OBIETTIVI FORMATIVI

L'insegnamento ha l'obiettivo di fornire le conoscenze di base sulle metodologie per il trattamento e l'elaborazione numerica di dati e segnali in campo biomedico, in vista di possibili applicazioni cliniche

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

Obiettivo 1. Comprendere le basi teoriche per l’elaborazione dei segnali discreti. Risultati di apprendimento per l'Obiettivo 1.  Gli studenti saranno in grado di descrivere le basi teoriche delle tecniche fondamentali dell’elaborazione numerica dei segnali discreti (e.g. Discrete Fourier Transform, Filter design, Power spectral density estimation).

Obiettivo 2. Applicare strumenti dell’elaborazione dei segnali a contesti clinico-scientifici propri della Bioingegneria. Risultati di apprendimento per l'Obiettivo 2. Gli studenti saranno in grado di applicare gli strumenti teorici a casi d’esame propri della Bioingegneria quali ad esempio lo studio dei segnali elettroencefalografici ed elettrocardiografici. Gli studenti apprenderanno le basi fisiologiche della generazione dei segnali stessi e come alcuni strumenti vengono ad oggi utilizzati per il supporto alla diagnosi in particolari patologie.

Obiettivo 3. Comprendere e applicare correttamente un test d’ipotesi Risultati di apprendimento per obiettivo 3 Gli studenti sapranno discutere le basi teoriche legate alla formulazione di un test d’ipotesi e sapranno condurre un test d’ipotesi con particolare attenzione alla verifica dei criteri di applicabilità e validazione degli stessi. 

Obiettivo 4. Problem solving in casi reali di analisi di segnali biomedicali. Risultati di apprendimento per l'Obiettivo 4. Durante i gruppi di lavoro, gli studenti acquisiranno la capacità di risolvere problemi specifici di analisi dei dati applicando le tecniche acquisite durante il corso. I gruppi di lavoro saranno organizzati in modo tale che diversi studenti assumano ruoli diversi come nei veri team di laboratorio.

PREREQUISITI

Conoscere gli elementi fondamentali di comunicazoini elettriche, dell'analisi di sistemi (Laplace, Fourier), e della statistica descrittiva (istogramma, media, varianza etc.). Inoltre è fortemente consigliato aver sostenuto l'esame degli insegnamenti di matematica, fisica, e programmazione di base, in particolare nel linguaggio di programmazione Matlab. Verranno fornite risorse di autoapprendimento e autovalutazione per i suddetti prerequisiti formativi.

MODALITA' DIDATTICHE

Lezioni ed esercizi in aula. Esercitazioni in MATLAB da svolgere autonomamente durante il semestre e da consegnare tramite Aulaweb.

PROGRAMMA/CONTENUTO

Elaborazione di segnali

• Segnali deteministici a tempo discreto: richiami sul campionamento di segnali a tempo continuo. Rappresentazione di sequenze numeriche. Caratterizzazione energetica. Trasformata di Fourier discreta (DTFT e DFT).
• Sistemi a tempo discreto: equazioni lineari alle differenze a coefficienti costanti. Convoluzione numerica. Trasformata Z. Sistemi FIR e IIR e la loro implementazione. Uso di grafi di flusso e matrici per la rappresentazione dei filtri numerici. Tecniche di progetto di filtri numerici. Calcolo della trasformata di Fourier discreta (FFT).
• Segnali aleatori a tempo discreto: richiami sui processi stocastici. Principi fondamentali di teoria della stima. Stima dell’autocovarianza e dello spettro di potenza.

Elaborazione dati

Statistica descrittiva e inferenziale. Elementi di calcolo delle probabilità. Stime e test. Test di Student. Analisi della varianza. Errori di prima e seconda specie. Intervalli di confidenza. Statistica discreta. Regressione lineare.

TESTI/BIBLIOGRAFIA

Materiale distribuito e note disponibili su Aulaweb.

• Oppenheim A.V.,  Schafer R.W. Discrete-time signal processing. 3rd Edition. Pearson New International Edition.
• G. Filatrella, P. Romano Elaborazione statistica dei dati sperimentali, EDISES.
• T. Vargiolu, Elementi di probabilità e statistica, CLEUP.