Sei sulla pagina 1di 16

Elaborazione di Segnali Biomedici (ESB)

Regole desame

Prova pratica in laboratorio (si pu sostenere a coppie)


Durata circa 1.5 2 ore
Possibilit di consultare appunti e internet
Possibilit di portare e (ri)utilizzare codici propri
Voto in 30-esimi

Se la prova pratica superata con votazione >= 18, si accede alla


verifica orale (entro 1 settimana dalla pubblicazione dei voti dello scritto)
della durata di 5-10 minuti (1 sola domanda) su tutti gli argomenti del
corso, con la possibilit di consultare il libro di testo.

L. Mesin, Introduction to Biomedical Signal Processing, ISBN 9788892322721


http://ilmiolibro.kataweb.it/libro/didattica-e-dispense/314585/introduction-to-biomedical-signal-processing/

2
THEMES
Biomedical Signal Processing
Biomedical Imaging and Image Processing
Bioinstrumentation, Biosensors and Bio-Micro/Nano Technologies
Bioinformatics and Computational Biology, Systems Biology &
Modeling Methodologies
Cardiovascular and Respiratory Systems Engineering
Neural and Rehabilitation Engineering
Cellular and Tissue Engineering and Biomaterials
Biomechanics and Robotics
Therapeutic and Diagnostic Systems, Devices and Technologies &
Clinical Engineering
Healthcare Information Systems & Telemedicine
Biomedical Engineering Education and Society
Technologies for Active Ageing and Wellbeing

3
Biomedical signal processing

4
Argomenti del corso
Teoria dei filtri digitali e tecniche speciali di filtraggio
Stima spettrale tradizionale
Stima spettrale parametrica
Trasformate tempo frequenza
Analisi non-lineare

Applicazioni specifiche
Rimozione dellinterferenza di rete da segnali ECG
Stima spettrale su segnali EEG
Analisi di fatica muscolare localizzata durante contrazioni stimolate e
volontarie
Analisi dellautoregolazione cerebrale e analisi della variabilit cardiaca
Analisi di entropia dei segnali EEG ed ECG
5
Elaborazione dei segnali nella mia attivit di ricerca 1/2
Stima non invasiva della pressione tramite la misura del VTT
Applicazioni in elettromiografia
1. Stima della fatica muscolare con tecniche non lineari
2. Stima della direzione delle fibre muscolari
3. Stima delle regioni muscolari attive

Applicazioni nello studio dellelettroencefalografia (con il supporto


dellAssociazione Interludio Blu Onlus)
1. Prognosi del coma
2. Stima del deficit di coscienza
3. Previsione dellattacco epilettico
4. Brain Computer Interface
5. Identificazione del complesso lento bifasico
6. Studio dello stato di meditazione

Applicazioni in elettrocardiografia
1. Biometria
2. Sottocampionamento del segnale per applicazioni Holter
6
Elaborazione dei segnali nella mia attivit di ricerca 2/2

Studio del pupillogramma


1. Analisi non lineare della risposta del sistema autonomo
2. Brain Computer Interface basata sullaccomodazione

Studio della risposta allo stress


Caratterizzazione dello stato di idratazione di un paziente in condizioni
critiche attraverso lo studio della pulsatilit della vena cava inferiore

7
Esempio di sviluppo di nuovi algoritmi basati sulla simulazione

EMG di superficie multicanale

IZ

Direzione delle fibre IZ

L. Mesin, Volume conductor models in surface electromyography: Computational techniques, COMP BIOL MED, 2013
L. Mesin, Real time estimation of generation, extinction and flow of muscle fibre action potentials in high density surface EMG, COMP BIOL
MED, 2015
L. Mesin, Real time identification of active regions in muscles from high density surface electromyogram, COMP BIOL MED, 2015 8
Studi inerenti il segnale EEG

Identificazione del
complesso lento bifasico

Complessit del segnale


EEG di pazienti con deficit
di coscienza

9
Brain Computer Interface
Si tratta di un sistema di comunicazione tra il cervello e un dispositivo,
volto alla riabilitazione o al supporto di funzioni cognitive o motorie.

Soggetto sano Paziente Paziente con BCI

Sistema per
lacquisizione
di EEG

10
Esempio di studio in corso

9
Example of EEG recorded
during movements of a hand 8

7
6

channel
5
4
3
2
1
Movements onset

Optimal Spatio-Temporal Filter


1
A surrogate signal is obtained as a
linear combination of the data,
chosen in order to increase the 0
signal to noise ratio, where signals
are MRCPs (up to 2 s before the
movement onset) and noise epochs -1
are during relaxation. 0 5 10 15 20 25 30 35 40 45 50
time (s) 11
ECG
Sotto-campionamento

Diverse forme
donda in un
ECG patologico

L - left bundle branch block beat; R - right bundle branch block beat; V - premature ventricular contraction
12
La pupilla riflette lattivit del sistema autonomo
ze - normalized data 30 Left pupil size -
Traiettoria della

pixel
9000
8800 1
pupilla

pixel
8600
0
8400 Light
8200 -1 1
8000 30
7800
Pupil size

pixel
-2
0 5 10 15 20 25 30
-3
Tempo (s)
30 40 - da ciascun 50 60 10 20
Darkness30
Esempio di video frame 1. dimensione e posizione 1
1 30
time (s)
(al buio, senza alcuno stimolo) pixel time
2. Estrazione di indici
Power FL = 21.7%; Power FH = 18.1% RR==0.17
Recurrence plot - RR 17 % DET
- DET = 95.4 %
= 95.4%
1 1400
Indici lineari
Normalized power spectrum

1200
0.8 MNF = 0.21 Hz PSD

Second delay
1000
AR PSD
0.6 800

0.4 600

Fhigh Flow = 21.7%


400
0.2
Fhigh = 18.1% 200

0
0 0.2 0.4 0.6 0.8 1 200 400 600 800 1000 1200 1400
Flow frequency (Hz) First delay (in campioni)
Applicazioni: identificazione della risposta a differenti stimoli deboli (occlusione dentale e TENS)
Mesin L., Monaco A., Cattaneo R., Investigation of Nonlinear Pupil Dynamics by Recurrence Quantification Analysis, BioM Res Int
2013
Mesin L, Cattaneo R, Monaco A, Pasero E. Pupillometric study of the dysregulation of the autonomous nervous system by SVM
networks. In: Howlett RJ, Lakhmi Jain C, editors. Smart Innovation, Systems and Technologies. Springer; 2013 13
Diversi segnali che riflettono lattivit dellANS
cranial rhythmic impulse

14
Pulsatilit della vena cava inferiore

La dinamica della vena dipende da 2


forzanti (respiratoria e cardiaca).

Whole signal
7
6
5
Area (cm2)

Respiratory component
7
6
5
Cardiac component
7
6
5
0 5 10 15 20 25 30
Time (s)
15
Conclusioni

Lelaborazione dei segnali biomedici offre molte possibilit di applicazione

Si tratta di un settore oggetto di continua ricerca e in forte espansione

16