At give en indføring i moderne signalbehandlingsmetoder til adaptiv
stokastisk signalbehandling, klassifikation og fortolkning af en-
og fler-dimensionale signaler i forskellige applikationer herunder
medicinske. At give indsigt i eksempler fra den medicinske verden
og metoder til automatisk ekstraktion af diagnostisk information
som en del af kurset. At opnå praktisk erfaring via to
miniprojekter i signalbehandlingsmetoder og to miniprojekter fra
hospitaler og/eller medicotekniske virksomheder.
Erhvervelse af viden om metoders forskellige anvendelsesmuligheder
herunder medicinske.
Kurset giver viden om avanceret signalbehandling til civil
specialiseringer bl.a. følgende indenfor Medicin og Teknologi:
Signal og modelbaseret diagnostik, Billeddiagnostik og
strålingsfysik, og Biomekanik og biomaterialer.
Læringsmål:
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
Anvende avanceret signalbehandling på en- og flerkanals
medicinske signaler.
Anvende avanceret signalbehandling på multidimensionale
medicinske signaler.
Fortolke og bearbejde medicinske signaler fra en række konkrete
medicinske anvendelser.
Beskrive og anvende signalbehandlingsmetoder til fjernelse af
artifakter i medicinske signaler.
Karakterisere unikke segmenter eller regioner i medicinske
signaler og billeder med automatiske metoder med henblik på
klassifikation.
Anvende signalbehandlingsmetoder til karakterisering af
fysiologiske og patologiske fænomener.
Benytte modellering af medicinske signaler til karakterisering
af disse.
Anvende signalbehandlingsmetoder til klassifikation af normale
og patologiske fænomener observeret via signaler i forbindelse med
diagnostisk beslutningsstøtte.
Beskrive de anvendte medicinske signalbehandlingsmetoders
muligheder og begrænsninger.
Planlægge og udføre laboratorie- og projektarbejde, formidle
resultater i form af en projektrapport, der opfylder de
grundlæggende krav til videnskabelig formidling.
Kursusindhold:
1. del af kurset fokuserer på en- og flerkanals-signalbehandling:
Støjreduktion og fjernelse af artefakter i signaler herunder
nonadaptiv og adaptiv ("selvtænkende") filtrering.
Identifikation af begivenheder/epochs i signaler og sammenkædning
med fysiologiske processer med bl.a. spektrale teknikker og matched
filter teknik.
Automatisk karakterisering af underliggende fysiologiske og
patologiske fænomener ud fra tids- og frekvensdomænet.
Metoder til modellering af dannelsen af signaler og identifikation
af sammenhængen mellem model og applikation fulgt af
beslutningsstrategi.
Nonstationær signalanalyse herunder automatisk segmentering
(opdeling) af signaler med statistiske metoder.
Ulineær signalbehandling i form af neurale model inspireret af
hjernens ”signalbehandling”.
Mønsterklassifikation og følgende beslutningsstrategier for
applikationen. Eksempelvis diagnostiske beslutningsstrategier.
2. del af kurset er centreret omkring multidimensional
signalbehandling:
Støjreduktion, fjernelser af artefakter og kontrastforbedring i
flerdim. billeder.
Automatisk detektion af ”region of interest” (ROI) i billeder.
Analyse af organer, celler og objekters former og orientering, og
vævsstrukturer.
Mønsterklassifikation og beslutningsstrategier.
Analyse af bevægelsesapparatet til f.eks. genoptræning af
hjerneskadede.
Automatisk detektion og klassifikation af hændelser i computer
vision, eksempelvis detektion af epilepsianfald i videosekvenser.
Undervisningen suppleres med gæsteforelæsninger vedr.
signalbehandling på hospitaler og i virksomheder.
I kurset arbejdes der med fire miniprojekter. Tentative projekter:
Dataopsamling, støjreduktion og fjernelse af artefakter i
medicinske signaler.
Human Computer Interface (styring af computer med hjernesignaler),
grundlæggende teknikker.
Multidim. analyse og klassifikation af f.eks. hud- og brystkræft.
Automatisk videoovervågning, f.eks. af epilepsipatienter.
Bemærkninger:
Kurset er rettet mod Medicin & Teknologi studerende og andre
studerende fra Institut for Elektroteknologi, men også rettet mod
studerende fra andre institutter med interesse i avanceret
signalbehandling, da kursets metoder er generelt anvendelige.
