The language was changed to English.

Course Type (SWS)
Lecture: 2 │ Exercise: 1 │ Lab: 0 │ Seminar: 0
Exam Number: ZKA 40233
Type of Lecture:
Language: German
Cycle: WS
ECTS: 4
Exam Type Oral Exam (30 min.)
Written Exam (120 min.)
assigned Study Courses
assigned People
assigned Modules
Information
Beschreibung:

Zum Beispiel lassen sich mit heutigen Smart-Watches physiologische Kenngrößen, wie die Herzfrequenz und die Sauersättigung, über die optische Messmethode der Photoplethysmographie (PPG) ermitteln. Dafür ist eine komplexe Signalverarbeitung notwendig. Die Methoden zur Biosignalanalyse werden mit den nachrichten-technischen Verfahren (z. B. Fourier-, Wavelet, Laplace-Transformation) vorgestellt und diskutiert. Zusätzlich werden Methoden zur Datenfilterung mit IIR und FIR-Strukturen vorgestellt und diskutiert, um beispielsweise Störsignale aus dem Nutzsignal zu entfernen. Gegen Ende der Vorlesung wird das Grundprinzip von neuronalen Netzen für den Aufbau eines Klassifikators vorgestellt. Hierzu dienen die Verfahren, um ein Muster aus den Daten zu erkennen bzw. Merkmale zu extrahieren, um das neuronale Netz anzutrainieren. Vertiefend wird ein freiwilliges Übungsprojekt angeboten, bei dem ein neuronales Netz zur Klassifikation von EKG-Daten antrainiert werden soll. Weitere Applikationen wären die hardware-nahe Implementierung der Signalauswertung in Neuro-Implantate, um die Sensordaten möglichst nah am Target auszuwerten.

Lernziele:

Die Studenten sind fähig zu unterscheiden, welche nachrichtentechnischen Verfahren erforderlich sind, um beispielsweise ein neuronales Netz zur Klassifikation von Biosignalen anzuwenden, die eine möglichst hohe Genauigkeit zu erzielen.

Literatur:
  • Daniel Ch. v. Grünigen: Digitale Signalverarbeitung mit einer Einführung in die kontinuierlichen Signale und Systeme, 5. Auflage, 2014, Hanser Verlag
  • Peter Husar: Elektrische Biosignale in der Medizintechnik, 2. Auflage, Springer Verlag
  • Stefan Bernhard, Andreas Brensing, Karl-Heinz Witte: Biosignalverarbeitung: Grundlagen und Anwendungen mit MATLAB®, De Gruyter Verlag
  • Ute Morgenstern, Marc Kraft (Hrsg,) Biomedizinische Technik - Band 1 / 5, De Gruyter Verlag
  • Ian Goodfellow (ed.), Deep Learning – Das umfassende Handbuch, mitp Verlag, 2018
Vorleistung:
Infolink: moodle.uni-due.de/course/view.php?id=19351
Bemerkung:
Description:

For example, with today's smart watches, physiological parameters such as heart rate and oxygen saturation can be determined using the optical measurement method of photoplethysmography (PPG). This requires complex signal processing. The methods for biosignal analysis are presented and discussed with the communications technology procedures (e.g. Fourier, Wavelet, and Laplace transformations). In addition, methods for data filtering with IIR and FIR structures are presented and discussed, for example to remove interference signals from the useful signal. Towards the end of the lecture, the basic principle of neural networks for the construction of a classifier is presented. For this purpose, methods used to recognize a pattern from the data or to extract features in order to train the neural network are used. A voluntary exercise project is offered, in which a neural network for the classification of ECG data is to be trained.

Further applications would be the hardware-related implementation of signal evaluation in neuro-implants in order to evaluate the sensor data as close as possible to the target.

Learning Targets:

The students are able to distinguish which communications technology procedures are required, for example to use a neural network to classify biosignals in order to achieve the highest possible level of accuracy.

Literature:
  • Daniel Ch. v. Grünigen: Digitale Signalverarbeitung mit einer Einführung in die kontinuierlichen Signale und Systeme, 5. Auflage, 2014, Hanser Verlag
  • Peter Husar: Elektrische Biosignale in der Medizintechnik, 2. Auflage, Springer Verlag
  • Stefan Bernhard, Andreas Brensing, Karl-Heinz Witte: Biosignalverarbeitung: Grundlagen und Anwendungen mit MATLAB®, De Gruyter Verlag
  • Ute Morgenstern, Marc Kraft (Hrsg,) Biomedizinische Technik - Band 1 / 5, De Gruyter Verlag
  • Ian Goodfellow (ed.), Deep Learning – Das umfassende Handbuch, mitp Verlag, 2018
Pre-Qualifications:
Info Link: moodle.uni-due.de/course/view.php?id=19351
Notice: