en_GB
Hold Ctrl-tasten nede. Trykk på + for å forstørre eller - for å forminske.

ELE922_1

Biomedisinsk dataanalyse

Dette er studietilbudet for studieår 2019-2020. Endringer kan komme.


Kurset starter med en introduksjon til typer av biomedisinske data . Videre ser kurset på grunnleggende begrep fra: tids- og frekvensdomene; støyfjerning, deteksjon av hendelser og objekter; karakterisering av form- og kompleksitet for bølgeformer og objekter; frekvensdomenekarakterisering; mønstergjenkjenning og diagnostiske beslutninger.

Læringsutbytte

Kunnskap: Formålet med faget er å gi studenter med klinisk bakgrunn innsikt i viktige konsepter og ferdigheter til å håndtere relevante problemstillinger innen biomedisinsk dataanalyse . Videre skal emnet gi innsikt i sentrale anvendelser av datanalyse med eksempler fra signalbehandling, bildebehandling og mønstergjenkjenning. Faget skal gi kompetanse som gjør at kandidaten skal forstå og kunne anvende forskningsmetode som forskere med bakgrunn innen teknologiske fag anvender. Dette skal gjøre samarbeid mellom medisinere og teknologer mer effektivt og bidra til å fremme translatorisk forskning. Ferdigheter: Studenten skal kunne bruke grunnleggende dataverktøy som f.eks. MATLAB eller Python til å utføre oppgavene beskrevet over. En introduksjonen vil gi en innføring i grunnleggende programmering med bruk av kontrollstrukturer. Utførelse av laboratorieøvingene i kurset vil avhenge av at studenten har tilegnet seg tilstrekkelige programmeringsferdigheter. Generell kompetanse: Etter å ha tatt dette emnet skal studenten kunne kjenne igjen problemstillinger som kan håndteres ved bruk av metoder for dataanalyse. Videre skal studenten kunne presisere og formulere problemstillingen ved bruk av fagterminologien som er tilegnet gjennom kurset. Løsning av problemet innebærer at studenten skal kunne hente ut relevant informasjon (for eksempel i forhold til diagnose) fra et biomedisinsk signal (eller bilde) og bruke denne informasjonen til å støtte en beslutning. Dette kan være en beslutning rettet mot diagnose eller terapi. For å få til dette må studenten kunne håndtere ulike typer teknikker for støyfjerning og karakterisering av hendelser og eventuelt tilstander i det biomedisinske signalet (eller objekter I bilder).

Innhold

Teori: Introduksjon til biomedisinske signaler (og bilder); grunnleggende begrep fra tids- og frekvensdomene; støyfjerning; deteksjon av hendelser og objekter; karakterisering av form- og kompleksitet for bølgeformer og objekter; frekvensdomenekarakterisering; mønstergjenkjenning og diagnostiske beslutninger.
Laboratorieaktiviteter: Introduksjon til dataverktøy og videre laboratorieøvinger knyttet til teori.

Forkunnskapskrav

Ingen.

Eksamen/vurdering

Vekting Varighet Karakter Hjelpemiddel
Prosjekt med presentasjon og muntlig eksamen1/1 Bestått - Ikke bestått

Fagperson(er)

Faglærer
Stein Ørn, Kjersti Engan
Emneansvarlig
Trygve Christian Eftestøl
Instituttleder
Tom Ryen

Arbeidsformer

Ledet selvstudium. Forelesning kan i enkelte tilfeller avtales.

Åpent for

Teknologi og naturvitenskap - doktorgradsprogram

Emneevaluering

Skjer vanligvis gjennom skjema og/eller samtaler i henhold til gjeldende retningslinjer.

Litteratur

R. M. Rangayyan; Biomedical Signal Analysis - A case-study approach; Wiley-Interscience 2002.
R. M. Rangayyan; Biomedical Image Analysis, CRC Press 2005.
L Sörnmo, P. Laguna; Bioelectric signal processing in cardiac and neurological applications; Elsevier Academic Press 2005.
T. Eftestøl; Lecture notes for biomedical data analysis


Dette er studietilbudet for studieår 2019-2020. Endringer kan komme.

Sist oppdatert: 13.11.2019

Historikk