- Het begrijpen en kritisch evalueren van meer geavanceerde computationele signaalanalysemethoden waarmee kunstmatig gegenereerde signalen en signalen afkomstig van (patho)fysiologische processen kunnen worden bestudeerd.
- Het implementeren van deze signaalanalysemethoden in Matlab.
- Onderscheid kunnen maken tussen relevante signaalcomponenten en artefacten en/of irrelevante signaalcomponenten.
- Het begrijpen en gebruik kunnen maken van bestaande technieken die in de literatuur zijn beschreven en kunnen bepalen welke techniek de beste resultaten oplevert voor een gegeven situatie.
KERNBEGRIPPEN:
Fourier transform, Hilbert transform, power spectral density, sampling, filtering, correlation, coherence, principal/independent component analysis.
|
|
De signaalanalysetechnieken zoals geïntroduceerd in de bachelor fase van de opleiding Technische Geneeskunde zijn vaak niet voldoende voor het analyseren van biomedische signalen. Vaak hebben deze signalen een stochastisch karakter en kunnen ze aanzienlijk veranderen gedurende korte periodes (niet-stationair), bijv. EEG opgenomen gedurende een epileptische aanval. Voor signaalanalyse is kennis van de fysiologie benodigd voor het detecteren van de juiste signalen en het schatten van parameters van het betreffende fysiologische systeem. Artefacten afkomstig van de continue processen binnen het lichaam (zoals ademhaling, hartactiviteit, oogbewegingen, etc.) waar men vaak niet in is geïnteresseerd moeten uit het signaal worden verwijderd. In dit vak zullen verschillende geavanceerde technieken worden bekeken voor het analyseren van biomedische signalen; voorbeelden: EEG met epileptiforme ontladingen, EEG tijdens verschillende slaapstadia, ECG, EMG, MUAPs en handbewegingen (acceleraties) van Parkisonpatiënten.
Een aantal signaalanalyse technieken worden in theorie uitgelegd aan de hand van een syllabus en een serie hoorcolleges. Theoretische en klinisch-georiënteerde vraagstukken zullen gedurende het kwartiel worden uitgewerkt m.b.v. Matlab.
|
 |
|