ITALIANO

L'insegnamento introduce nozioni e concetti di base propri della bioingegneria con particolare riferimento ai diversi ambiti e tipologie di applicazioni dell’ingegneria biomedica. Verranno presentati i principali strumenti per l’acquisizione ed elaborazione numerica e statistica dei dati e segnali biomedici. Inoltre, verranno analizzate diverse tipologie di strumentazione biomedica anche in relazione alla acquisizione ed elaborazione delle immagini mediche.

Slide e altro materiale di studio preparato dai docenti.
Analisi e modelli di segnali biomedici. L. Landini, N. Vanello. Pisa University Press.
Principles of Medical Imaging for Engineers. From Signals to Images. M. Chappell. Springer.

Al termine del corso lo studente avrà acquisito un adeguato approccio e sensibilità alla disciplina, oltre ad una serie di metodologie analitiche e strumentali proprie dell’ingegneria applicate alla medicina, che gli consentiranno di analizzare e risolvere problematiche di interesse medico-biologico. Lo studente sarà in grado di comprendere ed utilizzare alcune delle principali tecniche di acquisizione ed elaborazione di segnali e dati biomedici nell’ottica di ideare e/o progettare un esperimento o un dispositivo per l’identificazione di parametri di interesse per una data applicazione biomedica. Lo studente avrà, inoltre, acquisito una capacità di recepire gli spunti di aggiornamento ed approfondimento sulle novità tecniche che provengono dal settore della Bioingegneria, manifestando altresì la capacità di saper effettuare una ricerca in autonomia per contestualizzare ed approfondire le tematiche trattate. Lo studente sarà, infine, in grado di comprendere in modo critico anche i limiti di validità ed applicabilità in contesti reali dei modelli e degli strumenti oggetto di studio del corso.

Conoscenza adeguata dei contenuti degli insegnamenti di “Fondamenti di Biomedicina”e “Fondamenti di Bioingegneria 1”.

Lezioni frontali, seminari ed esercitazioni interattive.

La verifica dell’apprendimento è finalizzata a valutare la capacità dello studente di inquadrare, descrivere e manipolare i concetti di base della bioingegneria. La valutazione dipenderà dalla maturità acquisita sui contenuti del corso e si terrà conto della qualità dell’esposizione, in termini di utilizzo di linguaggio scientifico appropriato e dell’autonomia di giudizio dimostrata, e delle capacità teoriche e pratiche acquisite.

• Introduzione ai segnali biomedici. Schema generale di un sistema di misura biomedico. Classificazione dei segnali biomedici. Sistemi e segnali deterministici e stocastici.
• Sistemi lineari e tempo invarianti fisicamente realizzabili. Confronto tra elaborazione numerica e analogica. Struttura di un elaboratore lineare. Zeta trasformata, proprietà e legame con la trasformata di Fourier. Filtro di Wiener. Struttura generale di un elaboratore di segnali biomedici.
• Filtri e tecniche di riduzione del rumore sovrapposto ai segnali biomedici. Filtri numerici. Filtro Moving Average. Filtro di Hanning. Risuonatore parametrico. Filtri a due poli e due zeri. Derivatori numerici.
• Analisi del segnale ECG nel dominio del tempo e della frequenza. Caratterizzazione dello spettro del segnale ECG e del complesso QRS. Algoritmi per la rilevazione del complesso QRS. Variabilità del ritmo cardiaco. Poincaré Plot.
• Analisi del segnale EMG nel dominio del tempo e della frequenza.
• Analisi del segnale EEG nel dominio del tempo e della frequenza. Studio dei potenziali spontanei e potenziali evocati.
• Generalità sui segnali biomedici non stazionari. Analisi tempo-frequenza dei segnali biomedici. Short Time Fourier and Wavelet Transform.
• Elaborazione dei segnali inerziali. Cenni di analisi del movimento.
• Introduzione al medical imaging. Concetti di luminanza/intensità, risoluzione spaziale, risoluzione dei livelli di grigio, dinamica delle immagini, istogramma, contrasto per le immagini biomediche. Formato delle immagini biomediche.
• Caratterizzazione della qualità diagnostica di un’immagine medica. Definizione di nitidezza, contrasto e rumore. Line spread function (LSF), point spread function (PSF) e modulation transfer function (MTF). Rapporto segnale rumore (SNR) e rapporto contrasto rumore (CNR). Formalizzazione del problema generale di image formation e image restoration.
• Tomografia computerizzata (CT). Interazione fotonica con la materia: legge di assorbimento, coefficiente di attenuazione, contrasto radiografico. Dalle proiezioni RX alla tomosintesi. CT number e unità di Hounsfield. Hardware. Generazioni di CT. Trasformate di Hankel, Abel e Chirp-z. Trasformata di Radon. Sinogramma. Trasformata inversa di Radon. Retroproiezione semplice e filtrata. Fascio a ventaglio. Confronti e approcci alternativi. Ricostruzione 3D secondaria da stack. CT a spirale. Ricostruzione esatta 3D.
• Imaging di risonanza magnetica (MRI). Hardware di un sistema MRI: magnete, bobine di gradiente, di radiofrequenza e ausiliarie. Rilevatori di radiofrequenza. Magnetizzazione microscopica, macroscopica e trasversale. Sistemi di riferimento rotanti. Tempo di rilassamento spin-reticolo, tempo di rilassamento spin-spin. Eccitazione a radiofrequenza. Equazioni di Bloch. Principi di MRI: sequenze di impulsi di base (spin-echo, gradient-echo, inversion recovery), chemical shift. Ricostruzione MRI: gradienti di campo, codifica di frequenza, selezione del piano, codifica di fase, introduzione k-space.
• Tomografia computerizzata ad emissione. Radionuclidi e radiofarmaci. Cenni di radioprotezione. Attenuazione, scatter e deadtime. Collimatori. Detettori. Gamma camera. Principi di imaging nucleare: scintigrafia, tomografia a emissione di positroni (PET), tomografia a emissione di fotone singolo (SPECT), imaging ibrido.
• Tecniche di neuroimaging per la diagnostica e la ricerca biomedica. Principi di elaborazione di neuroimmagini strutturali e funzionali. Principi di elaborazione di immagini e dati di connettività cerebrale. Cenni sulle tecniche di neurostimolazione e neurostimolazione.
• Elementi di Biostatistica per la Bioingegneria. Metodologie biostatistiche descrittive ed inferenziali. Campionamento delle popolazioni, variabili, rappresentazioni e distribuzioni. Test statistici e intervallo di confidenza. Analisi della varianza. Modello generale lineare. Analisi del rischio e della sopravvivenza.
• Introduzione all’utilizzo di Matlab per la Bioingegneria. Elaborazione di segnali biomedici in Matlab.
• Elaborazione di immagini biomediche in Matlab. Operazioni lineari e non lineari. Equalizzazione dell’istogramma. Enhancement delle immagini biomediche mediante statistiche locali. Operazioni aritmetiche per immagini biomediche. Operazioni geometriche per immagini biomediche: trasformazioni affini e interpolazione. Filtraggio spaziale di immagini biomediche: filtri di smoothing, filtri di sharpening, filtro mediano.
• Introduzione all’utilizzo di Python per la Bioingegneria. Esempi notevoli di elaborazione di dati e segnali biomedici in Python.

Italian

The course introduces a series of notions and basic concepts specific to bioengineering with reference to the diverse fields and types of application in biomedical engineering. The fundamental tools for the acquisition and the digital and statistical processing of biomedical data and signals will be presented. Moreover, different types of biomedical instrumentation will be analyzed also in relation to the acquisition and processing of medical images.

Slides and other material from lecturers.
Analisi e modelli di segnali biomedici. L. Landini, N. Vanello. Pisa University Press.
Principles of Medical Imaging for Engineers. From Signals to Images. M. Chappell. Springer.

At the end of the course the student will have acquired an adequate approach and awareness to the discipline, as well as a series of analytical and instrumental methodologies of engineering applied to medicine, that will allow it to analyze and solve issues of medical-biological interest. The student will be able to understand and use some of the main techniques for the acquisition and processing of biomedical signals and data in order to devise and/or design an experiment or a device for the identification of parameters of interest for a given biomedical application. The student will also have acquired an ability to receive the cues for updating and deepening on the technical innovations that come from the field of Bioengineering, also demonstrating the ability to carry out research independently to contextualize and deepen the issues covered. Finally, the student will be able to critically understand the limits of validity and applicability in real contexts of the models and tools of the course.

Adequate knowledge of the topics and contents of the previous activities “Fundamentals of Biomedicine” and “Fundamentals of Bioengineering 1”.

Frontal lectures, seminars and interactive sessions.

Verification of learning entails with assessment of the student's ability to correctly frame, describe and manipulate the basic concepts of bioengineering and related examples of applications. The assessment will focus on the degree of maturation reached by the student on the topics of the course and will consider the quality of the exposure, the appropriateness of scientific and technical language and the independence of judgment demonstrated, but also the theoretical and practical skills acquired.

• Introduction to biomedical signals. General scheme of a biomedical measurement system. Classification of biomedical signals. Deterministic and stochastic systems and signals.
• Physically realizable linear and time invariant systems. Comparison between digital and analog processing. Structure of a linear processor. Zeta transform, properties and link with the Fourier transform. Wiener filter. General structure of a biomedical signal processor.
• Filters and other processing techniques for reducing noise superimposed on biomedical signals. Digital filters. Moving Average filter. Hanning filter. Parametric resonator. Two-pole and two-zero filters. Numerical derivatives.
• Analysis of the ECG signal in the time and frequency domain. Characterization of the ECG signal spectrum and of the QRS complex. Algorithms for the detection of the QRS complex. Cardiac rhythm variability. Poincaré Plot.
• Analysis of the EMG signal in the time and frequency domain.
• EEG signal analysis in the time and frequency domain. Study of spontaneous and evoked potentials.
• General information on non-stationary biomedical signals. Time-frequency analysis of biomedical signals. Short Time Fourier and Wavelet Transform.
• Inertial signal processing. Notes on gait analysis.
• Introduction to medical imaging. Concepts of luminance/intensity, spatial resolution, gray level resolution, image dynamics, histogram, contrast for biomedical images. Format of biomedical images.
• Characterization of the diagnostic quality of a medical image. Definition of sharpness, contrast and noise. Line spread function (LSF), point spread function (PSF) and modulation transfer function (MTF). Signal to noise ratio (SNR) and contrast to noise ratio (CNR). Formalization of the general problem of image formation and image restoration.
• Computed tomography (CT). Photonic interaction with matter: absorption law, attenuation coefficient, radiographic contrast. From RX projections to tomosynthesis. CT number and Hounsfield units. Hardware. CT generations. Hankel, Abel and Chirp-z transforms. Radon transform. Sinogram. Inverse Radon transform. Simple and filtered backprojection. Fan beam. Comparisons and alternative approaches. Secondary 3D reconstruction from stack. Spiral CT. Exact 3D reconstruction.
• Magnetic resonance imaging (MRI). Hardware of an MRI system: magnet, gradient, radiofrequency and auxiliary coils. Radiofrequency detectors. Microscopic, macroscopic and transverse magnetization. Rotating reference frames. Spin-lattice relaxation time, spin-spin relaxation time. Radiofrequency excitation. Bloch equations. MRI principles: basic pulse sequences (spin-echo, gradient-echo, inversion recovery), chemical shift. MRI reconstruction: field gradients, frequency encoding, plane selection, phase encoding, k-space introduction.
• Emission computed tomography. Radionuclides and radiopharmaceuticals. Notes on radiation protection. Attenuation, scatter and deadtime. Collimators. Detectors. Gamma camera. Principles of nuclear imaging: scintigraphy, positron emission tomography (PET), single photon emission tomography (SPECT), hybrid imaging.
• Neuroimaging techniques for biomedical diagnostics and research. Principles of structural and functional neuroimaging. Principles of brain connectivity image and data generation and processing. Notes on neurostimulation and neurostimulation techniques.
• Elements of Biostatistics for Bioengineering. Descriptive and inferential biostatistical methodologies. Population sampling, variables, representations and distributions. Statistical tests and confidence interval. Analysis of variance. General linear model. Risk and survival analysis.
• Introduction to the use of Matlab for Bioengineering. Biomedical signal processing in Matlab.
• Biomedical image processing in Matlab. Linear and nonlinear operations. Histogram equalization. Enhancement of biomedical images using local statistics. Arithmetic operations for biomedical images. Geometric operations for biomedical images: affine transformations and interpolation. Spatial filtering of biomedical images: smoothing filters, sharpening filters, median filter.
• Introduction to the use of Python for Bioengineering. Notable examples of biomedical data and signal processing in Python.