Overordnede kursusmål
At give en indføring i moderne signalbehandlingsmetoder til adaptiv
stokastisk signalbehandling, klassifikation/machine learning og
fortolkning af en- og flerdimensionale signaler i forskellige
applikationer herunder medicinske anvendelser. 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 medikotekniske 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 Machine Learning baseret 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/machine learning.
- Anvende signalbehandlingsmetoder og machine learning til
karakterisering af fysiologiske og patologiske fænomener.
- Benytte modellering af medicinske signaler til karakterisering
af disse.
- Anvende signalbehandlingsmetoder til klassifikation/machine
learning 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 medicinske 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 filterteknik.
- Automatisk karakterisering af underliggende fysiologiske og
patologiske fænomener ud fra
tids- og frekvensdomænet.
- Metoder til medicinsk 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 neural model inspireret af
hjernens ”signalbehandling”.
- Mønsterklassifikation/machine learning og følgende
beslutningsstrategier for
applikationen. Eksempelvis diagnostiske beslutningsstrategier.
2. del af kurset er centreret omkring medicinsk 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,
samt vævsstrukturer.
- Mønsterklassifikation, machine learning, deep learning 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 af kroppens signaler, støjreduktion i medicinske
signaler og automatisk
diagnostisk fortolkning af signalerne.
- Human Computer Interface (styring af computer med
hjernesignaler), grundlæggende
teknikker.
- Multidimensional analyse og klassifikation af f.eks. hud- og
brystkræft.
- Automatisk videoovervågning, f.eks. af epilepsipatienter,
højrisiko patienter, og 3D scanning.
Bemærkninger
Kurset er rettet mod Medicin & Teknologi studerende, og er også
meget brugbart for andre studerende med interesse i avanceret
signalbehandling, da kursets metoder er generelt anvendelige.
Sidst opdateret
02. maj, 2022