Análise de Sinais Biomédicos

Não tem Fotografia:
José Salvado
Código:
18449
Ano:
1
Semestre:
S1
Créditos ECTS:
6
Carga Horária:
PL(30H)/T(30H)
Área Científica:
Bioengenharia
Objectivos de Aprendizagem:
Dotar os alunos das competências matemáticas e computacionais necessárias para processar, analisar e extrair informações de diagnóstico de dados de sinais biológicos e biomédicos. Os alunos irão explorar desde o pré-processamento de sinais unidimensionais e multidimensionais, desde as técnicas e os algoritmos tradicionais do processamento de sinais nos domínios do tempo e da frequência, até à aplicação de algoritmos avançados de Machine Learning e Deep Learning para apoio à decisão clínica.
No final da unidade curricular, o aluno deverá compreender os conceitos teóricos que fundamentam o registo de sinais biomédicos,
compreender o seu âmbito de aplicação e as suas limitações. Deverá ainda saber aplicar métodos de análise aos sinais biomédicos
capturados em laboratório ou obtidos através de bibliotecas online, em particular a sinais de Eletrocardiografia, Eletromiografia, etc.
Desenvolver capacidade de análise crítica e de adaptar soluções a novas situações.
Conteúdos programáticos:
- Natureza dos sinais biomédicos. Sinais analógicos, discretos e digitais.
- Ruído. Sistemas lineares, convolução e filtros digitais.
- Análise na frequência. Transformada de Fourier e espectro. Método de Welch.
- Deteção de Eventos e Correlação. Autocorrelação e correlação cruzada.
- Análise Tempo-Frequência. Transformada de Fourier localizada e resolução temporal e espectral.
- Transformada de Wavelet. Decomposição de sinais por análise multiresolução.
- Análise Multicanal: Modelos MVAR e estimadores de dependência entre canais. Coerência cruzada.
- Análise de Componentes Principais e de Componentes Independentes. Aplicações na separação e eliminação de artefactos.
- Extração e Seleção de Características. Características descritoras para treino computacional.
- Machine Learning Clássico. Introdução ao Clustering e Classificadores Supervisionados.
- Deep Learning e Inteligência Artificial Avançada. Redes neuronais. Deteção de anomalias por aprendizagem automática.
Metodologias de Ensino e Critérios de Avaliação:
Os alunos são avaliados pela realização de duas provas escritas (P1 e P2), realizadas no período de ensino-aprendizagem, ao longo do semestre, ou por uma prova nas épocas de exame (Pex).
A classificação final (CFinal) será: CFinal = 50% P1 + 50% P2 ou CFinal = Pex.

Assiduidade mínima: 70%: Os estudantes com assiduidade inferior a 70% não são admitidos a exame: NANF

Classificação mínima requerida em qualquer uma das provas em ensino-aprendizagem: 7,0 valores
Os estudantes que obtenham uma classificação inferior a 7,0 valores em qualquer das provas no ensino e aprendizagem e com assiduidade igual ou superior a 70% são admitidos a exame.

São considerados aprovados e dispensados de exame os estudantes que, pelo cálculo da média ponderada, no período de ensino e aprendizagem, obtenha uma classificação igual ou superior a 9,5 valores.
Bibliografia principal:
* Fundamentals of Digital Signal Processing Using MATLAB, Robert J. Schilling and Sandra L. Harris, 2nd Ed, 2012, ISBN-13: 978-0-8400-6909-2, ISBN-10: 0-8400-6909-X
* Biomedical Signal Analysis, Contemporary Methods and Applications; Fabian J. Theis e Anke Meyer-Base; April 2010, MIT Press; ISBN-13:978-0-262-01328-4
* Biomedical Signal Analysis, Rangaraj m. Rangayyan, 3rd Ed, April 2024, IEEE Press / John Wiley and Sons; ISBN: 978-1119825852
* Computational Intelligence in Biomedical Engineering, Rezaul Begg, Daniel T. H. Lai and Marimuthu Palaniswami, 2008, CRC Press, ISBN: 13: 978-0-8493-4080-2
* Artificial Intelligence and Machine Learning in Healthcare, Ankur Saxena • Shivani Chandra, Springer, ISBN 978-981-16-0810-0
* slides de suporte às aulas TE, elaboradas pelo docente responsável
* fichas ou guias de trabalho de suporte às aulas PL, elaboradas pelo docente responsável
Língua:
Português
Esta informação promove os seguintes Objetivos de Desenvolvimento Sustentável da ONU:
Garantir o acesso à educação inclusiva, de qualidade e equitativa, e promover oportunidades de aprendizagem ao longo da vida para todos