Biomedizinische Signalanalyse (BioSig)5 ECTS
(englische Bezeichnung: Biomedical Signal Analysis)
(Prüfungsordnungsmodul: Biomedizinische Signalanalyse)

Lehrveranstaltungen:

• • Biomedizinische Signalanalyse
    (Vorlesung, 2 SWS, Björn Eskofier, Mi, 08:15 - 09:45, H10; Online)
  • Biomedizinische Signalanalyse Übung
    (Übung, 2 SWS, Björn Eskofier)

Inhalt:

Im Rahmen der Vorlesung werden (a) die Grundlagen der Generation von wichtigen Biosignalen im menschlichen Körper, (b) die Messung von Biosignalen und (c) Methoden zur Analyse von Biosignalen erläutert und dargestellt.
Behandelte Biosignale sind unter anderem Aktionspotential (AP), Elektrokardiogramm (EKG), Elektromyogramm (EMG), Elektroenzephalogramm (EEG), oder Mechanomyogramm (MMG). Bei der Messung liegt der Fokus beispielsweise auf der Messtechnik oder der korrekten Sensor- bzw. Elektrodenanbringung. Im größten Teil der Vorlesung, Analyse von Biosignalen, werden Konzepte zur Filterung für die Artefaktreduktion, der Wavelet Analyse, der Ereigniserkennung und der Wellenformanalyse behandelt. Zum Schluss wird einen Einblick in überwachte Verfahren der Mustererkennung gegeben.

The lecture content explains and outlines (a) basics for the generation of important biosignals of the human body, (b) measurement of biosignals, and (c) methods for biosignals analysis.
Considered biosignals are among others action potential (AP), electrocardiogram (ECG), electromyogram (EMG), electroencephalogram (EEG), or mechanomyogram (MMG). The focus during the measurement part is for example the measurement technology or the correct sensor and electrode placement. The main part of the lecture is the analysis part. In this part, concepts like filtering for artifact reduction, wavelet analysis, event detection or waveform analysis are covered. In the end, an insight into pattern recognition methods is gained.

Lernziele und Kompetenzen:

Die Studierenden können nach erfolgreichem Abschluss des Kurses After completion of the course students are able to

Wissen

• die Entstehung, Messung und Charakteristika der wichtigsten Biosignale des menschlichen Körpers wiedergeben

• reproduce the generation, measurement, and characteristics of important biosignals of the human body

Verstehen

• die wesentlichen Ursachen von Artefakten in Biosignalen erklären

• Zusammenhänge zwischen der Entstehung der Biosignale des menschlichen Körper und dem gemessenen Signal erklären

• Messmethoden der wichtigsten Biosignale erklären

• Filteroperationen zur Eliminierung von Artefakten erläutern

• bekannte Algorithmen der Verarbeitung bestimmter Biosignal erklären (z.B. Pan Tompkins für EKG)

• typische Komponenten und ihre Bedeutung in einer generischen Signalanalyse Kette erläutern

• die Struktur und Funktionsweise von Systemen zur maschinellen Klassifikation einfacher Muster darstellen

• explain the causes of artifacts in biosignals

• explain relations between the generation of biosignals and the measured signal

• explain methods for the measurement of important biosignals

• explain filter operations for the reduction of artifacts

• eyplain algorithms for the analysis of important biosignals (e.g. Pan Tompkins for EKG)

• explain typical components and their importance in the signal a nalysis chain

• explain structure and functioning of systems for machine learning and pattern recognition

Anwenden

• Signalcharakteristiken im Zeit- und Frequenzbereich bestimmen

• Algorithmen der Biosignalverarbeitung anwenden und in Python implementieren

• Filteroperationen zur Eliminierung von Artefakten anwenden und in Python implementieren

• Methoden selbstständig auf interdisziplinäre Fragestellungen der Medizin und der Ingenieurwissenschaften anwenden

• das Ergebnis von typischen Filteroperationen abschätzen

• determine signal characteristics in the time and frequency domain

• apply and implement algorithms for signal analysis in Python

• implement filter operations for the reduction of artifacts in Python

• estimate the result of filter operations

• apply methods to interdisciplinary problems in medicine and medical engineering
  

Analysieren

• Filtercharakteristika von Schaltkreisen ableiten

• Algorithmen der Biosignalverarbeitung vergleichen

• Klassifikationsprobleme in Python lösen

• Typische Artefakte in Biosignalen erkennen und Lösungsstrategien vorschlagen

• derive filter characteristics from electric circuits

• compare signal analysis algorithms

• solve classification problems in Python

• recognize typical artifacts in biosignals and propose solutions for their reduction

Evaluieren (Beurteilen)

• Biosignale mit medizinischen Normalwerten vergleichen und im medizinischen Kontext evaluieren

• Klassifikationsergebnisse beurteilen

• die Bedeutung der Biosignalverarbeitung für die Medizintechnik diskutieren

• Probleme in Gruppen kooperativ und verantwortlich lösen und in der Übungsgruppe bzw. im Forum diskutieren

• compare biosignals with medical norm values and evaluate them in a medical context

• evaluate classification results

• discuss the importance of biomedical signal analysis for medical engineering

• solve and discuss problems in groups cooperatively in the group excercises and the online forum

Literatur:

• R.M. Rangayyan, Biomedical Signal Analysis: A case-study approach. 1st ed., 2002, New York, NY: John Wiley & Sons.

• E.N. Bruce, Biomedical Signal Processing and Signal Modeling. 1st ed., 2001, New York, NY: John Wiley & Sons.

Verwendbarkeit des Moduls / Einpassung in den Musterstudienplan:

1. Artificial Intelligence (Master of Science)
   (Po-Vers. 2021s | TechFak | Artificial Intelligence (Master of Science) | Gesamtkonto | Wahlpflichtmodulbereich | Subsymbolic AI/Machine Learning | Biomedizinische Signalanalyse)
2. Artificial Intelligence (Master of Science)
   (Po-Vers. 2021s | TechFak | Artificial Intelligence (Master of Science) | Gesamtkonto | Nebenfach | Nebenfach Medizinische Informatik | Schwerpunkt Bildverarbeitung | Biomedizinische Signalanalyse)
3. Artificial Intelligence (Master of Science)
   (Po-Vers. 2021s | TechFak | Artificial Intelligence (Master of Science) | Gesamtkonto | Nebenfach | Nebenfach Artificial Intelligence in Biomedical Engineering | Biomedizinische Signalanalyse)

Studien-/Prüfungsleistungen:

Biomedizinische Signalanalyse (Prüfungsnummer: 30701)

(englischer Titel: Biomedical Signal Analysis)

Prüfungsleistung, Klausur, Dauer (in Minuten): 90, benotet, 5 ECTS

Anteil an der Berechnung der Modulnote: 100.0 %

weitere Erläuterungen:
90-minütige schriftliche Klausur über den Stoff der Vorlesung und der Übungen; Elektronische Prüfung; Fernprüfung.

Erstablegung: WS 2022/2023, 1. Wdh.: SS 2023

1. Prüfer:

Felix Kluge