22055 Videregående signalbehandling med medicinske anvendelser

2022/2023

Kursusinformation
Advanced signal processing with biomedical applications
Engelsk
10
Kandidat
Kurset udbydes som enkeltfag
E3 (tirs 8-12, fre 13-17)
Campus Lyngby
Forelæsninger, gæsteforelæsninger fra hospitaler og medico-virksomheder, eksterne besøg, opgaver, laboratorieøvelser og projektarbejde i grupper af 2-4 studerende.
13-uger
E3A, E3B
Mundtlig eksamen og bedømmelse af rapport(er)
Individuel mundtlig eksamen baseret på mini-grupperapport (40%), og specifikke pensumspørgsmål (60%). Fire mini-grupperapporter skal afleveres i løbet af kurset. Via lodtrækning i slutningen af kurset fås den rapport, som indgår som del af den mundtlige eksamen.
Alle hjælpemidler er tilladt
7-trins skala , ekstern censur
22052
Maksimum: 50
Helge Bjarup Dissing Sørensen , Tlf. (+45) 4525 5244
22 Institut for Sundhedsteknologi
I studieplanlæggeren
Dette kursus giver den studerende en mulighed for at lave eller forberede et projekt som kan deltage i DTUs studenterkonference om bæredygtighed, klimateknologi og miljø (GRØN DYST). Se mere på http://www.groendyst.dtu.dk
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