Биомедицинские сенсоры и сигналы
Beschreibung: Дисциплина посвящена изучению основ современной биомедицинской техники, принципов построения, диагностики и исследования характеристик сложных физико-технических комплексов и устройств, датчиков, микроэлектронных и наноэлектронных сенсоров.
Betrag der Credits: 5
Пререквизиты:
- Интегральная и микропроцессорная схемотехника
Arbeitsintensität der Disziplin:
| Unterrichtsarten | Uhr |
|---|---|
| Vorträge | 15 |
| Praktische Arbeiten | |
| Laborarbeiten | 30 |
| AASAL (Autonomes Arbeiten der Schüler unter Anleitung des Lehrers) | 30 |
| SE (Studentisches Eigenarbeiten) | 75 |
| Endkontrollformular | экзамен |
| Form der Endkontrolle | Экзамен |
Komponente: Компонент по выбору
Zyklus: Базовые дисциплины
Цель
- Формирование у магистрантов знаний о принципах работы биомедицинских сенсоров, методах регистрации и анализа биосигналов, а также приобретение навыков применения современных инструментов для обработки данных, что позволит разрабатывать и адаптировать сенсорные системы для диагностики и мониторинга состояния здоровья.
Задача
- Изучение принципов, методов и алгоритмов обработки и анализа биомедицинских сигналов, изображений, а также методов синтеза соответствующих программноалгоритмических средств, применяемых в медицинских системах.
- Освоение современных направлений развития информационных технологий и перспектив их использования в медицине.
- Приобретение навыков работы с научной литературой для самостоятельного решения научно-исследовательских и прикладных задач в данной области знаний.
Результат обучения: знание и понимание
- Описывать проблемы качества сигналов и способы устранения артефактов.
- Описывать современные методы цифровой обработки биосигналов (фильтрация, временно-частотный анализ, предсказательное моделирование).
Результат обучения: применение знаний и пониманий
- Использовать инструменты цифровой обработки сигналов (Python, MATLAB).
- Выполнять фильтрацию биосигналов и устранять артефакты (сетевые помехи, дрейф сигнала, физиологические шумы).
- Проводить анализ биосигналов с помощью Фурье- и вейвлет-преобразования.
Результат обучения: формирование суждений
- Анализировать качество биомедицинских сигналов и оценивать достоверность полученных данных.
- Выбирать наилучшие методы обработки данных в зависимости от типа сенсора и цели исследования.
Результат обучения: коммуникативные способности
- Описывать и объяснять принципы работы биомедицинских сенсоров и их применение в медицине., как специалистам, так и не специалистам
Результат обучения: навыки обучения или способности к учебе
- Овладевать новыми методами цифровой обработки сигналов и машинного обучения.
- Применять современные аналитические инструменты для обработки биосигналов.
Lehrmethoden
интерактивная лекция (применение следующих активных форм обучения: ведомая (управляемая) дискуссия или беседа; модерация; демонстрация слайдов или учебных фильмов);
поисково-исследовательская (самостоятельная исследовательская деятельность обучающихся в процессе обучения).
Bewertung des Wissens der Studierenden
| Period | Art der Aufgabe | Gesamt |
|---|---|---|
| 1 Bewertung | Лабораторная работа "Биомедицинские сигналы в задачах функциональной диагностики: регистрация и анализ " | 0-100 |
| Лабораторная работа "Хранение и обработка биомедицинских сигналов в медицинских системах " | ||
| Лабораторная работа "Исходный анализ параметров биомедицинских сигналов перед обработкой" | ||
| Рубежный контроль 1 | ||
| 2 Bewertung | Лабораторная работа "Расчет параметров биомедицинских сигналов после обработки" | 0-100 |
| Лабораторная работа "Фурье-анализ в обработке биомедицинских сигналов" | ||
| Лабораторная работа "Вейвлет-анализ для выявления аномалий в биомедицинских сигналах" | ||
| Рубежный контроль 2 | ||
| Endkontrolle | экзамен | 0-100 |
Die Bewertungspolitik der Lernergebnisse nach Arbeitstyp
| Art der Aufgabe | 90-100 | 70-89 | 50-69 | 0-49 |
|---|---|---|---|---|
| Exzellent | Gut | Befriedigend | Ungenügend | |
| Лабораторная работа | демонстрирует системные теоретические знания, владеет терминологией, логично и последовательно объясняет сущность явлений и процессов, делает аргументированные выводы и обобщения, приводит примеры, показывает свободное владение монологической речью и способность быстро реагировать на уточняющие вопросы | демонстрирует прочные теоретические знания, владеет терминологией, логично и последовательно объясняет сущность, явлений и процессов, делает аргументированные выводы и обобщения, приводит примеры, показывает свободное владение монологической речью, но при этом делает несущественные ошибки, которые исправляет самостоятельно или при незначительной коррекции преподавателем | демонстрирует неглубокие теоретические знания, проявляет слабо сформированные навыки анализа явлений и процессов, недостаточное умение делать аргументированные выводы и приводить примеры, показывает недостаточно свободное владение монологической речью, терминологией, логичностью и последовательностью изложения, делает ошибки которые может исправить только при коррекции преподавателем | демонстрирует незнание теоретических основ предмета, несформированные навыки анализа явлений и процессов, не умеет делать аргументированные выводы и приводить примеры, показывает слабое владение монологической речью, не владеет терминологией, проявляет отсутствие логичности и последовательности изложения, делает ошибки, которые не может исправить даже при коррекции преподавателем, отказывается отвечать на занятии |
Bewertungsbogen
Итоговая оценка знаний обучающего по дисциплине осуществляется по 100 балльной системе и включает:
- 40% результата, полученного на экзамене;
- 60% результатов текущей успеваемости.
Формула подсчета итоговой оценки:
| И= 0,6 | Р1+Р2 | +0,4Э |
| 2 |
где, Р1, Р2 – цифровые эквиваленты оценок первого, второго рейтингов соответственно; Э – цифровой эквивалент оценки на экзамене.
Итоговая буквенная оценка и ее цифровой эквивалент в баллах:
Буквенная система оценки учебных достижений обучающихся, соответствующая цифровому эквиваленту по четырехбалльной системе:
| Оценка по буквенной системе | Цифровой эквивалент | Баллы (%-ное содержание) | Оценка по традиционной системе |
|---|---|---|---|
| A | 4.0 | 95-100 | Отлично |
| A- | 3.67 | 90-94 | |
| B+ | 3.33 | 85-89 | Хорошо |
| B | 3.0 | 80-84 | |
| B- | 2.67 | 75-79 | |
| C+ | 2.33 | 70-74 | |
| C | 2.0 | 65-69 | Удовлетворительно |
| C- | 1.67 | 60-64 | |
| D+ | 1.33 | 55-59 | |
| D | 1.0 | 50-54 | |
| FX | 0.5 | 25-49 | Неудовлетворительно |
| F | 0 | 0-24 |
Темы лекционных занятий
- Современные биомедицинские сенсоры: принципы работы и классификация
- Методы регистрации биомедицинских сигналов: проблемы и решения
- Беспроводные сенсорные системы и IoT-решения в медицине
- Мультимодальные системы и интеграция данных
- Предобработка биомедицинских сигналов: фильтрация, нормализация, устранение артефактов
- Временной и частотный анализ биомедицинских сигналов
- Методы анализа вариабельности биосигналов и нелинейных характеристик
- Предсказательное моделирование на основе биосигналов
- Методы машинного обучения для анализа биомедицинских сигналов
- Глубокие нейросети и их применение в анализе сигналов
- Компьютерное зрение в обработке биомедицинских изображений
- Алгоритмы слияния данных и принятия решений
- Обучаемые системы мониторинга пациентов и предсказательное моделирование
- Биометрические сенсоры и их применение в медицине
- Интеграция биомедицинских сенсоров в носимые устройства
- Будущее биомедицинских сенсоров: перспективные технологии и вызовы
Основная литература
- Фролов А.В. Цифровая обработка билмедицинских сигналов и изображений. - Москва: МГТУ им. Н.Э.Баумана ,2020.- 400с.
- Умняшкин, С.В. Основы теории цифровой обработки сигналов [Электронный ресурс] : учебное пособие / С.В. Умняшкин. — Электрон. текстовые данные. — М. : Техносфера, 2016. — 528 c.
- Скворцов, С.П. Основы применения вейвлет-преобразования для фильтрации и сжатия биомедицинских данных [Электронный ресурс] : учебное пособие / С.П. Скворцов. — Электрон. текстовые данные. — М. : Московский государственный технический университет имени Н.Э. Баумана, 2012. — 68 c.
- Смоленцев, Н.К. Введение в теорию вейвлетов [Электронный ресурс] / Н.К. Смоленцев. — Электрон. текстовые данные. — Москва, Ижевск: Регулярная и хаотическая динамика, 2010. — 292 c.
Дополнительная литература
- Кубланов В.С., Долганов А.Ю., Костоусов В.Б.Биомедицинские сигналы и изображения в цифровом здравоохранении: хранение, обработка и анализ. – Екатеринбург: УрФУ, 2021. – 350 с.
- Гордон С., Холден С.Биомедицинские сенсоры и устройства. – Санкт-Петербург: Питер, 2019. – 280 с.
- Макарова Н.В.Статистический анализ медико-биологических данных. – Москва: Научный центр здоровья детей РАМН, 2018. – 320 с.
- Рабинович, Е.В. Методы и средства обработки сигналов [Электронный ресурс] : учебное пособие / Е.В. Рабинович. – Электрон. текстовые данные. – Новосибирск: Новосибирский государственный технический университет, 2009. – 144 c.
