Processing of EEG Data Marek Penhaker Konference IT4Innovations, Ostrava

Rozměr: px
Začít zobrazení ze stránky:

Download "Processing of EEG Data Marek Penhaker Konference IT4Innovations, Ostrava 21. 10. 2013"

Transkript

1 Processing of EEG Data Marek Penhaker Konference IT4Innovations, Ostrava

2 Podstata biologických signálů Signál nosič informace Biosignál signál, který je generovaný živým organismem

3 Rozdělení biosignálů podle matematických kritérií (dělení podle Cohena) Deterministický Periodický (sinusový, komplexní) Neperiodický (kvaziperiodický, přechodový) Stochastický Stacionární (ergodický, neergodický) (stat. parametry se nemění v čase) Nestacionární (speciální)

4 Elektroencefalografie a její přínos Elektroencefalografie neinvazivní diagnostická metoda snímáme bioelektrické potenciály vznikající při činnosti mozku výsledný záznam nazýváme elektroencefalogram vhodná pro zjištění mozkových onemocnění jako epilepsie, poruchy spánku aj. Výhody neinvazivnost nízká cena jednoduchá obsluha dobré časové rozlišení Nevýhody pouze 2D zobrazovací technika signál ze skalpu, nikoliv z hlubších struktur jako u SPECT, MRI apod.

5 Použití EEG Při výzkumu a diagnostice funkce mozku. Krátkodobá ambulantní vyšetření (20 30 minut), ale i dlouhodobé záznamy (celodenní, např. u epilepsie, spánku apod.). EEG vyšetření často doplněno záznamem dalších signálů: EKG, EMG, EOG ventilace, saturace krve kyslíkem, pohyby hrudníku, videozáznam a další Vyšetření řady chorob a poškození CNS: - epilepsie - poruchy spánku - mozková encefalitidita (zánět mozku) - poranění mozku, krvácení do mozku - mozková mrtvice, demence - Alzheimerova nemoc Použití EEG při terapii ve formě EEG biofeedbacku.

6 Příklad EEG signálu 19 EEG kanálů

7 Klinicky významné frekvenční pásma Elektrická aktivita mozku vykazuje rytmickou aktivitu o různé frekvenci: DELTA 3 Hz a méně hluboký spánek, v bdělosti patologické THETA 3-8 Hz kreativita, usínání ALPHA 8-13 Hz relaxace, zavřené oči BETA 14 Hz a více koncentrace, logicko-analytické myšlení, neklid

8 Grafoelementy Ostře časově omezené projevy výrazně se lišící od pozadí - základní frekvence - lambda/posts - MU vlna - K complex - small sharp spikes - Wicket spikes

9 Artefakty Elektrický potenciál mozku má na povrchu lebky napětí jen několik desítek mikrovoltů (µv), tudíž elektronické zesilovače v elektroencefalografu musí být velmi výkonné. Velká výkonnost zesilovačů -> vznik artefaktů. Artefakty jsou dvojího druhu: technické a biologické Technické: síťové napětí 50Hz (objevuje se v EEG křivce při velkých kožních odporech pod elektrodami nebo při nedokonalém uzemnění pacienta či EEG přístroje) nedostatečně vlhké elektrody porušené nebo oxidované elektrody (jsou zdrojem výbojů) polámané drátky v kabelech elektrod

10 Artefakty Biologické: oční artefakt - pohyb víček a bulbů, který se propaguje hlavně do frontálních elektrod. Akt otevření a zavření očí je díky těmto artefaktům dobře patrný informuje o tom, zda pacient má nebo nemá otevřené oči. svalové artefakty (např. ze svalů hlavy, krku apod., časté např. u novorozenců) změna kožního galvanického potenciálu pocení, dýchání, z ekg

11 Komplikace při zpracování EEG velký počet kanálů, vysoké vzorkovací frekvence

12 Komplikace při zpracování EEG Artefakty komplikují automatizované hodnocení dat (záznamy emočních událostí)

13 Komplikace při zpracování EEG - o pacientech často nemáme žádné dodatečné informace - bez lékaře je mnohdy nemožné data správně interpretovat Nslt (Bohnice, spánkový záznam, délka záznamu 300s)

14 Komplikace při zpracování EEG Neúplná data - některé kanály občas chybí - stejné kanály nelze mezi různými záznamy porovnat (novorozenecké záznamy)

15 Úvod do počítačového zpracování EEG Motivace - velké objemy EEG dat (celodenní záznamy apod.). Cíle data vhodně předzpracovat, k detailnímu posouzení předložit pouze zajímavé části záznamu cílem není nahradit zkušené oko neurologa, ale usnadnit mu práci. Prostředky výpočetní technika, metody kvantitativního EEG, zpracování signálů, rozpoznávání, metody umělé inteligence.

16 Úvod do počítačového zpracování EEG Segmentace EEG, ECG, EOG, EMG, PNG Extrakce příznaků Především: FFT / waveletové koeficienty, problémově orientované příznaky Klasifikátor 1 Klasifikátor 2 Klasifikátor N Optimalizace (učící se klasifikátory / metody bez učení) Různé typy klasifikátorů: lineární modely, neuronové sítě, pravděpodobnostní modely, nejbližší soused, shlukování. Kombinace klasifikátorů Vážený průměr, Bagging, Boosting, Shaferův přístup, Fuzzy Integral Visualizace Vizualizace ve všech fázích procesu

17 Odstranění rušení z rozvodné sítě (50/60Hz) výsledky filtrace ve frekvenční oblasti a) před filtrací (FP1-GND) Typ filtru: Notch filtr b) po filtraci (FP1-GND)

18 Odstranění rušení z rozvodné sítě (50/60Hz) zobrazení filtrace v časové oblasti a) EEG signál před filtrací b) EEG signál po filtraci

19 Odstranění kolísání izolinie

20 Příklad detekce pohybových artefaktů pomocí histogramu je možné automaticky určit mez pro detekci artefaktů (červená přímka na obrázku). hodnoty v signálu přesahující tuto mez považujeme za artefakty.

21 Segmentace signálu Segmentace = rozdělení signálu na úseky Druhy segmentace konstantní segmentace adaptivní segmentace Účel segmentace EEG signál nelze zpracovávat celý najednou EEG signál je obecně nestacionární segmentací obdržíme po částech stacionární úseky signály, které lze lépe popsat metodami UI

22 Segmentace signálu (konstantní délka segmentů) 0.1 s 0.5 s 1 s 5 s 10 s Jak volit délku segmentů pro segmentaci?

23 Adaptivní segmentace signálu Požadovaná segmentace: Metoda dvou oken:

24 Adaptivní segmentace signálu vstupní signál amplitudové změny frekvenční změny prahování, hledání maxim výsledek segmentace [Krajča V., Biomed Comput., 28 (1991)]

25 Adaptivní segmentace signálu

26 Klasifikace Klasifikace: matematická metoda, kdy vstupní objekty X(i) jsou rozřazovány do tříd podle podobnosti I. Metody klasifikace bez učitele: podoba (a často ani počet tříd) není známa. Představitelé: shluková analýza, SOM, Kohonenovy mapy atd. II. Metody klasifikace s učitelem nutným doplňkovým vstupem klasifikátoru je tzv. trénovací množina množina ukázek objektů jednotlivých klasifikačních tříd. Představitelé: k-nn klasifikátor, neuronové sítě, rozhodovací stromy atd.

27 Klasifikace epileptického EEG 1. krok - segmentace (rozdělení signálu na úseky konstatní délky)

28 Klasifikace epileptického EEG 2. krok - výpočet příznaků (pro každý segment vypočítáme množinu příznaků) segment příznak 1 příznak 2 1 0,43 7,51 2 0,84 38,13 segment č. 1 => { 0,43 ; 7,51 } segment č. 2 => { 0,84 ; 38,13 }

29 Klasifikace epileptického EEG 3. krok - vytvoření trénovací množiny (trénovací množina = množina vzorových segmentů pro jednotlivé klasifikační třídy) Pro náš problém pouze 2 třídy: - normální aktivita třída 1 - epileptická aktivita třída 2

30 Klasifikace epileptického EEG 4. krok - klasifikace (nalézt pro každý segment původního signálu co nejpodobnější segment trénovací množiny a přiřadit mu tak třídu) Zobrazení - normální EEG černě, epileptické červeně

31 Klasifikace spánkového EEG 1. Wake (bdělost) 2. REM (Rapid Eye Movements) // sny 3. NREM1 (usínání) 4. NREM2 (lehký spánek) 5. NREM3 (hluboký spánek) 6. NREM4 (nejhlubší spánek) Hypnogram:

32 Porovnání spánkových fází (EEG: C3-GND, C4-GND)

33 freq. (10Hz/div) Spektrogram dlouhodobého EEG signálu Beta waves (13-30Hz) Alpha waves (8-12Hz) Delta waves (0.1-3Hz) Theta waves (4-7Hz) time (15min/div)

34 Analýza spektrogramu spánkového EEG hodnoceno lékařem hodnoceno ručně dle spektrogramu (Josef Rieger, 2006)

35 Metody vizualizace metody vizualizace umožňují nahlížet na signál diametrálně odlišným způsobem v porovnání s analýzou signálu v časové oblasti často jsou data transformována (např. pomocí integrálních transformací - FFT,..) do jiné oblasti, ve které je hledaná informace mnohem lépe viditelná.

36 Spektrální, koherentní a korelační analýza spektrogramy 2D mapování koherence korelace

37 Spektrální, koherentní a korelační analýza spektrogramy 2D mapování koherence korelace

38 Spektrální, koherentní a korelační analýza spektrogramy 2D mapování koherence korelace

39 Spektrogram dlouhodobého EEG signálu spektrogram spánkového EEG délky 8.5 hodiny patrná periodická struktura typická pro lidský spánek analýza spánkových stádií možná analýza poruch spánku apod.

40 2D a 3D spektrogram frekvence čas čas frekvence

41 2D spektrogram: audio-visuální stimulace 0:30-2:40 12Hz 2:40-6:00 8Hz 6:00-8:00 7Hz 8:00-10:00 6Hz 10:00-12:00 5Hz 12:00-14:00 4.5Hz 14:00-16:00 4Hz 16:00-18:00 3.5Hz 18:00-20:00 3Hz 20:00-21:00 2.5Hz 21:00-22:00 2Hz 22:00-23:00 4Hz 23:00-24:00 6Hz 24:00-25:00 7Hz 25:00-27:00 8Hz 27:00-31:58 od 8Hz do 1.5Hz 31:58-33:00 1.5Hz 33:00-34:00 4Hz 34:00-37:00 8Hz 37:00-37:20 pozvolna od 8Hz do 12Hz 37:20 probuzeni

42 2D spektrogram: více elektrod

43 2D mapování 00:00-00:09 00:10-00:19 00:20-00:29 00:30-00:39 00:40-00:49 00:50-00:59 01:00-01:09 01:10-01:19 01:20-01:29 01:30-01:38

44 3D mapování výsledek analýzy zobrazíme barevnou modulací na modelu hlavy získáme topografickou představu o distribuci mapované veličiny (např. rozložení celkového výkonu v daném frekvenčním pásmu)

45

46 EEG Biofeedback klinický biofeedback léčení fóbií omezení stresu sledování pozornosti

47 Technická realizace měření současné zázemí Hardwarové a SW zajištění sběru dat Měření bioelektrických signálů ± 250mV s rozlišením 30 nv Frekvenční rozsah do 40kHz při 24 bitovém vzorkování Vstupně výstupní synchronizace měření Až 128 synchronních monopolárních záznamů současně Pasivní i aktivní elektrody pro měření Předzpracování a vizualizace výsledků Filtrace pásmovými a úzko pásmovými filtry v reálném čase Kalibrace a impedanční kontrola vodivého spojení Práce v MATLAB, Simulink, LabView DC korekce, odstranění driftů, převzorkování reinholdbehringer.blogspot.com cortechsolutions.com

48 Závěr a zhodnocení zpracování EEG Možnosti automatické analýzy: filtrace signálu segmentace výpočet příznaků shlukování vizualizační techniky (spektrogram, koherence, mapování) Co se nedaří provádět zcela automaticky: klasifikace do tříd Proč se nedaří plně automatická klasifikace? nebývá k dispozici kvalitní trénovaní množina (EEG databáze) artefakty komplikují klasifikaci počítačová reprezentace znalostí a zkušeností lékařů je složitá velký počet kanálů a dlouhé signály vysoké časové nároky

49 Děkuji za pozornost Kontakt: Katedra kyberentiky a biomedicínského inženýrství VŠB-TU Ostrava, FEI 17.listopadu Ostrava-Poruba Lékařské diagnostické přístroje

Měření EEG, spánek, hodnocení EEG záznamů a následná vizualizace

Měření EEG, spánek, hodnocení EEG záznamů a následná vizualizace Měření EEG, spánek, hodnocení EEG záznamů a následná vizualizace Václav Gerla, Josef Rieger, Lenka Lhotská, Vladimír Krajča ČVUT, FEL, Katedra kybernetiky, Technická 2, Praha 6 Fakultní nemocnice Na Bulovce,

Více

ZPRACOVÁNÍ A ANALÝZA BIOSIGNÁLŮ V. Institut biostatistiky a analýz

ZPRACOVÁNÍ A ANALÝZA BIOSIGNÁLŮ V. Institut biostatistiky a analýz ZPRACOVÁNÍ A ANALÝZA BIOSIGNÁLŮ V. ELEKTROENCEFALOGRAM ELEKTROENCEFALOGRAM ELEKTROENCEFALOGRAM (EEG) je (grafická) reprezentace časové závislosti rozdílu elektrických potenciálů, snímaných z elektrod umístěných

Více

RÁMCOVÝ VZDĚLÁVACÍ PROGRAM PRO ZÍSKÁNÍ SPECIALIZOVANÉ ZPŮSOBILOSTI. v oboru KLINICKÁ TECHNIKA SE ZAMĚŘENÍM NA ANALÝZU A ZPRACOVÁNÍ BIOSIGNÁLŮ.

RÁMCOVÝ VZDĚLÁVACÍ PROGRAM PRO ZÍSKÁNÍ SPECIALIZOVANÉ ZPŮSOBILOSTI. v oboru KLINICKÁ TECHNIKA SE ZAMĚŘENÍM NA ANALÝZU A ZPRACOVÁNÍ BIOSIGNÁLŮ. RÁMCOVÝ VZDĚLÁVACÍ PROGRAM PRO ZÍSKÁNÍ SPECIALIZOVANÉ ZPŮSOBILOSTI v oboru KLINICKÁ TECHNIKA SE ZAMĚŘENÍM NA ANALÝZU A ZPRACOVÁNÍ BIOSIGNÁLŮ pro BIOMEDICÍNSKÉ TECHNIKY 1. Cíl specializačního vzdělávání

Více

Elektroencefalografie. X31ZLE Základy lékařské elektroniky Jan Havlík Katedra teorie obvodů

Elektroencefalografie. X31ZLE Základy lékařské elektroniky Jan Havlík Katedra teorie obvodů Elektroencefalografie X31ZLE Základy lékařské elektroniky Jan Havlík Katedra teorie obvodů xhavlikj@fel.cvut.cz Elektroencefalografie diagnostická metoda, umožňující snímání a záznam elektrické aktivity

Více

Elektroencefalografie. X31LET Lékařská technika Jan Havlík Katedra teorie obvodů

Elektroencefalografie. X31LET Lékařská technika Jan Havlík Katedra teorie obvodů Elektroencefalografie X31LET Lékařská technika Jan Havlík Katedra teorie obvodů xhavlikj@fel.cvut.cz Elektroencefalografie diagnostická metoda, umožňující snímání a záznam elektrické aktivity mozku invazivní

Více

RÁMCOVÝ VZDĚLÁVACÍ PROGRAM PRO ZÍSKÁNÍ SPECIALIZOVANÉ ZPŮSOBILOSTI. v oboru KLINICKÉ INŽENÝRSTVÍ SE ZAMĚŘENÍM NA ANALÝZU A ZPRACOVÁNÍ BIOSIGNÁLŮ.

RÁMCOVÝ VZDĚLÁVACÍ PROGRAM PRO ZÍSKÁNÍ SPECIALIZOVANÉ ZPŮSOBILOSTI. v oboru KLINICKÉ INŽENÝRSTVÍ SE ZAMĚŘENÍM NA ANALÝZU A ZPRACOVÁNÍ BIOSIGNÁLŮ. RÁMCOVÝ VZDĚLÁVACÍ PROGRAM PRO ZÍSKÁNÍ SPECIALIZOVANÉ ZPŮSOBILOSTI v oboru KLINICKÉ INŽENÝRSTVÍ SE ZAMĚŘENÍM NA ANALÝZU A ZPRACOVÁNÍ BIOSIGNÁLŮ pro BIOMEDICÍNSKÉ INŽENÝRY 1. Cíl specializačního vzdělávání

Více

Úvod do medicínské informatiky pro Bc. studium. 6. přednáška

Úvod do medicínské informatiky pro Bc. studium. 6. přednáška Metody zpracování biosignálů 6. přednáška 1 Biosignály Živé objekty produkují signály biologického původu. Tyto signály mohou být elektrické (např. elektrické potenciály vznikající při svalové činnosti),

Více

Elektroencefalografie

Elektroencefalografie Elektroencefalografie EEG vzniká součinností neuronů thalamu a kortexu thalamus - funkce generátoru rytmů hlavní zdroj EEG - elektrická aktivita synaptodendritických membrán v povrchních vrstvách kortexu

Více

RÁMCOVÝ VZDĚLÁVACÍ PROGRAM PRO ZÍSKÁNÍ SPECIALIZOVANÉ ZPŮSOBILOSTI. v oboru KLINICKÁ TECHNIKA SE ZAMĚŘENÍM NA LABORATORNÍ ZDRAVOTNICKÉ PŘÍSTROJE.

RÁMCOVÝ VZDĚLÁVACÍ PROGRAM PRO ZÍSKÁNÍ SPECIALIZOVANÉ ZPŮSOBILOSTI. v oboru KLINICKÁ TECHNIKA SE ZAMĚŘENÍM NA LABORATORNÍ ZDRAVOTNICKÉ PŘÍSTROJE. RÁMCOVÝ VZDĚLÁVACÍ PROGRAM PRO ZÍSKÁNÍ SPECIALIZOVANÉ ZPŮSOBILOSTI v oboru KLINICKÁ TECHNIKA SE ZAMĚŘENÍM NA LABORATORNÍ ZDRAVOTNICKÉ PŘÍSTROJE pro BIOMEDICÍNSKÉ TECHNIKY 1. Cíl specializačního vzdělávání

Více

RÁMCOVÝ VZDĚLÁVACÍ PROGRAM PRO ZÍSKÁNÍ SPECIALIZOVANÉ ZPŮSOBILOSTI. v oboru KLINICKÉ INŽENÝRSTVÍ SE ZAMĚŘENÍM NA DIAGNOSTICKÉ ZDRAVOTNICKÉ PŘÍSTROJE

RÁMCOVÝ VZDĚLÁVACÍ PROGRAM PRO ZÍSKÁNÍ SPECIALIZOVANÉ ZPŮSOBILOSTI. v oboru KLINICKÉ INŽENÝRSTVÍ SE ZAMĚŘENÍM NA DIAGNOSTICKÉ ZDRAVOTNICKÉ PŘÍSTROJE RÁMCOVÝ VZDĚLÁVACÍ PROGRAM PRO ZÍSKÁNÍ SPECIALIZOVANÉ ZPŮSOBILOSTI v oboru KLINICKÉ INŽENÝRSTVÍ SE ZAMĚŘENÍM NA DIAGNOSTICKÉ ZDRAVOTNICKÉ PŘÍSTROJE pro BIOMEDICÍNSKÉ INŽENÝRY 1. Cíl specializačního vzdělávání

Více

SIMULTÁNNÍ EEG-fMRI. EEG-fMRI. Radek Mareček MULTIMODÁLNÍ FUNKČNÍ ZOBRAZOVÁNÍ. EEG-fMRI. pozorování jevu z různých úhlú lepší pochopení

SIMULTÁNNÍ EEG-fMRI. EEG-fMRI. Radek Mareček MULTIMODÁLNÍ FUNKČNÍ ZOBRAZOVÁNÍ. EEG-fMRI. pozorování jevu z různých úhlú lepší pochopení SIMULTÁNNÍ Radek Mareček MULTIMODÁLNÍ FUNKČNÍ ZOBRAZOVÁNÍ pozorování jevu z různých úhlú lepší pochopení některé jevy jsou lépe pozorovány pomocí jedné modality, pozorovatele však zajímá informace obsažená

Více

Anotace. Klíčová slova: 1. Úvod

Anotace. Klíčová slova: 1. Úvod Vladana Djordjevic, Václav Gerla, Lenka Lhotská, Vladimír Krajča 28 MULTIMEDIÁLNÍ PODPORA VE VÝUCE BIOMEDICÍNSKÉHO INŽENÝRSTVÍ Vladana Djordjevic, Václav Gerla, Lenka Lhotská, Vladimír Krajča Anotace Tento

Více

Katedra biomedicínské techniky

Katedra biomedicínské techniky ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA BIOMEDICÍNSKÉHO INŽENÝRSTVÍ Katedra biomedicínské techniky BAKALÁŘSKÁ PRÁCE 2008 Jakub Schlenker Obsah Úvod 1 1 Teoretický úvod 2 1.1 Elektrokardiografie............................

Více

EOG. ERG Polysomnografie. spánkové cykly poruchy spánku. Úvod ke cvičení

EOG. ERG Polysomnografie. spánkové cykly poruchy spánku. Úvod ke cvičení EOG Úvod ke cvičení ERG Polysomnografie spánkové cykly poruchy spánku Laboratorní úloha č. 11 Elektrookulogram Cíle úlohy: podstata a snímání EOG základní typy očních pohybů volní a mimovolní fixace při

Více

1. Vlastnosti diskretních a číslicových metod zpracování signálů... 15

1. Vlastnosti diskretních a číslicových metod zpracování signálů... 15 Úvodní poznámky... 11 1. Vlastnosti diskretních a číslicových metod zpracování signálů... 15 1.1 Základní pojmy... 15 1.2 Aplikační oblasti a etapy zpracování signálů... 17 1.3 Klasifikace diskretních

Více

Diagnostika infarktu myokardu pomocí pravidlových systémů

Diagnostika infarktu myokardu pomocí pravidlových systémů pomocí pravidlových systémů Bakalářská práce 2009 pomocí pravidlových systémů Přehled prezentace Motivace a cíle Infarkt myokardu, EKG Pravidlové systémy Výsledky Motivace Infarkt myokardu Detekce infarktu

Více

VYŠETŘENÍ NERVOVÉHO SYSTÉMU. seminář z patologické fyziologie

VYŠETŘENÍ NERVOVÉHO SYSTÉMU. seminář z patologické fyziologie VYŠETŘENÍ NERVOVÉHO SYSTÉMU seminář z patologické fyziologie Osnova Morfologické vyšetřovací metody (zobrazovací diagnostika) 1 Počítačová (výpočetní) tomografie 2 Pozitronová emisní tomografie (PET) 3

Více

ZÍSKÁVÁNÍ ZNALOSTÍ Z DATABÁZÍ

ZÍSKÁVÁNÍ ZNALOSTÍ Z DATABÁZÍ Metodický list č. 1 Dobývání znalostí z databází Cílem tohoto tematického celku je vysvětlení základních pojmů z oblasti dobývání znalostí z databází i východisek dobývání znalostí z databází inspirovaných

Více

Analýza novorozeneckých polysomnografických záznamů

Analýza novorozeneckých polysomnografických záznamů České Vysoké Učení Technické v Praze Fakulta elektrotechnická Bakalářská Práce Analýza novorozeneckých polysomnografických záznamů Jakub Hrebeňár Vedoucí práce: Doc.Ing. Lenka Lhotská, CSc. Studijní program:

Více

Příloha č. 3 TECHNICKÉ PARAMETRY PRO DODÁVKU TECHNOLOGIE: UNIVERZÁLNÍ MĚŘICÍ ÚSTŘEDNA

Příloha č. 3 TECHNICKÉ PARAMETRY PRO DODÁVKU TECHNOLOGIE: UNIVERZÁLNÍ MĚŘICÍ ÚSTŘEDNA Příloha č. 3 TECHNICKÉ PARAMETRY PRO DODÁVKU TECHNOLOGIE: UNIVERZÁLNÍ MĚŘICÍ ÚSTŘEDNA 1. Technická specifikace Možnost napájení ze sítě nebo akumulátoru s UPS funkcí - alespoň 2 hodiny provozu z akumulátorů

Více

diogram III. II. Úvod: Elektrokardiografie elektrod) potenciálu mezi danou a svorkou Amplituda [mv] < 0,25 0,8 1,2 < 0,5 Elektrická

diogram III. II. Úvod: Elektrokardiografie elektrod) potenciálu mezi danou a svorkou Amplituda [mv] < 0,25 0,8 1,2 < 0,5 Elektrická Laboratorní úloha č.6: Elektrokardiogram a vektorkardv diogram Úvod: Elektrokardiografie je velmi jednoduché, neinvazivní vyšetření. Každý stahh srdečního svalu je doprovázen vznikem slabého elektrického

Více

ZÍSKÁVÁNÍ ZNALOSTÍ Z DATABÁZÍ

ZÍSKÁVÁNÍ ZNALOSTÍ Z DATABÁZÍ metodický list č. 1 Dobývání znalostí z databází Cílem tohoto tematického celku je vysvětlení základních pojmů z oblasti dobývání znalostí z databází i východisek dobývání znalostí z databází inspirovaných

Více

Pokročilé operace s obrazem

Pokročilé operace s obrazem Získávání a analýza obrazové informace Pokročilé operace s obrazem Biofyzikální ústav Lékařské fakulty Masarykovy univerzity Brno prezentace je součástí projektu FRVŠ č.2487/2011 (BFÚ LF MU) Získávání

Více

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA ELEKTROTECHNICKÁ

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA ELEKTROTECHNICKÁ ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA ELEKTROTECHNICKÁ KATEDRA ŘÍDICÍ TECHNIKY Bc. Milan Cejnar Zpracování biomedicínských signálů na platformě Android Biomedical Signal Processing on the Android

Více

Moderní systémy pro získávání znalostí z informací a dat

Moderní systémy pro získávání znalostí z informací a dat Moderní systémy pro získávání znalostí z informací a dat Jan Žižka IBA Institut biostatistiky a analýz PřF & LF, Masarykova universita Kamenice 126/3, 625 00 Brno Email: zizka@iba.muni.cz Bioinformatika:

Více

Biomedicínské inženýrství na ČVUT FEL

Biomedicínské inženýrství na ČVUT FEL Biomedicínské inženýrství na ČVUT FEL Přehled pracovišť katedra fyziky elektrotechnologie elektromagnetického pole teorie obvodů kybernetiky mikroelektroniky počítačů měření témata fyzikální metody v medicíně

Více

Omezení barevného prostoru

Omezení barevného prostoru Úpravy obrazu Omezení barevného prostoru Omezení počtu barev v obraze při zachování obrazového vjemu z obrazu Vytváření barevné palety v některých souborových formátech Různé filtry v grafických programech

Více

Klasifikace hudebních stylů

Klasifikace hudebních stylů Klasifikace hudebních stylů Martin Šimonovský (mys7@seznam.cz) Rozpoznávání hudby úloha z oblasti DSP klasifikace dle hudebních stylů

Více

Elektrické biosignály lidského těla měřené ISESem

Elektrické biosignály lidského těla měřené ISESem Elektrické biosignály lidského těla měřené ISESem BRONISLAV BALEK BALMED, Ivančice Úvod Elektrické signály lidského těla (elektrické biosignály) jsou generovány nervovými a svalovými buňkami a jsou výsledkem

Více

SIMULTÁNNÍ EEG-fMRI. Radek Mareček

SIMULTÁNNÍ EEG-fMRI. Radek Mareček SIMULTÁNNÍ EEG-fMRI Radek Mareček MULTIMODÁLNÍ FUNKČNÍ ZOBRAZOVÁNÍ pozorování jevu z různých úhlú lepší pochopení některé jevy jsou lépe pozorovány pomocí jedné modality, pozorovatele však zajímá informace

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV BIOMEDICÍNSKÉHO INŽENÝRSTVÍ FACULTY OF ELECTRICAL ENGINEERING AND COMMUNICATION DEPARTMENT

Více

Perspektivy využití pulzní oxymetrie k synchronizaci akvizice s činností srdce.

Perspektivy využití pulzní oxymetrie k synchronizaci akvizice s činností srdce. Perspektivy využití pulzní oxymetrie k synchronizaci akvizice s činností srdce. T. Steinberger, O. Lang, H. Trojanová Fakultní nemocnice Královské Vinohrady Univerzita Karlova v Praze - 3. lékařská fakulta

Více

ANALÝZA BIOLOGICKÝCH A KLINICKÝCH DAT V MEZIOBOROVÉM POJETÍ

ANALÝZA BIOLOGICKÝCH A KLINICKÝCH DAT V MEZIOBOROVÉM POJETÍ ANALÝZA BIOLOGICKÝCH A KLINICKÝCH DAT V MEZIOBOROVÉM POJETÍ INVESTICE Institut DO biostatistiky ROZVOJE VZDĚLÁVÁNÍ a analýz 5. LETNÍ ŠKOLA MATEMATICKÉ BIOLOGIE ANALÝZA BIOLOGICKÝCH A KLINICKÝCH DAT V MEZIOBOROVÉM

Více

Elektronický systém a programové vybavení pro detekci a optimalizaci pulzů kardiostimulátoru

Elektronický systém a programové vybavení pro detekci a optimalizaci pulzů kardiostimulátoru Elektronický systém a programové vybavení pro detekci a optimalizaci pulzů kardiostimulátoru Milan Štork Katedra aplikované elektroniky a telekomunikací & Regionálním inovační centrum pro elektrotechniku

Více

Signál v čase a jeho spektrum

Signál v čase a jeho spektrum Signál v čase a jeho spektrum Signály v časovém průběhu (tak jak je vidíme na osciloskopu) můžeme dělit na periodické a neperiodické. V obou případech je lze popsat spektrálně určit jaké kmitočty v sobě

Více

Klasifikace předmětů a jevů

Klasifikace předmětů a jevů Klasifikace předmětů a jevů 1. Úvod Rozpoznávání neboli klasifikace je základní znak lidské činnosti. Rozpoznávání (klasifikace) předmětů a jevů spočívá v jejich zařazování do jednotlivých tříd. Třídou

Více

BIOLOGICKÉ SIGNÁLY. Pokroky v EEG. doc. Ing. Vladimír Krajča, CSc. ČVUT FBMI, katedra biomedicínské techniky

BIOLOGICKÉ SIGNÁLY. Pokroky v EEG. doc. Ing. Vladimír Krajča, CSc. ČVUT FBMI, katedra biomedicínské techniky BIOLOGICKÉ SIGNÁLY Pokroky v EEG doc. Ing. Vladimír Krajča, CSc. ČVUT FBMI, katedra biomedicínské techniky e-mail Vladimir.Krajca@FBMI.CVUT.cz 1 Cíle kursu Proniknout do principů a praktického nasazení

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ ANALÝZA SPÁNKOVÝCH EEG BAKALÁŘSKÁ PRÁCE

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ ANALÝZA SPÁNKOVÝCH EEG BAKALÁŘSKÁ PRÁCE VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV BIOMEDICÍNSKÉHO INŽENÝRSTVÍ FACULTY OF ELECTRICAL ENGINEERING AND COMMUNICATION DEPARTMENT

Více

Automatická detekce anomálií při geofyzikálním průzkumu. Lenka Kosková Třísková NTI TUL Doktorandský seminář, 8. 6. 2011

Automatická detekce anomálií při geofyzikálním průzkumu. Lenka Kosková Třísková NTI TUL Doktorandský seminář, 8. 6. 2011 Automatická detekce anomálií při geofyzikálním průzkumu Lenka Kosková Třísková NTI TUL Doktorandský seminář, 8. 6. 2011 Cíle doktorandské práce Seminář 10. 11. 2010 Najít, implementovat, ověřit a do praxe

Více

Strojové učení se zaměřením na vliv vstupních dat

Strojové učení se zaměřením na vliv vstupních dat Strojové učení se zaměřením na vliv vstupních dat Irina Perfilieva, Petr Hurtík, Marek Vajgl Centre of excellence IT4Innovations Division of the University of Ostrava Institute for Research and Applications

Více

Dolování z textu. Martin Vítek

Dolování z textu. Martin Vítek Dolování z textu Martin Vítek Proč dolovat z textu Obrovské množství materiálu v nestrukturované textové podobě knihy časopisy vědeckéčlánky sborníky konferencí internetové diskuse Proč dolovat z textu

Více

Ing. Petr Hájek, Ph.D. Podpora přednášky kurzu Aplikace umělé inteligence

Ing. Petr Hájek, Ph.D. Podpora přednášky kurzu Aplikace umělé inteligence APLIKACE UMĚLÉ INTELIGENCE Ing. Petr Hájek, Ph.D. Podpora přednášky kurzu Aplikace umělé inteligence Aplikace umělé inteligence - seminář ING. PETR HÁJEK, PH.D. ÚSTAV SYSTÉMOVÉHO INŽENÝRSTVÍ A INFORMATIKY

Více

Merkur perfekt Challenge Studijní materiály

Merkur perfekt Challenge Studijní materiály Merkur perfekt Challenge Studijní materiály T: 541 146 120 IČ: 00216305, DIČ: CZ00216305 / www.feec.vutbr.cz/merkur / steffan@feec.vutbr.cz 1 / 10 Název úlohy: Svalem na robota Anotace: Úkolem týmu je

Více

3 METODY PRO POTLAČENÍ ŠUMU U ŘE- ČOVÉHO SIGNÁLU

3 METODY PRO POTLAČENÍ ŠUMU U ŘE- ČOVÉHO SIGNÁLU 3 METODY PRO POTLAČENÍ ŠUMU U ŘE- ČOVÉHO SIGNÁLU V současné době se pro potlačení šumu u řečového signálu používá mnoho různých metod. Jedná se například o metody spektrálního odečítání, Wienerovy filtrace,

Více

Duševní stabilita z pohledu obecné psychologie

Duševní stabilita z pohledu obecné psychologie Duševní stabilita z pohledu obecné psychologie Ondřej Bezdíček, Ph.D. Ústí nad Orlicí, 16. 12. 2014 Neurologická klinika a Centrum klinických neurověd Universita Karlova v Praze, 1. lékařská fakulta a

Více

doc. Dr. Ing. Elias TOMEH Elias Tomeh / Snímek 1

doc. Dr. Ing. Elias TOMEH   Elias Tomeh / Snímek 1 doc. Dr. Ing. Elias TOMEH e-mail: elias.tomeh@tul.cz Elias Tomeh / Snímek 1 Frekvenční spektrum Dělení frekvenčního pásma (počet čar) Průměrování Časovou váhovou funkci Elias Tomeh / Snímek 2 Vzorkovací

Více

Lineární a adaptivní zpracování dat. 3. SYSTÉMY a jejich popis ve frekvenční oblasti

Lineární a adaptivní zpracování dat. 3. SYSTÉMY a jejich popis ve frekvenční oblasti Lineární a adaptivní zpracování dat 3. SYSTÉMY a jejich popis ve frekvenční oblasti Daniel Schwarz Osnova Opakování: systémy a jejich popis v časové oblasti Fourierovy řady Frekvenční charakteristika systémů

Více

Epilepsie. Silvia Čillíková FEL ČVUT. 9th May 2006

Epilepsie. Silvia Čillíková FEL ČVUT. 9th May 2006 Epilepsie Silvia Čillíková FEL ČVUT 9th May 2006 Úvod Epilepsie (zkr. epi) je skupina poruch mozku projevujících se opakovanými záchvaty (paroxysmy) různého charakteru Je to relativně běžné onemocnění,

Více

Aktivační metody v průběhu EEG - výhody a rizika. Petr Zlonický

Aktivační metody v průběhu EEG - výhody a rizika. Petr Zlonický Aktivační metody v průběhu EEG - výhody a rizika Petr Zlonický Aktivační metody - výhody Používají se k vyprovokování, zvýraznění nebo lepšímu definování abnormální aktivity při normálním nebo neprůkazném

Více

Biosignál přehled, snímání, zpracování, hodnocení

Biosignál přehled, snímání, zpracování, hodnocení Biosignál přehled, snímání, zpracování, hodnocení Úvod do biomedicínského inženýrství 27. 9. 2011 MICHAL HUPTYCH Katedra kybernetiky, FEL, ČVUT Přehled přednášky Přehled biologických signálů Snímání biologických

Více

Neurofeedback. Úvod. Princip

Neurofeedback. Úvod. Princip Radek Procházka prochra4@fel.cvut.cz Neurofeedback Úvod Neurofeedback je moderní terapeutická metoda, používaná k léčbě či alespoň potlačení příznaků poruch soustředění, hyperaktivity a epilepsie, zejména

Více

AUTOMATICKÁ DETEKCE GRAFOELEMENTŮ V SIGNÁLU EEG

AUTOMATICKÁ DETEKCE GRAFOELEMENTŮ V SIGNÁLU EEG VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV BIOMEDICÍNSKÉHO INŽENÝRSTVÍ FACULTY OF ELECTRICAL ENGINEERING AND COMMUNICATION DEPARTMENT

Více

Ultrazvukové diagnostické přístroje. X31ZLE Základy lékařské elektroniky Jan Havlík Katedra teorie obvodů xhavlikj@fel.cvut.cz

Ultrazvukové diagnostické přístroje. X31ZLE Základy lékařské elektroniky Jan Havlík Katedra teorie obvodů xhavlikj@fel.cvut.cz Ultrazvukové diagnostické přístroje X31ZLE Základy lékařské elektroniky Jan Havlík Katedra teorie obvodů xhavlikj@fel.cvut.cz Ultrazvuková diagnostika v medicíně Ultrazvuková diagnostika diagnostická zobrazovací

Více

Elektrokardiografie. X31ZLE Základy lékařské elektroniky Jan Havlík Katedra teorie obvodů

Elektrokardiografie. X31ZLE Základy lékařské elektroniky Jan Havlík Katedra teorie obvodů Elektrokardiografie X31ZLE Základy lékařské elektroniky Jan Havlík Katedra teorie obvodů xhavlikj@fel.cvut.cz Elektrokardiografie základní diagnostická metoda, umožňující snímání a záznam elektrické aktivity

Více

METODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1

METODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1 METODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1 DOLOVÁNÍ V DATECH (DATA MINING) OBJEVUJE SE JIŽ OD 60. LET 20. ST. S ROZVOJEM POČÍTAČOVÉ TECHNIKY DEFINICE PROCES VÝBĚRU, PROHLEDÁVÁNÍ A MODELOVÁNÍ

Více

Snímání biologických signálů. A6M31LET Lékařská technika Zdeněk Horčík Katedra teorie obvodů

Snímání biologických signálů. A6M31LET Lékařská technika Zdeněk Horčík Katedra teorie obvodů Snímání biologických signálů A6M31LET Lékařská technika Zdeněk Horčík Katedra teorie obvodů horcik@fel.cvut.cz Snímání biologických signálů problém: převést co nejvěrněji spojitý signál do číslicové podoby

Více

NOVÉ MOŽNOSTI HOLTEROVSKÉ DIAGNOSTIKY

NOVÉ MOŽNOSTI HOLTEROVSKÉ DIAGNOSTIKY EkG HOLTER 2 EKG HOLTER NOVÉ MOŽNOSTI HOLTEROVSKÉ DIAGNOSTIKY BTL EKG Holter BTL EKG Holter uspokojí nároky nejnáročnějších odborníků na EKG, jejichž práce ale bude zároveň snadná a rychlá. Při vývoji

Více

Externí 12V / 200 ma (adaptér v příslušenství)

Externí 12V / 200 ma (adaptér v příslušenství) ORCA 2800 DVOUKANÁLOVÝ A/D PŘEVODNÍK Orca 2800 je externí precizní dvoukanálový 24bit A/D převodník s dvěma analogovými a čtyřmi digitálními vstupy, čtyřmi číslicovými výstupy a jedním pomocným D/A převodníkem.

Více

Podpora výuky zpracování biologických signálů pomocí systémů pro měření srdeční a elektrodermální aktivity

Podpora výuky zpracování biologických signálů pomocí systémů pro měření srdeční a elektrodermální aktivity Podpora výuky zpracování biologických signálů pomocí systémů pro měření srdeční a elektrodermální aktivity Řešitel: Radoslav Bortel 1 Úvod Jeden z hlavních problémů, se kterým se potýkají studenti studující

Více

KLASIFIKÁTOR MODULACÍ S VYUŽITÍM UMĚLÉ NEURONOVÉ SÍTĚ

KLASIFIKÁTOR MODULACÍ S VYUŽITÍM UMĚLÉ NEURONOVÉ SÍTĚ KLASIFIKÁTOR MODULACÍ S VYUŽITÍM UMĚLÉ NEURONOVÉ SÍTĚ Marie Richterová 1, David Juráček 2 1 Univerzita obrany, Katedra KIS, 2 PČR MŘ Brno Abstrakt Článek se zabývá rozpoznáváním analogových a diskrétních

Více

13 Barvy a úpravy rastrového

13 Barvy a úpravy rastrového 13 Barvy a úpravy rastrového Studijní cíl Tento blok je věnován základním metodám pro úpravu rastrového obrazu, jako je např. otočení, horizontální a vertikální překlopení. Dále budo vysvětleny různé metody

Více

Elektronická podpora výuky na ÚBMI

Elektronická podpora výuky na ÚBMI Závěrečná zpráva rozvojového projektu Elektronická podpora výuky na ÚBMI MŠMT č. 645 Odpovědný řešitel: Prof. Ing. Jiří Holčík, CSc. ČVUT v Praze - FBMI Kladno, leden 2006 Vyhodnocení splněných cílů a

Více

Elektrická impedanční tomografie

Elektrická impedanční tomografie Biofyzikální ústav LF MU Projekt FRVŠ 911/2013 Je neinvazivní lékařská technika využívající nízkofrekvenční elektrické proudy pro zobrazení elektrických vlastností tkaní a vnitřních struktur těla. Různé

Více

Virtuální instrumentace I. Měřicí technika jako součást automatizační techniky. Virtuální instrumentace. LabVIEW. měření je zdrojem informací:

Virtuální instrumentace I. Měřicí technika jako součást automatizační techniky. Virtuální instrumentace. LabVIEW. měření je zdrojem informací: Měřicí technika jako součást automatizační techniky měření je zdrojem informací: o stavu technologického zařízení a o průběhu výrobního procesu, tj. měření pro primární zpracování informací o bezpečnostních

Více

DSY-4. Analogové a číslicové modulace. Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti

DSY-4. Analogové a číslicové modulace. Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti DSY-4 Analogové a číslicové modulace Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti DSY-4 analogové modulace základní číslicové modulace vícestavové modulace modulace s rozprostřeným

Více

ZÁKLADY PROGRAMOVÁNÍ. Mgr. Vladislav BEDNÁŘ 2014 7.4 13/14

ZÁKLADY PROGRAMOVÁNÍ. Mgr. Vladislav BEDNÁŘ 2014 7.4 13/14 ZÁKLADY PROGRAMOVÁNÍ Mgr. Vladislav BEDNÁŘ 2014 7.4 13/14 Co je vhodné vědět, než si vybereme programovací jazyk a začneme programovat roboty. 1 / 13 0:40 Implementace Umělá inteligence (UI) Umělá inteligence

Více

1. ELEKTROMYOGRAM (EMG)

1. ELEKTROMYOGRAM (EMG) 1. ELEKTROMYOGRAM (EMG) 1.1. DEFINICE Elektromyogram je (grafická) reprezentace časové závislosti elektrických potenciálů vznikajících jako důsledek aktivity svalových potenciálů a nesoucí informaci o

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV BIOMEDICÍNSKÉHO INŽENÝRSTVÍ FACULTY OF ELECTRICAL ENGINEERING AND COMMUNICATION DEPARTMENT

Více

DETEKCE HRAN V BIOMEDICÍNSKÝCH OBRAZECH

DETEKCE HRAN V BIOMEDICÍNSKÝCH OBRAZECH DETEKCE HRAN V BIOMEDICÍNSKÝCH OBRAZECH Viktor Haškovec, Martina Mudrová Vysoká škola chemicko-technologická v Praze, Ústav počítačové a řídicí techniky Abstrakt Příspěvek je věnován zpracování biomedicínských

Více

Operace s obrazem II

Operace s obrazem II Operace s obrazem II Biofyzikální ústav Lékařské fakulty Masarykovy univerzity Brno prezentace je součástí projektu FRVŠ č.2487/2011 Osnova Matematická morfologie Segmentace obrazu Klasifikace objektů

Více

Lineární a adaptivní zpracování dat. 1. ÚVOD: SIGNÁLY a SYSTÉMY

Lineární a adaptivní zpracování dat. 1. ÚVOD: SIGNÁLY a SYSTÉMY Lineární a adaptivní zpracování dat 1. ÚVOD: SIGNÁLY a SYSTÉMY Daniel Schwarz Investice do rozvoje vzdělávání Osnova Úvodní informace o předmětu Signály, časové řady klasifikace, příklady, vlastnosti Vzorkovací

Více

Využití metody matching pursuit pro detekci ERP vln 1

Využití metody matching pursuit pro detekci ERP vln 1 Využití metody matching pursuit pro detekci ERP vln 1 Pavel Mautner, Roman Mouček Katedra informatiky a výpočetní techniky, Zápodočeská univerzita v Plzni, Univerzitní 8, 306 14 Plzeň mautner@kiv.zcu.cz,

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ ANALÝZA EEG BĚHEM ANESTEZIE DIPLOMOVÁ PRÁCE

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ ANALÝZA EEG BĚHEM ANESTEZIE DIPLOMOVÁ PRÁCE VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV BIOMEDICÍNSKÉHO INŽENÝRSTVÍ FACULTY OF ELECTRICAL ENGINEERING AND COMMUNICATION DEPARTMENT

Více

Příloha č.: 1 ze dne: je nedílnou součástí osvědčení o akreditaci č.: 456/2012 ze dne: List 1 z 6

Příloha č.: 1 ze dne: je nedílnou součástí osvědčení o akreditaci č.: 456/2012 ze dne: List 1 z 6 List 1 z 6 Obor měřené veličiny: elektrické veličiny Kalibrace: Nominální teplota pro kalibraci: ( 23 ± 2 ) C 1 Elektrický odpor KP 01/2001 0,0 0,5 1,0 mω 0,5 1,0 0,25 % 1,0 4,0 0,070% 4,0 1,0 M 0,035

Více

Zesilovače biologických signálů. X31LET Lékařskátechnika Jan Havlík, Zdeněk Horčík Katedra teorie obvodů xhavlikj@fel.cvut.cz

Zesilovače biologických signálů. X31LET Lékařskátechnika Jan Havlík, Zdeněk Horčík Katedra teorie obvodů xhavlikj@fel.cvut.cz Zesilovače biologických signálů X31LET Lékařskátechnika Jan Havlík, Zdeněk Horčík Katedra teorie obvodů xhavlikj@fel.cvut.cz Zesilovače biologických signálů zesilovače pro EKG (elektrokardiografie, srdce)

Více

Návrh frekvenčního filtru

Návrh frekvenčního filtru Návrh frekvenčního filtru Vypracoval: Martin Dlouhý, Petr Salajka 25. 9 2010 1 1 Zadání 1. Navrhněte co nejjednodušší přenosovou funkci frekvenčního pásmového filtru Dolní propusti typu Bessel, která bude

Více

Biofyzikální laboratorní úlohy ve výuce budoucích učitelů fyziky

Biofyzikální laboratorní úlohy ve výuce budoucích učitelů fyziky Biofyzikální laboratorní úlohy ve výuce budoucích učitelů fyziky MARIE VOLNÁ Katedra experimentální fyziky PřF UP Olomouc Abstrakt Příspěvek se zabývá tématikou mezipředmětových vazeb, které umožňují studentům

Více

Interaktivní simulátor EEG

Interaktivní simulátor EEG ČVUT - FAKULTA BIOMEDICÍNSKÉHO INŽENÝRSTVÍ V KLADNĚ Interaktivní simulátor EEG Týmový projekt Student: Jiří Hrdlička Vedoucí: Ing. Jan Suchomel Konzultant: Ing. Petr Kudrna i Interaktivní simulátor EEG

Více

ZPRACOVÁNÍ SIGNÁLŮ EEG VE FREKVENČNÍ OBLASTI

ZPRACOVÁNÍ SIGNÁLŮ EEG VE FREKVENČNÍ OBLASTI VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV BIOMEDICÍNSKÉHO INŽENÝRSTVÍ FACULTY OF ELECTRICAL ENGINEERING AND COMMUNICATION DEPARTMENT

Více

Zápočtová úloha z předmětu KIV/ZSWI DOKUMENT SPECIFIKACE POŽADAVKŮ

Zápočtová úloha z předmětu KIV/ZSWI DOKUMENT SPECIFIKACE POŽADAVKŮ Zápočtová úloha z předmětu KIV/ZSWI DOKUMENT SPECIFIKACE POŽADAVKŮ 10. 5. 2011 Tým: Simplesoft Členové: Zdeněk Malík Jan Rada Ladislav Račák Václav Král Marta Pechová malikz@students.zcu.cz jrada1@students.zcu.cz

Více

Transkraniální elektrostimulace jako způsob rehabilitace částo nemocných dětí

Transkraniální elektrostimulace jako způsob rehabilitace částo nemocných dětí Transkraniální elektrostimulace jako způsob rehabilitace částo nemocných dětí Abstrakt V tomto článku se poprvé zkoumala účinnost transkraniální elektrické stimulace (TES) v programu rehabilitace dětí

Více

APLIKACE ALGORITMŮ ČÍSLICOVÉHO ZPRACOVÁNÍ SIGNÁLŮ 1. DÍL

APLIKACE ALGORITMŮ ČÍSLICOVÉHO ZPRACOVÁNÍ SIGNÁLŮ 1. DÍL David Matoušek, Bohumil Brtník APLIKACE ALGORITMÙ ÈÍSLICOVÉHO ZPRACOVÁNÍ SIGNÁLÙ 1 Praha 2014 David Matoušek, Bohumil Brtník Aplikace algoritmù èíslicového zpracování signálù 1. díl Bez pøedchozího písemného

Více

Teorie úlohy: Operační zesilovač je elektronický obvod, který se využívá v měřící, výpočetní a regulační technice. Má napěťové zesílení alespoň A u

Teorie úlohy: Operační zesilovač je elektronický obvod, který se využívá v měřící, výpočetní a regulační technice. Má napěťové zesílení alespoň A u Fyzikální praktikum č.: 7 Datum: 7.4.2005 Vypracoval: Tomáš Henych Název: Operační zesilovač, jeho vlastnosti a využití Teorie úlohy: Operační zesilovač je elektronický obvod, který se využívá v měřící,

Více

List 1 z 6. Akreditovaný subjekt podle ČSN EN ISO/IEC 17025:2005: FORTE a.s. Metrologická laboratoř Mostkovice 529

List 1 z 6. Akreditovaný subjekt podle ČSN EN ISO/IEC 17025:2005: FORTE a.s. Metrologická laboratoř Mostkovice 529 List 1 z 6 Obor měřené veličiny: elektrické veličiny Kalibrace: Nominální teplota pro kalibraci: (23 ± 2) ºC 1. Elektrický odpor KP 01/2001 0,0 0,5 1,0 mω 0,5 1,0 0,25 % 1,0 4,0 0,070% 4,0 1,0 M 0,035

Více

Modelování a simulace Lukáš Otte

Modelování a simulace Lukáš Otte Modelování a simulace 2013 Lukáš Otte Význam, účel a výhody MaS Simulační modely jsou nezbytné pro: oblast vědy a výzkumu (základní i aplikovaný výzkum) analýzy složitých dyn. systémů a tech. procesů oblast

Více

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ DETEKCE SPÁNKOVÉ APNOE DIPLOMOVÁ PRÁCE

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ DETEKCE SPÁNKOVÉ APNOE DIPLOMOVÁ PRÁCE VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA ELEKTROTECHNIKY A KOMUNIKAČNÍCH TECHNOLOGIÍ ÚSTAV BIOMEDICÍNSKÉHO INŽENÝRSTVÍ FACULTY OF ELECTRICAL ENGINEERING AND COMMUNICATION DEPARTMENT

Více

ZDRAVÝ SPÁNEK Ing. Vladimír Jelínek

ZDRAVÝ SPÁNEK Ing. Vladimír Jelínek ZDRAVÝ SPÁNEK Ing. Vladimír Jelínek ZDRAVÝ SPÁNEK Spánek byl po celá tisíciletí považován za pasivní jev blízký bezesné smrti. Shakespeare ve svém Hamletovi považuje smrt za sestru spánku 2 ZDRAVÝ SPÁNEK

Více

Magnetické vlastnosti materiálů - ukázky. Příklad č.2. Konstrukční ocel tř. 11-12

Magnetické vlastnosti materiálů - ukázky. Příklad č.2. Konstrukční ocel tř. 11-12 VŠB - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Katedra elektrických strojů a přístrojů DEGRADAČNÍ PROCESY Magnetické vlastnosti materiálů - ukázky Příklad č.2 Konstrukční ocel

Více

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE. Fakulta elektrotechnická Katedra kybernetiky. Using of backaveraging in EEG signal analysis DIPLOMOVÁ PRÁCE

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE. Fakulta elektrotechnická Katedra kybernetiky. Using of backaveraging in EEG signal analysis DIPLOMOVÁ PRÁCE ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta elektrotechnická Katedra kybernetiky Použití techniky zpětného průměrování při analýze EEG signálů Using of backaveraging in EEG signal analysis DIPLOMOVÁ PRÁCE

Více

Lineární a adaptivní zpracování dat. 1. ÚVOD: SIGNÁLY, ČASOVÉ ŘADY a SYSTÉMY

Lineární a adaptivní zpracování dat. 1. ÚVOD: SIGNÁLY, ČASOVÉ ŘADY a SYSTÉMY Lineární a adaptivní zpracování dat 1. ÚVOD: SIGNÁLY, ČASOVÉ ŘADY a SYSTÉMY Daniel Schwarz Investice do rozvoje vzdělávání Osnova Úvodní informace o předmětu Signály, časové řady klasifikace, příklady,

Více

CW01 - Teorie měření a regulace

CW01 - Teorie měření a regulace Ústav technologie, mechanizace a řízení staveb CW01 - Teorie měření a regulace ZS 2010/2011 SPEC. 2.p 2010 - Ing. Václav Rada, CSc. Ústav technologie, mechanizace a řízení staveb Teorie měření a regulace

Více

Využití spektrální analýzy EEG k diagnostice Alzheimerovy choroby

Využití spektrální analýzy EEG k diagnostice Alzheimerovy choroby České vysoké uˇcení technické v Praze Fakulta elektrotechnická Katedra teorie obvodů Využití spektrální analýzy EEG k diagnostice Alzheimerovy choroby Diplomová práce Studijní program: Biomedicínské inženýrství

Více

Neuronové sítě Ladislav Horký Karel Břinda

Neuronové sítě Ladislav Horký Karel Břinda Neuronové sítě Ladislav Horký Karel Břinda Obsah Úvod, historie Modely neuronu, aktivační funkce Topologie sítí Principy učení Konkrétní typy sítí s ukázkami v prostředí Wolfram Mathematica Praktické aplikace

Více

Projekční algoritmus. Urychlení evolučních algoritmů pomocí regresních stromů a jejich zobecnění. Jan Klíma

Projekční algoritmus. Urychlení evolučních algoritmů pomocí regresních stromů a jejich zobecnění. Jan Klíma Urychlení evolučních algoritmů pomocí regresních stromů a jejich zobecnění Jan Klíma Obsah Motivace & cíle práce Evoluční algoritmy Náhradní modelování Stromové regresní metody Implementace a výsledky

Více

v Praze mezi kanály EEG Ondřej Drbal 5. ročník, stud. sk. 9

v Praze mezi kanály EEG Ondřej Drbal 5. ročník, stud. sk. 9 České vysoké učení technické v Praze Algoritmy pro měření zpoždění mezi kanály EEG Ondřej Drbal 5. ročník, stud. sk. 9 31. března 23 Obsah 1 Zadání 1 2 Uvedení do problematiky měření zpoždění signálů 1

Více

Systém pro selekci příznaků z EEG signálu

Systém pro selekci příznaků z EEG signálu ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE FAKULTA ELEKTROTECHNICKÁ KATEDRA KYBERNETIKY BAKALÁŘSKÁ PRÁCE Systém pro selekci příznaků z EEG signálu Vedoucí práce: Ing. Václav Gerla 2011 Ludmila Dohnalová Anotace

Více

Měřící přístroje a měření veličin

Měřící přístroje a měření veličin Číslo projektu Číslo a název šablony klíčové aktivity Tematická oblast CZ.1.07/1.5.00/34.0556 III / 2 = Inovace a zkvalitnění výuky prostřednictvím ICT Měřící přístroje a měření veličin Číslo projektu

Více

Komplexní obálka pásmového signálu

Komplexní obálka pásmového signálu České vysoké učení technické v Praze, Fakulta elektrotechnická X37SGS Signály a systémy Komplexní obálka pásmového signálu Daniel Tureček 8.11.8 1 Úkol měření Nalezněte vzorky komplexní obálky pásmového

Více

Otázka 22(42) Přístroje pro měření signálů, metody pro měření v časové a frekvenční doméně. Přístroje

Otázka 22(42) Přístroje pro měření signálů, metody pro měření v časové a frekvenční doméně. Přístroje Otázka 22(42) Přístroje pro měření signálů, metody pro měření v časové a frekvenční doméně Rozmanitost signálů v komunikační technice způsobuje, že rozdělení měřicích metod není jednoduché a jednoznačné.

Více

EEG, Fourierova transformace, Brain mapping - BM, Senzomotorické rytmy SMR, Event- related synchronizace (ERS), Event- related desynchronizace (ERD)

EEG, Fourierova transformace, Brain mapping - BM, Senzomotorické rytmy SMR, Event- related synchronizace (ERS), Event- related desynchronizace (ERD) ABSTRAKT Tato práce obsahuje informace o vlastnostech elektroencefalogramu, o tom, jaké průběhy lze naměřit a jak se v jejich výsledku orientovat. Jsou také popsány možné faktory ovlivňující kvalitu signálu.

Více