Consulta de Guías Docentes



Academic Year/course: 2022/23

633 - Master's Degree in Biomedical Engineering

69724 - Scientific visualization and representation techniques


Syllabus Information

Academic Year:
2022/23
Subject:
69724 - Scientific visualization and representation techniques
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

1.1. Aims of the course

The course has an strong applied character, and focuses on understanding of scientific foundations of Computer Graphics applied to the particular field of Scientific Data Visualization.

The problem of Scientific Data Visualization focuses on the transformation from magnitudes to images, in order to use the most powerful sense  the human being has: vision.

The course and its intended results are based on the following approacches:

  • Defining what is Data Visualization about.
  • Introduce some needed bases of Conputer Graphics.
  • Analyze the different structures of data representations, at topological and geometrical levels.
  • Describe widely and with several examples the algorithmic bases of visualization.
  • Apply those algorithms and techiques to multiple cases in the world of Biomedicine.

After passing the course, the student will be able to:

  • Have a general view of the field of Data Visualization.
  • Comprehend the mathematical models and algorithms implied in the process.
  • Count on knowledge on both tools and methodologies.
  • Choose or design software solutions to solve a given visualization problem.
  • Transmit to any kind of public the acquired knowledge.

1.2. Context and importance of this course in the degree

There is no requirements on previous matters in the Master, that should be needed to follow this course.

2. Learning goals

2.2. Learning goals

After passing the course, the student will demonstrate the following results:

  • Understand the logical structure of the information visualization techiniques from Computer Graphics
  • Distinguish the most suitable solutions to visualize data of assorted types: scalar, vectorial, tensorial, etc.
  • State adequate solutions to visualization problems for meshes with attributes of multiple types over space.
  • Some experience on work in small groups, starting from an scenary (usually supplied by the teacher), modifying and adapting it to its own needs, with capacity to solve data visualization problems in Biomedicine.

2.3. Importance of learning goals

Nowadays, development of any Biomedicine related activity requires the use of software tools that allow visualizing data, either as results of an experimental analysis or as the outcomo of a computer simulation.

3. Assessment (1st and 2nd call)

3.1. Assessment tasks (description of tasks, marking system and assessment criteria)

Students should prove they have achived the planned learning objectives by means of the following evaluation activities:

E1: Final exam (30%)

Written exam, common for all students in the course. The test will consist of some theorical and practical questions.

E2: Lab work (30%)

Evaluation of the work will be based on the work itself, lab results and reports generated about the exercises in lab sessions, either at the lab or later.

E3: Tutored application work (40%)

Application work done by students as homework along the course. Evaluation of the work will be based on the work itself, results achieved, and proposed solution.

In order to pass the course, the students will need to have a minimum weighted average of 5/10, and at least a grade of 4/10 on each of the evaluation activities. If the grade of any of the activities is below 4, the maximum grade will be 4/10.

Any student that chooses not to to follow this evaluation procedure, or fails to pass those tests along the course time frame, o even that would like to ehance its marks on any activity, will be able to access a final global exam on each examinations convocatory available in the course.

4. Methodology, learning tasks, syllabus and resources

4.1. Methodological overview

The methodology followed in this course is oriented towards achievement of the learning objectives.

A wide range of teaching and learning tasks are implemented, such as lectures, student participation, computer lab sessions for data visualization, autonomous and continuous work, practical tasks and research assignments, usually related with the student's PhD work.

4.2. Learning tasks

The course includes the following learning tasks:

  • Lectures (20h): The main course contents are presented and discussed, always using example problems related to Bio-Engineering. Student participation is encouraged.
  • Computer lab sessions (10h): Lab sessions are carried out in between lectures, in the same classroom. The students develop the theoretical concepts with the use of computer applications specifically designed for data visualization. Students use their own computers/laptops with software supplied by the theacher. Only free or public sofware is used.
  • Practical assignment (10h): Development of a practical assignment, more complex than the ones done lab sessions that students can solve individually or in pairs. It requires a written report and a public presentation.
  • Assessment tests (3h): The students will take an exam, and submit several reports derived from the computer lab sessions and from the practical assignment.
  • Self study and autonomous work (32h): both for grounding of theoretical concepts as for preparation and final solving of lab session problems and practical assignments, if extra time is required.

4.3. Syllabus

The course will address the following blocks and topics:

Theory

  • General intro to the problem of Scientific Data Visualization.
  • Principles of Computer Graphics
  • Basic data representation and modelling.
  • Fundamental Data Visualization algorithms.
  • Specialized data representation and advanced algorithms.
  • Special needs for visualization in Biomedic Engineering.

Practice

  • Three-dimensional data processing
  • Interactive applications for scientific data visualization: Paraview
  • Interactive applications for medical data visualization: 3DSlicer
  • Intro to specific application development: VTK

4.4. Course planning and calendar

Further information concerning the timetable, classroom, office hours, assessment dates and other details regarding this course, will be provided on the first day of class or please refer to the Master website (http://www.masterib.es).

Dates for submission and tracking of practical work will be detailed with enough anticipation both in lectures and on the course web page at the Unizar ADD, https://moodle.unizar.es/.


Curso Académico: 2022/23

633 - Máster Universitario en Ingeniería Biomédica

69724 - Técnicas de visualización y representación científica


Información del Plan Docente

Año académico:
2022/23
Asignatura:
69724 - Técnicas de visualización y representación científica
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

1.1. Objetivos de la asignatura

La asignatura tiene un fuerte carácter aplicado, y se centra en la comprensión multidisciplinar de la fundamentación científica del campo de la imagen por computador en general, así como de sus aplicaciones en la visualización de datos científicos.

El problema de la Visualización de Datos se centra en la transformación de magnitudes en imágenes, con objeto de utilizar el sentido más potente que tiene el ser humano para analizar la información: el sentido de la vista.

La asignatura y sus resultados previstos responden a los siguientes planteamientos:

  • Definir en qué consiste la Visualización de Datos.
  • Presentar las bases del mundo de la Informática Gráfica
  • Analizar las posibles estructuras topológicas y geométricas y los atributos de las representaciones de datos.
  • Describir de forma amplia y con ejemplos los algoritmos de visualización.
  • Aplicar esos algoritmos y técnicas a casos concretos en el mundo de la Biomedicina.

Una vez superada la asignatura, se espera que el alumno haya adquirido las siguientes competencias:

  • Tendrá una visión general del campo de la visualización de datos.
  • Contará con el conocimiento de los modelos matemáticos y algoritmos implicados en el proceso.
  • Contará con conocimiento de herramientas y metodologías.
  • Sabrá elegir o diseñar soluciones software para un problema concreto en el campo de la visualización.
  • Sabrá transmitir a un público de cualquier tipo los conocimientos adquiridos.

Estos planteamientos y objetivos están alineados con los siguientes Objetivos de Desarrollo Sostenible (ODS) de la Agenda 2030 de Naciones Unidas (https://www.un.org/sustainabledevelopment/es/), de tal manera que la adquisición de los resultados de aprendizaje de la asignatura proporciona capacitación y competencia para contribuir en cierta medida a su logro:

  • Objetivo 7: Energía asequible y no contaminante

En particular, con el subobjetivo "7.3  De aquí a 2030, duplicar la tasa mundial de mejora de la eficiencia energética":
En la asignatura se hace hincapié en la eficiencia de los algoritmos y programas, dejando claro que la energía empleada en los cáculos es un recurso escaso y es necesario minimizarla.

  • Objetivo 8: Trabajo decente y crecimiento económico

En particular, con el subobjetivo "8.2 Lograr niveles más elevados de productividad económica...":
Se imparten conocimientos sobre técnicas modernas y diversificadas de visualización, lo que ayuda a modernizar el sector en el momento en que los estudiantes se conviertyan en profesionales.

  • Objetivo 9: Industria, innovación e infraestructuras

En particular, con los subobjetivos "9.5 Aumentar la investigación científica y mejorar la capacidad tecnológica de los sectores industriales" y "9.c Aumentar significativamente el acceso a la tecnología de la información y las comunicaciones":
El conocimiento de técnicas avanzadas de visualización mejora la capacidad tecnológica  del sector,especialmente en el mundo de la Biomedicina.

1.2. Contexto y sentido de la asignatura en la titulación

Esta asignatura optativa pertenece al conjunto de disciplinas enmarcadas dentro de las Tecnologías Horizontales, que pueden servir a  todas las especialidades del máster.

Las técnicas expuestas en esta asignatura se apoyan en el uso exhaustivo de herramientas informáticas.

1.3. Recomendaciones para cursar la asignatura

Los profesores encargados de la impartición de la asignatura pertenecen al Area de Lenguajes y Sistemas (LSI) del Departamento de Informática e Ingeniería de Sistemas (DIIS).

No se requiere haber cursado ningua asignatura previa en el máster.

Esta asignatura requiere para su superación: 

  1. Estudio de los conceptos teóricos.
  2. Realización y análisis de los ejercicios planteados en las clases prácticas.

2. Competencias y resultados de aprendizaje

2.1. Competencias

Al superar la asignatura, el estudiante será más competente para...

  • 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 (CB. 6)
  • 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 (CB.7)
  • Que los estudiantes sean capaces de integrar conocimiento y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios (CB.8)
  • 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 (CB.9)
  • Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo (CB.10)
  • Poseer las aptitudes, destrezas y método necesarios para la realización de un trabajo de investigación y/o desarrollo de tipo multidisciplinar en cualquier área de la Ingeniería Biomédica (CG.1)
  • Ser capaz de usar las técnicas, habilidades y herramientas de la Ingeniería necesarias para la resolución de problemas del ámbito biomédico y biológico (CG.2)
  • Ser capaz de comprender y evaluar críticamente publicaciones científicas en el ámbito de la Ingeniería Biomédica (CG.3)
  • Ser capaz de aprender de forma continuada y desarrollar estrategias de aprendizaje autónomo (CG.4)
  • Ser capaz de gestionar y utilizar bibliografía, documentación, legislación, bases de datos, software y hardware específicos de la ingeniería biomédica (CG.5)
  • Ser capaz de analizar, diseñar y evaluar soluciones a problemas del ámbito biomédico mediante conocimientos y tecnologías avanzados de biomecánica, biomateriales e ingeniería de tejidos (CO.3)

2.2. Resultados de aprendizaje

El estudiante, tras superar esta asignatura, deberá demostrar los siguientes resultados:

  1. Conocer con claridad la estructura lógica del paradigma de visualización de información propuesto por la Informática Gráfica.
  2. Conocer el tipo de soluciones más adecuadas a la hora de visualizar datos escalares, vectoriales, tensoriales, ...
  3. Aprender a plantear soluciones adecuadas a problemas de visualización de mallas con varios tipos de atributos diferentes en cada nodo del espacio.
  4. Adquirir la experiencia de trabaja en grupos pequeños, y partiendo de un ejercicio marco proporcionado por el profesor, sabe modificarlo de forma adecuada, y es capaz de resolver problemas de visualización de datos científicos, fundamentalmente biomédicos.

2.3. Importancia de los resultados de aprendizaje

El desarrollo actual de muchas actividades relacionadas con el mundo de la Biomedicina, requiere de forma inevitable de la utilización de herramientas informáticas que permitan la visualización de los datos obtenidos del análisis de un fenómeno o de una simulación para poder avanzar en el desarrollo de sus proyectos. 

La importancia de los resultados de aprendizaje de esta asignatura radica, en que se describen de forma completa tanto las estructuras espaciales de los datos que aparecen normalmente así como los algoritmos habituales que subyacen en la mayoría de las herramientas informáticas relacionadas con el mundo de la visualización de datos científicos.

3. Evaluación

3.1. Tipo de pruebas y su valor sobre la nota final y criterios de evaluación para cada prueba

El estudiante deberá demostrar que ha alcanzado los resultados de aprendizaje previstos mediante las siguientes actividades de evaluación:

E1: Examen final (30%)

Examen escrito, común para todos los alumnos de la asignatura. La prueba constará de cuestiones téorico-prácticas.

E2: Prácticas de laboratorio (30%)

La evaluación de las prácticas se realizará a través del propio trabajo, los resultados y de los informes presentados sobre las mismas, bien en la propia practica o a posteriori.

E3: Trabajos práctico tutorizado (40%)

En la evaluación del trabajo tutorizado propuesto a lo largo de la asignatura se tendrá en cuenta tanto la memoria presentada, como la idoneidad y originalidad de la solución propuesta.

Para superar la asignatura se debe obtener una calificación mínima ponderada de 5/10 y una nota superior a 4/10 en cada una de las tres partes. En caso de no obtener la nota mínima exigida en alguna de las tres partes, la calificación en la asignatura será el menor valor entre la media ponderada de las tres partes y 4.

El estudiante que no opte por el procedimiento de evaluación descrito anteriormente, no supere dichas pruebas durante el periodo docente, o que quisiera mejorar su calificación, tendrá derecho a realizar una prueba global en cada una de las convocatorias establecidas a lo largo del curso, en las fechas y horarios determinados por la EINA.

4. Metodología, actividades de aprendizaje, programa y recursos

4.1. Presentación metodológica general

El proceso de aprendizaje que se ha diseñado para esta asignatura se basa en lo siguiente:

  • Aprendizaje de conceptos y técnicas a través de las clases magistrales, en las que se favorecerá la participación de los alumnos.
  • Estudio personal de la asignatura por parte de los alumnos, y la participación en clase en la resolución de los ejercicios planteados.
  • Desarrollo de trabajos prácticos por parte de los alumnos, guiados por los profesores, que desarrollan los conocimientos teóricos.

Se debe tener en cuenta que la asignatura tiene una orientación tanto teórica como práctica. Por ello, el proceso de aprendizaje pone énfasis tanto en la asistencia del alumnado a las clases magistrales como en la realización de los trabajos prácticos y en el estudio individualizado.

El proceso de aprendizaje se desarrollará mediante distintas actividades:

  • Clases magistrales en las que se presentarán los conceptos teóricos necesarios y se fomentará la participación del alumno.
  • Clases prácticas sobre computador, aplicando los conceptos vistos en teoria al uso de aplicaciones diseñadas especificamente para la visualización de datos.
  • Realización de actividades y trabajos prácticos de mayor envergadura que las prácticas, donde se pueden aplicar las técnicas aprendidas en ellas.
  • Aplicación de las herramientas a la solución de problemas reales relacionados con la investigación de los propios estudiantes.

La metodología que se propone trata de fomentar el trabajo continuado del estudiante.

4.2. Actividades de aprendizaje

La asignatura consta de 3 créditos ECTS que corresponden con 75 horas estimadas de trabajo del alumno distribuidas en las siguientes actividades:

  • Clase magistral (20h): Exposición por parte del profesor de los principales contenidos de la asignatura, ejemplificados mediante problemas relacionados con la bioingeniería.
  • Prácticas de laboratorio (10h): Prácticas guiadas que se realizarán sobre un equipo informático, con apoyo del profesor en sesiones de 2 horas. El software necesario será referenciado o suministrado por el profesor, y será de libre distribución. 
  • Realización de un trabajo práctico tutorizado (10h): Trabajo de aplicación, propuesto a cada estudiante o grupo de dos estudiantes. Se realizará una defensa del trabajo (si el calendario lo permite) que será oral y pública.
  • Pruebas de Evaluación (3h): Conjunto de pruebas escritas teórico-prácticas y presentación de informes o trabajos utilizados en la evaluación del progreso del estudiante.
  • Trabajo y estudio personal (32h): tanto para el afianzamiento de los conceptos teóricos como para la preparación y resolución definitiva de las prácticas y trabajos fuera del horario lectivo.

4.3. Programa

El programa que se ofrece al estudiante para ayudarle a lograr los resultados previstos comprende los siguientes bloques y contenidos:

Parte Teórica:

  • Presentación general de la problemática de  la Visualización de Datos Científicos.
  • Conceptos básicos de Informática Gráfica.
  • Representaciones básicas de datos.
  • Algoritmos fundamentales.
  • Representaciones especializadas de datos y algoritmos avanzados.
  • Características especiales de la Visualización en Biomedicina.

Parte Práctica:

  • Procesado de datos 3D
  • Aplicaciones interactivas para visualización de datos generales: Paraview
  • Aplicaciones interactivas para visualización de datos médicos: 3DSlicer
  • Introducción al desarrollo de aplicaciones específicas: VTK

 

4.4. Planificación de las actividades de aprendizaje y calendario de fechas clave

El calendario de la asignatura, tanto de las sesiones presenciales en el aula como de las sesiones de laboratorio, estará determinado por el calendario académico que el centro establezca para el curso correspondiente. El calendario de presentación de trabajos se anunciará convenientemente al inicio de la asignatura.

Entre las principales actividades previstas se encuentran la exposición de los contenidos teóricos, el planteamiento y resolución de problemas, la realización de las prácticas propuestas y la superación de las pruebas de evaluación.

Las fechas de inicio y fin de las clases teóricas y de problemas, así como las fechas de realización de las prácticas de laboratorio y las pruebas de evaluación global serán las fijadas por la Escuela de Ingeniería y Arquitectura y publicadas en la página web del máster (http://www.masterib.es).

Las fechas de entrega y seguimiento de los trabajos prácticos tutorizados se darán a conocer con suficiente antelación en clase y en la página web de la asignatura en el ADD de Unizar, https://moodle.unizar.es/.