Studenti budou po absolvování předmětu umět snímat a zpracovávat základní biologické jedno a vícekanálové signály (EKG, EEG, krevní tlak, EMG, EP, plicní ventilaci), 2D a 3D obrazy CT,MR,UZ,OCT. Budou provádět experimenty na zařízení Vernier ( snímání teploty, tlaku, EKG, ventilačních parametrů a svalové aktivity) a Walter (snímání EEG). Budou umět filtraci signálů, odhad energie pomocí FFT, vlnkové analýzy, parametrizaci podobnosti signálů, odhadovat entropii a fraktální dimenzi signálů a obrazů.

Students completing the course will be able to capture and process the basic biological single and multi-channel signals (ECG, EEG, blood pressure, EMG, EP, ventilation), 2D and 3D images of CT, MR, ultrasound, OCT. They will conduct experiments on Vernier equipment (measuring temperature, pressure, ECG, ventilation parameters and muscle activity) and Walter (EEG). They will be able to filter signals, estimate power spectra using FFT, wavelet analysis, parameterization similarities signals to estimate the entropy and fractal dimension of signals and images.

Z: Uhlíř, J., Sovka, P., Čmejla, R.: Úvod do číslicového zpracování signálů. ČVUT Praha 2003. ISBN 80-01-02613-2

Z: Zaplatílek, K., Doňar, B.: MATLAB - začínáme se signály. BEN 2006. ISBN 80-7300-200-0

D: John G. Proakis: Digital Signal Processing (4th Edition) ISBN-10: 0131873741; ISBN-13: 978-0131873742

R: Uhlíř, J., Sovka, P., Čmejla, R.: Úvod do číslicového zpracování signálů. ČVUT Praha 2003. ISBN 80-01-02613-2

R: Zaplatílek, K., Doňar, B.: MATLAB - začínáme se signály. BEN 2006. ISBN 80-7300-200-0

A: John G. Proakis: Digital Signal Processing (4th Edition) ISBN-10: 0131873741; ISBN-13: 978-0131873742

1. Proč studovat biologické signály, rozdělení signálů a jejich geneze, nejčastější aplikace.

Cvičení: Snímání biosignálů pomocí přístroje Vernier Labquest, zobrazování a zpracování programy Logger Lite a Logger Pro

2. Pořizování a vlastnosti vybraných biomedicínských dat, výběr informací, stacionarita, artefakty, potlačování rušivých složek

Cvičení: Signal processing toolbox v MatLabu, generování, zobrazování a zpracování biosignálů, práce v prostředí SPTOOL

3. Analýza signálů jednoho svalového vlákna, motorické jednotky, testování funkce nervosvalové plotény, ortogonální funkce, algoritmy pro dekompozici interferenčních křivky

Cvičení: Snímání signálů motorických jednotek povrchovou elektrodou, dekompozice jedné křivky, dekompozice multikanálového záznamu

4. Analýza signálů motorických, senzitivních a vegetativních vláken periferního nervu, analýza míšních reflexů a F vlny, v praxi používané metody parametrizace naměřených dat

Cvičení: Expertní systémy pro rozpoznávání normy, axonální a demyelinizační polyneuropatie na základě automaticky parametrizovaných křivek s použitím neuronových sítí

5. Analýza somatosenzorických, zrakových, sluchových a kognitivních evokovaných potenciálů, metody potlačování šumu, habituace a zprůměrňování, problém stanovení normy

Cvičení: Detekce evokovaných odpovědí z jednotlivých záznamů, metody multirezoluční dekompozice, diskriminační analýza

6. Analýza klidového a zátěžového elektrokardiogramu

Cvičení: Snímání a zpracování klidového a zátěžového elektrokardiogramu na přístroji Labquest a v Matlabu

7. Analýza normálního EEG záznamu, konvoluce, korelace, digitální filtrace

Cvičení: Snímání klidového EEG na přístroji Walter, filtrace, detrendování signálu, korelační analýza, spektrální analýza

8. Analýza stimulovaného EEG, evokované potenciály vyvolané zábleskem, klasifikace spánkového EEG, segmentace, vlnková transformace, míry podobnosti signálů

Cvičení: Snímání simulovaného EEG na přístroji Walter, srovnání korelace, koherence a vzájemné informace mezi blízkými a vzdálenými kanály u stimulovaného a nestimulovaného EEG

9. Analýza 1-D a 2-D ultrazvukových signálů, prostorová filtrace průměrováním a s využitím robustního prostorového mediánu, zaostření s využitím konvoluce, detekce hran, lineární morfologické operace, textury

Cvičení: Identifikace anatomických struktur v ultrazvukových obrazech

10. Analýza snímků počítačové tomografie, Radonova a inverzní Radonova transformace, prostorové transformace a registrace obrazů

Cvičení: Segmentace a klasifikace segmentů u snímků CT páteře, prostorové transformace a registrace snímků CT mozku

11. Analýza snímků nukleární magnetické rezonance, základní principy, funkční magnetická rezonance

Cvičení: Zobrazení a zpracování MR obrazů v image procesing toolboxu v Matlabu

12. Analýza snímků digitální subtrakční angiografie, magneticko rezonanční a počítačově tomografické angiografie,

Cvičení: 3D rekonstrukce cévního stromu z 2D snímků

13. Analýza snímků single fotonové emisní tomografie, pozitronové emisní tomografie, CT a MR snímky s kontrastem, morfologické filtrace

Cvičení:

14. Metody komprese a dekomprese biosignálů, záznam a přenos, dlouhodobý záznam biosignálů

Cvičení: Komprese a dekomprese obrazů, porovnání komprese pomocí vlnkové transformace, kódování délky sekvence, Huffmanova kódování, aritmetického kódování, delta kódování, JPEG

1. Why study biological signals, the types of signals and their genesis, the most common applications.

Exercise: Taking biosignals using Vernier Labquest devices, imaging and signal processing by the programs Logger Lite and Logger Pro

2. Recording and properties of the biomedical data, information selection, stationarity, artifacts, denoising

Tutorial: Signal processing toolbox in Matlab, generating signals and digital signal processing, environment SPTOOL

3. Signal analysis of a muscle fiber, motor unit evaluation, neuromuscular function testing, orthogonal function decomposition algorithms for interference curve

Exercise: Scanning signals of motor units by surface electrode , a EMG signal decomposition, decomposition of multichannel recording

4. Signal analysis of motor, sensory and autonomic peripheral nerve fibers, analysis of spinal reflexes and F waves, parameterisation of measured data

Exercise: Expert systems for recognition axonal and demyelinating polyneuropathy based on automatically parameterized curves using neural networks

5. Analysis of somatosensory, visual, auditory and cognitive evoked potentials, methods of noise suppression, habituation and averaging, the problem of normal values

Exercise: Detection of evoked responses of individual records, multiresolution decomposition methods, discriminant analysis

6. Analysis of normal and stress electrocardiogram

Exercise: Capturing and processing normal and stress electrocardiogram on the unit Labquest and Matlab

7. Analysis of the normal EEG, convolution, correlation, digital filtering

Exercise: Recording EEG on Walter device, filtering, signal detrending procedure, correlation analysis, spectral analysis

8. Analysis of stimulated EEG, evoked potentials induced by light, EEG classification, segmentation, wavelet transform, the degree of similarity of signals

Exercise: Recording a simulated EEG on Walter device, comparison of correlation, coherence and mutual information between close and distant channels in stimulated and non-stimulated EEG

9. Analysis of the 1-D and 2-D ultrasound signals, the spatial filtering and averaging using robust spatial median, using convolution, edge detection, linear morphological operations, texture

Exercise: Identification of anatomical structures in ultrasound images

10. Image processing of the computer tomography, Radon and inverse Radon transform, spatial transformations and image registration

Exercise: Segmentation and classification of segments for the CT images of the spine, spatial transformation and registration of brain CT images

11. Analysis of images of nuclear magnetic resonance, basic principles, functional magnetic resonance imaging

Exercise: Viewing and processing of MR images in image procesing toolbox in Matlab

12. Analysis of digital subtraction angiography images, magnetic resonance and computed tomographic angiography,

Exercise: 3D reconstruction of the vascular tree from 2D images

13. Analysis of single photon emission images tomography, positron emission tomography, CT and MR images with contrast, morphological filtering

Exercise:

14. Methods of compression and decompression, biosignal recording and transmission, long-term recording of biosignals

Exercise: Compression and decompression of images, comparing compression using wavelet transform, sequence length coding, Huffman coding, arithmetic coding, delta encoding, JPEG

žádné

none

žádné

none