Cuestiones tipo test (opción múltiple, cuatro respuestas con penalización por fallos). 
  • Cuestiones cortas. 

Es imprescindible obtener al menos 5 puntos sobre 10 para poder superar la asignatura.

E2. Trabajos prácticos tutorizados (ejercicios prácticos entregables, 30% de la nota final). A lo largo del curso se propondrán ejercicios prácticos (cuestiones cortas, problemas o pequeñas tareas de programación, análisis e interpretación de métodos de procesado en señales proporcionadas por el profesor) que los estudiantes deberán entregar en las fechas estipuladas. El estudiante mostrará el grado de adquisición de las competencias correspondientes a la asignatura y proporcionará interpretaciones de los resultados.

E3. Memorias de prácticas: La calificación de la memoria de prácticas representará el 20% de la nota final.

Los estudiantes tienen derecho a ser evaluados en una única prueba global que tendrá lugar en la fecha asignada por el centro para el examen final y en la que se evaluarán también los aspectos evaluados en E2 y E3.

Igualmente, la segunda convocatoria consistirá en una única prueba escrita global que tendrá lugar en el periodo establecido a tal efecto.

6. Objetivos de Desarrollo Sostenible

3 - Salud y Bienestar
8 - Trabajo Decente y Crecimiento Económico
9 - Industria, Innovación e Infraestructura