Ingegneria Biomedica L-9

PROGRAMMA DEL CORSO

1. INTRODUZIONE AI SEGNALI BIOMEDICI (~1 CFU)

·    Definizione di segnale biomedico. Esempi di segnali spontanei nell'organismo umano. Classificazione dei segnali: deterministici e stocastici, continui e discreti, periodici e aperiodici.

·       Sistemi per l'analisi dei segnali biomedici: trasduttori.

·       Problematiche di acquisizione: rumore e introduzione ai filtri.

·       Conversione analogico-digitale, teorema del campionamento.

·       Il segnale neuronale: elettroencefalogramma (EEG). Caratteristiche elettrofisiologiche, bande di frequenza.

·       Il segnale cardiaco: elettrocardiogramma (ECG).

2. OPERAZIONI FONDAMENTALI SUI SEGNALI (~2 CFU)

·       Definizioni, proprietà e classificazione dei segnali. Segnali elementari. Energia e potenza di un segnale.

·       Operazioni sui segnali: traslazione, scalatura, convoluzione.

·       Analisi di Fourier: introduzione ai segnali periodici e analisi dal tempo alla frequenza

·       Serie di Fourier per segnali periodici

·       Trasformata continua di Fourier

·       Trasformata discreta di Fourier (DFT) e Fast Fourier Transform (FFT)

·       Tecniche di finestratura

·       Cenni segnali stocastici, processi stazionari

·       Cenni sui segnali non stazionari

·       Stima spettrale, periodogramma e sue varianti.

3. FUNZIONE DI TRASFERIMENTO E SISTEMI, CLASSIFICAZIONE E PROGETTO DEI FILTRI (~1 CFU)

·       Sistemi lineari tempo-invarianti.

·       Filtri analogici: passa-basso, passa-alto, passa-banda, elimina-banda. Filtri di Butterworth, Chebyshev, Bessel.

·       Filtri digitali: definizioni e classificazioni. Filtri FIR (Finite Impulse Response) e IIR (Infinite Impulse Response).

·       Esempi di progettazione di filtri FIR

4. STRUMENTI STATISTICI PER L'ANALISI DI DATI BIOMEDICI (~3 CFU)

·       Statistica descrittiva: misure di centralità (media, mediana, moda), misure di dispersione (varianza, deviazione standard).

·       Indici di posizione. Percentili e quartili.

·       Rappresentazioni grafiche dei dati. Boxplot e range interquartile

·       Distribuzioni di probabilità. Distribuzione normale e zscore

·       Statistica inferenziale: test di ipotesi, livelli di significatività, p-value

·       Test parametrici (es. test t di Student) vs Test non parametrici

·       Test di indipendenza (es. Test Chi quadro)

·       Indice di correlazione

·       Cenni di statistica multivariata: analisi delle componenti principali

5. CASI STUDIO E APPLICAZIONI PRATICHE (~1 CFU)

·       Esempio di analisi di segnale EEG simulato: preprocessing, filtraggio, analisi spettrale.

·       Esempio di caso studio di analisi di EEG di pazienti affetti da patologie neurodegenerative

Obiettivi Formativi

L'insegnamento dei metodi e modelli di elaborazione di segnali biomedici nasce dalla necessità di fornire agli studenti le competenze fondamentali per l'analisi e l'interpretazione dei segnali fisiologici nel contesto biomedico. Tali conoscenze rappresentano un bagaglio indispensabile per qualsiasi professionista che intenda operare nell'ambito dell'ingegneria biomedica, della diagnostica medica e delle tecnologie sanitarie, settori in cui l'elaborazione e l'analisi dei segnali biologici costituiscono elementi centrali per lo sviluppo di sistemi diagnostici e terapeutici.

Il corso si articola in diverse sezioni progressive che guidano lo studente dalla comprensione teorica all'applicazione pratica. Le prime sezioni forniscono le basi teoriche sui segnali biomedici, con particolare attenzione ai segnali neurali (EEG), e introducono i sistemi di acquisizione e le problematiche legate al rumore e alla conversione analogico-digitale. Le sezioni centrali approfondiscono gli strumenti matematici fondamentali, dall'analisi di Fourier alla teoria dei sistemi e dei filtri digitali, essenziali per l'elaborazione dei segnali biomedici. Il corso integra inoltre gli strumenti statistici necessari per l'analisi dei dati biomedici, dalla statistica descrittiva ai test di ipotesi. L’ultima sezione è dedicata a casi studio pratici che permettono allo studente di applicare le competenze acquisite su segnali EEG, fornendo così un collegamento diretto tra teoria e applicazioni cliniche concrete.

Risultati di apprendimento attesi

I risultati di apprendimento attesi sono:

·       Conoscenze avanzate in un ambito di lavoro o di studio, che presuppongano una comprensione critica di teorie e principi.

·       Abilità avanzate, che dimostrino padronanza e innovazione necessarie a risolvere problemi complessi ed imprevedibili in un ambito specializzato di lavoro o di studio.

·       Gestire attività o progetti, tecnico/professionali complessi assumendo la responsabilità di decisioni in contesti di lavoro o di studio imprevedibili.

·       Assumere la responsabilità di gestire lo sviluppo professionale di persone e gruppi.

Nello specifico per il corso di elaborazione di segnali biomedici:

Conoscenza e capacità di comprensione

Conoscenza e capacità di comprensione: conoscenza degli strumenti teorici e metodologici necessari per l'analisi e l'elaborazione dei segnali biomedici. Capacità di comprensione dei principi fondamentali dell'analisi di Fourier, della teoria dei sistemi e dei filtri. Comprensione delle caratteristiche specifiche dei segnali biologici (EEG, ECG) e delle problematiche legate alla loro acquisizione e processamento.

Capacità di applicare conoscenza e comprensione

Relativamente alla conoscenza e capacità di comprensione applicate, gli studenti dovranno essere in grado di applicare le tecniche di elaborazione dei segnali e gli strumenti statistici nella risoluzione di problemi concreti di analisi di dati biomedici, progettando analisi statistiche e spettrale appropriate.

Abilità di giudizio

Agli studenti saranno forniti i criteri per la valutazione critica della qualità dei segnali biomedici acquisiti, per la scelta appropriata delle tecniche di elaborazione in funzione del tipo di segnale e dell'applicazione clinica, e per l'interpretazione corretta dei risultati dell'analisi statistica e spettrale.

Abilità di comunicare

Capacità di motivare le scelte metodologiche prendendo come riferimento studi scientifici che hanno contribuito in maniera evidente allo sviluppo delle tecniche di elaborazione dei segnali biomedici. Capacità di descrivere e commentare i risultati dell'analisi dei segnali, adeguando le forme comunicative agli interlocutori del settore biomedico e ingegneristico.

Capacità di apprendimento

Capacità di analizzare criticamente casi di studio clinici attraverso l'applicazione delle tecniche apprese. Capacità di aggiornamento attraverso la consultazione di pubblicazioni scientifiche nell'ambito dell'ingegneria biomedica e dell'elaborazione dei segnali biologici, con particolare riferimento alle applicazioni diagnostiche e terapeutiche innovative.

Il docente consiglia l’integrazione del materiale fornito (videolezioni, dispense) con i seguenti testi, a cui il docente può fare riferimento durante le lezioni:

·       “Fondamenti di analisi di segnali biomedici” Landini, PISA University press 2013.

·       “Teoria dei Segnali” Marco Luise, Giorgio M. Vitetta (2009) McGraw Hill ed.

·       “The scientist and engineer's guide to digital signal processing”, Steven W. Smith, Second Ed. California Technical Publishing 1999