Universidad Pública de Navarra - Nafarroako Univertsitate Publikoa

Módulo/Materia

Módulo de Especialidad

Materia: Especialidad en Procesado y Comunicación de Señales e Imágenes Médicas

Subir

Descripción/Contenidos

• Algoritmos de procesado de Potenciales Evocados.
• Algoritmos para localización de fuentes aplicada en EEG
• Aplicaciones en interfaces Cerebro-Ordenador

Subir

Competencias genéricas

CB7 Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
CB8 Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
CB10 Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
CB9 Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.

Subir

Competencias específicas

• Que los estudiantes sean capaces de implementar algoritmos de procesado de EEG para eliminar artefactos, localizar fuentes y analizar potenciales evocados.
• Que los estudiantes sean capaces de implementar algoritmos para interfaces cerebro-ordenador.

Subir

Resultados aprendizaje

Los estudiantes aprenderán los métodos experimentales más importantes de la adquisición de señales neuronales y sus respectivos métodos de análisis. Aprenderán sobre los distintos campos de aplicación y las ventajas y desventajas de los distintos métodos. Serán capaces de elegir el método de análisis más apropriado y aplicarlo a los datos experimentales.

Subir

Metodología

Subir

Idiomas

Idioma en el que se imparte la asignatura: Castellano.

No obstante, habrá algunos materiales docentes y bibliografía básica en inglés.

Subir

Evaluación

Subir

Temario

Tema 1. Adquisición de señales neuronales y apliaciones clínicas y no clínicas.

Tema 2. Potenciales evocados y estadística básica para procesado de señales EEG.

Tema 3. Filtros espaciales, problema directo e inverso.

Tema 4. Problemas de clasificación y sistemas adaptativos en neuroingeniería.

Tema 5.- Principios de imagen por resonancia magnética (MRI) y funcional MRI

Subir

Programa de prácticas experimentales

Práctica 1: Aplicaciones de PCA en EEG

Práctica 2: Potenciales relacionados con eventos (ERPs)

Práctica 3: Clasificación de features

Práctica 4: CSP y validación de la clasificación

Práctica 5: fMRI review

Subir

Bibliografía

Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.

Bibliografía Básica

Pfurtscheller, G. and da Silva, F. H. L. (1999). Event-related EEG/MEG synchronization and desynchronization: basic principles. Clin Neurophysiol, 110(11):1842¿1857. 

Nikulin, V. V., Nolte, G., and Curio, G. (2011). A novel method for reliable and fast extraction of neuronal EEG/MEG oscillations on the basis of spatio-spectral decomposition.
Neuroimage, 55:1528¿1535. 

Lemm, S., Blankertz, B., Dickhaus, T., and Müller, K.-R. (2011). Introduction to machine learning for brain imaging. Neuroimage, 56:387¿399. 

Bibliografía Complementaria

Belouchrani, A., Abed-Meraim, K., Cardoso, J.-F., and Moulines, E. (1997). A blind source separation technique using second-order statistics. IEEE Trans Signal Process, 45(2):434¿444. 

S.A. Huettel, A.W. Song, G. McCarthy. (2009). Functional Magnetic Resonance Imaging 2nd Revised Edition. Sinauer Associates Inc.,U.S.

Blankertz, B., Lemm, S., Treder, M. S., Haufe, S., and Müller, K.-R. (2011). Single-trial analysis and classification of ERP components ¿ a tutorial. Neuroimage, 56:814¿825.
 
Haufe, S., Meinecke, F., Görgen, K., Dähne, S., Haynes, J.-D., Blankertz, B., and Bießmann, F. (2014). On the interpretation of weight vectors of linear models in multivariate neuroimaging. Neuroimage, 87:96¿110.
 
Key, A. P., Dove, G. O., and Maguire, M. J. (2005). Linking brainwaves to the brain: an ERP primer. Dev Neuropsychol, 27:183¿215.

Odom, J., Bach, M., Barber, C., Brigell, M., Marmor, M., Tormene, A., Holder, G., and Vaegan (2004). Visual evoked potentials standard (2004). Doc Ophthalmol, 108(2):115¿123.

Patel, S. H. and Azzam, P. N. (2005). Characterization of N200 and P300: selected studies of the Event-Related Potential. Int J Med Sci, 2:147¿154. 
 
Ledoit, O. and Wolf, M. (2004). A well-conditioned estimator for large-dimensional covariance matrices. J Multivar Anal, 88:365¿411.
 
Parra, L. C., Spence, C. D., Gerson, A. D., and Sajda, P. (2005). Recipes for the linear analysis of EEG. Neuroimage, 28(2):326¿341. 
 
Vidal, J. J. (1973). Toward direct brain-computer communication. Annu Rev Biophys, 2:157¿180.
 
Wolpaw, J. R., McFarland, D. J., Neat, G. W., and Forneris, C. A. (1991). An EEG-based brain-computer interface for cursor control. Electroencephalogr Clin Neurophysiol, 78:252¿259. 

Blankertz, B., Tomioka, R., Lemm, S., Kawanabe, M., and Müller, K.-R. (2008). Optimizing spatial filters for robust EEG single-trial analysis. IEEE Signal Process Mag, 25(1):41¿56.

Fukunaga, K. (1990). Introduction to statistical pattern recognition. Academic Press, Boston, 2nd edition edition.

Parra, L., Christoforou, C., Gerson, A., Dyrholm, M., Luo, A., Wagner, M., Philiastides, M., and Sajda, P. (2008). Spatiotemporal linear decoding of brain state. IEEE Signal Process Mag, 25(1):107¿115. 
 
Neuper, C. and Klimesch, W., editors (2006). Event-related Dynamics of Brain Oscillations. Elsevier.

Pfurtscheller, G., Brunner, C., Schlögl, A., and da Silva, F. L. (2006). Mu rhythm (de)synchronization and EEG single-trial classification of different motor imagery tasks. Neuroimage, 31(1):153¿159.

Subir

Lugar de impartición

Aulario

Subir