htw saar Piktogramm QR-encoded URL
Zurück zur Hauptseite Version des Moduls auswählen:
Lernziele hervorheben XML-Code

Biomedizinische Signal- und Bildverarbeitung

(Modul inaktiv seit 28.11.2013)

Modulbezeichnung:
Bezeichnung des Moduls innerhalb des Studiengangs. Sie soll eine präzise und verständliche Überschrift des Modulinhalts darstellen.
Biomedizinische Signal- und Bildverarbeitung
Studiengang:
Studiengang mit Beginn der Gültigkeit der betreffenden ASPO-Anlage/Studienordnung des Studiengangs, in dem dieses Modul zum Studienprogramm gehört (=Start der ersten Erstsemester-Kohorte, die nach dieser Ordnung studiert).
Biomedizinische Technik, Master, ASPO 01.04.2011
Code: BMT801
SWS/Lehrform:
Die Anzahl der Semesterwochenstunden (SWS) wird als Zusammensetzung von Vorlesungsstunden (V), Übungsstunden (U), Praktikumsstunden (P) oder Projektarbeitsstunden (PA) angegeben. Beispielsweise besteht eine Veranstaltung der Form 2V+2U aus 2 Vorlesungsstunden und 2 Übungsstunden pro Woche.
3V+1P (4 Semesterwochenstunden)
ECTS-Punkte:
Die Anzahl der Punkte nach ECTS (Leistungspunkte, Kreditpunkte), die dem Studierenden bei erfolgreicher Ableistung des Moduls gutgeschrieben werden. Die ECTS-Punkte entscheiden über die Gewichtung des Fachs bei der Berechnung der Durchschnittsnote im Abschlusszeugnis. Jedem ECTS-Punkt entsprechen 30 studentische Arbeitsstunden (Anwesenheit, Vor- und Nachbereitung, Prüfungsvorbereitung, ggfs. Zeit zur Bearbeitung eines Projekts), verteilt über die gesamte Zeit des Semesters (26 Wochen).
5
Studiensemester: 8
Pflichtfach: ja
Arbeitssprache:
Deutsch
Prüfungsart:
Testat (50%), Klausur (50%)

[letzte Änderung 26.01.2010]
Verwendbarkeit / Zuordnung zum Curriculum:
Alle Studienprogramme, die das Modul enthalten mit Jahresangabe der entsprechenden Studienordnung / ASPO-Anlage.

BMT801 Biomedizinische Technik, Master, ASPO 01.04.2011 , 8. Semester, Pflichtfach, Modul inaktiv seit 28.11.2013
Arbeitsaufwand:
Der Arbeitsaufwand des Studierenden, der für das erfolgreiche Absolvieren eines Moduls notwendig ist, ergibt sich aus den ECTS-Punkten. Jeder ECTS-Punkt steht in der Regel für 30 Arbeitsstunden. Die Arbeitsstunden umfassen Präsenzzeit (in den Vorlesungswochen), Vor- und Nachbereitung der Vorlesung, ggfs. Abfassung einer Projektarbeit und die Vorbereitung auf die Prüfung.

Die ECTS beziehen sich auf die gesamte formale Semesterdauer (01.04.-30.09. im Sommersemester, 01.10.-31.03. im Wintersemester).
Die Präsenzzeit dieses Moduls umfasst bei 15 Semesterwochen 60 Veranstaltungsstunden (= 45 Zeitstunden). Der Gesamtumfang des Moduls beträgt bei 5 Creditpoints 150 Stunden (30 Std/ECTS). Daher stehen für die Vor- und Nachbereitung der Veranstaltung zusammen mit der Prüfungsvorbereitung 105 Stunden zur Verfügung.
Empfohlene Voraussetzungen (Module):
Keine.
Als Vorkenntnis empfohlen für Module:
BMT922 Neuronale Signalanalyse und Modellierung


[letzte Änderung 26.01.2010]
Modulverantwortung:
Prof. Dr. Dr. Daniel Strauß
Dozent/innen:
Prof. Dr. Dr. Daniel Strauß


[letzte Änderung 28.11.2013]
Lernziele:
Die Studierenden haben ein vertieftes Wissen in der biomedizinische Signal- und Bildverarbeitung. Sie können Methoden der Zeit-Frequenzanalyse sowie moderne Verfahren der digitalen/multiraten Signalverarbeitung für eine Vielzahl von biomedizinischen Signalen und Bildern anwenden und erweitern. Die Studierenden sind in der Lage, sich selbstständig Transformationen zu entwerfen und für individuelle Probleme anzupassen. Sie sind in der Lage, selbständig komplexe Probleme der biomedizinischen Signal- und Bildverarbeitung zu lösen.

[letzte Änderung 26.01.2010]
Inhalt:
1. Zeit-Frequenzanalyse / Skalenraumanalyse  
 1.1 Unschärfe Relation und gefensterte Fourier-Transformation
 1.2 Wavelet-Transformation
 1.3 Wigner und Choi-Williams Verteilungen
 
2. Multiraten-Signalverarbeitung von Biosignalen und Bildern
 2.1 Multiraten-Operationen
 2.2 Modulations- und Polyphasendarstellung
 2.3 paraunitäre Filter
 
3. Digitale Filterbänke
 3.1 paraunitäre und biorthogonale Filterbänke
 3.2 Baum- und parallelstrukturierte Filterbänke
 3.3 Lattice und Lifting-Implementierung
 3.4 diskrete Wavelet und Wavelet Packet-Transformation
 3.5 Frame-Transformation
 3.6 2D Filterbänke
 
4. Biosignal- und Bildkompression
 4.1 Best Basis Ansatz
 4.2 Signal-adaptierte Filterbänke/Transformationen
 4.3 Principal Component Filter Banks
 
5. Merkmalsextraktion und Selektion in biomedizinischen Signalen und Bildern
 5.1 Dimensionsreduktion
 5.2 Kapazität von Mustererkennungssystemen
 5.3 Adaptive Transformationen und Filterdesign für hybride Systeme
 
6. Klassifikation und Neuheitendetektion   
 6.1 Statistische Methoden
 6.2 Ansatz über neuronale und RBF Netze
 6.3 Support-Vektor Maschinen
 6.4 kernbasierte Neuheitendetektoren
 6.5 Approximationsnetzwerke
 
7. Bildsegmentierung, Bildverbesserung und Strukturerkennung
 7.1 Pixel-basierte Methoden
 7.2 morphologische Verfahren
 7.3 Ecken-basierte Segmentierung
 7.4 Diffusionsfilter
 7.5 Hough-Transformation
 
8. Implementierung
 8.1 DSPs
 8.2 FPGAs
 8.3 ASICs
 8.4 embedded PCs
 
9. Aktuelle Trends und Anwendungen der Biosignal- und Bildverarbeitung

[letzte Änderung 26.01.2010]
Literatur:
A. Mertins "Signaltheorie", 1996
A. V. Oppenheim und R. W. Schafer "Zeitdiskrete Signalverarbeitung", Oldenburg, 1999
S. A. Azizi "Entwurf und Realisierung digitaler Filter", Oldenburg, 1990
M. Vetterli and J. Kovacevic "Wavelets and Subband Coding", Prentice Hall 1995
P. P. Vaidyanathan "Multirate Systems and Filter Banks", Prentice Hall, 1990
S. Mallat "A Wavelet Tour of Signal Processing", Academic Press, 1999
J. Weickert "Anisotropic Diffusion in Image Processing", Teubner, 1998
J. L. Semmelow "Biosignal and Biomedical Image Processing", Marcel Dekker, 2004
E. N. Bruce "Biomedical Signal Processing and Signal Modelling", John Wiley & Sons, 2001
B. Schölkopf und A. J. Smola "Learning with Kernels: Support Vector Machines, Regularization, Optimization, and Beyond", MIT Press, 2002
B. D. Ripley "Pattern Recognition and Neural Networks", Cambridge University Press, 1996
G. Strang und T. Nguyen "Wavelets and Filter Banks", Wellesley-Cambridge Press, 1996
K. V. Price, R. Storn and J. Lampinen "Differential Evolution. A Practical Approach to Global Optimization", Springer, 2005
I. Daubechies "Ten Lectures on Wavelets", SIAM, 1992
M. V. Wickerhausen "Adaptive Wavelet Analysis", Vieweg, 1993
Digital Signal Processing: A Practical Guide for Engineers and Scientists, Newnes, 2002

[letzte Änderung 26.01.2010]
 
[Wed Dec  4 20:52:13 CET 2024, CKEY=bbsub, BKEY=bmtm, CID=BMT801, LANGUAGE=de, DATE=04.12.2024]