Guía docente de Procesamiento de Señales Biomédicas (20511F1)

• Tener cursada la asignatura obligatoria de Tratamiento y Transmisión de Señales.
• Competencia en el uso de técnicas de cálculo integral.
• Competencia en el uso de lenguajes de programación orientados al cálculo numérico, como MATLAB o Python.

• Tipos de señales biomédicas.
• Adquisición y pre-procesado de señales biomédicas.
• Acondicionamiento de señales biomédicas: reducción de ruido y artefactos, filtrado lineal, no lineal y adaptable.
• Análisis de señales biomédicas: estimación espectral y extracción de información diagnóstica.

• Conocimiento de técnicas de registro de señales e imágenes biomédicas.
• Capacidad para interpretar señales e imágenes biomédicas, así como su relación con los fenómenos fisiológicos subyacentes.
• Conocimiento y capacidad para acondicionar señales biomédicas con el objetivo de realizar una extracción de características eficiente.
• Conocimiento de técnicas de análisis y estimación espectral de señales e imágenes biomédicas.
• Conocimiento y capacidad para la detección o estimación de parámetros clínicos de interés.

1. Fundamentos de procesado digital de señales.

• 1.1. Introducción al procesado de señal.
• 1.2. Transformada de Fourier.
• 1.3. Digitalización de señales analógicas.
• 1.4. Diseño de filtros digitales.

2. Electroencefalografía.

• 2.1. Señales de electroencefalografía.
• 2.2. Potenciales evocados auditivos.
• 2.3. Técnicas de reducción de ruido.
• 2.4. Extracción de características.
• 2.5. Aplicaciones.

3. Electrocardiografía.

• 3.1. Señales de electrocardiografía.
• 3.2. Técnicas de reducción de ruido.
• 3.3. Extracción de características.
• 3.4. Diagnóstico de cardiopatías.

4. Procesamiento de imágenes biomédicas.

• 4.1. Técnicas básicas de procesado de imágenes.
• 4.2. Detección de contornos y segmentación.
• 4.3. Algoritmos de agrupación y clasificación.
• 4.4. Imágenes de resonancia magnética.

Prácticas de laboratorio (P)

• P0. Introducción a MATLAB. *Voluntaria, no entra en calificación
• P1. Fundamentos de procesado de señal.
• P2. Procesamiento de potenciales evocados auditivos sintetizados.
• P3. Procesamiento de potenciales evocados auditivos reales.
• P4. Diagnóstico de cardiopatías mediante electrocardiograma.
• P5. Segmentación y clasificación de imágenes de resonancia magnética (MRI).

Seminarios (S)

• S1. Problemas del tema 1.
• S2. Búsqueda bibliográfica de textos científicos.
• S3. Técnicas efectivas de comunicación.

Talleres (T)

• T1. Redacción de textos científicos mediante LaTeX.
• T2. Registro y análisis de señales de electroencefalografía: Potenciales evocados auditivos.
• T3. Sensibilización sobre igualdad de género en el ámbito profesional.

• Biomedical Signal and Image Processing, 2nd edition (2012). Najarian K, Splinter R. CRC Press Taylor & Francis Group (Boca Ratón, Florida, USA), 411 páginas. eBook ISBN: 9780429106774. Libro en Open access disponible en https://doi.org/10.1201/b11978.
• Modern Digital and Analogue Communication Systems, International Fifth edition (2022). Lathi B.P., Ding Z. Oxford University Press (New York, NY, USA). ISBN:9780190686864.
• Auditory Evoked Potentials: Basic Principles and Clinical Applications, 1st edition (2006). Burkard R, Don M, Eggermont JJ. Lippincott Williams & Wilkins (Baltimore, MD, USA), 736 páginas. ISBN: 0781757568.
• Basic concepts of clinical electrophysiology in audiology, 1st edition (2023). Durrant JD, Fowler CG, Ferraro JA, Purdy SC. Plural Publishing (San Diego, California, USA), 475 páginas. ISBN: 9781635501759.
• Tratamiento de señales en tiempo discreto, 3rd edition (2012). Oppenheim AV, Schafer RW. Pearson Educación S.A. (Madrid, España), 1108 páginas. ISBN: 9788483227183.
• Developments and Applications for ECG Signal Processing. (2019) Do Vale Madeiro JP, César Cortez P, da Silva Monteiro Filho JM, Alencar Brayner AR. Elsevier Ltd. ISBN: 978-0-12-814035-2. https://doi.org/10.1016/C2017-0-01102-3.
• ECG fácil, novena edition. (2019) Hampton J, Hampton J. Elsevier España, S.L.U. (Madrid, España). ISBN: 9788491135142.

• Valderrama JT, de la Torre A, Van Dun B. An automatic algorithm for blink-artifact suppression based on iterative template matching: Application to single channel recording of cortical auditory evoked potentials. Journal of Neural Engineering (2018) 15, 016008, 15p. doi: 10.1088/1741-2552/aa8d95. Disponible aquí.
• Valderrama JT, de la Torre A, Alvarez IM, Segura JC, Sainz M, Vargas JL. A flexible and inexpensive high-performance auditory evoked response recording system appropriate for research purposes. Biomedical Engineering/Biomedizinische Technik (2014) 59, 447-459. doi: 10.1515/bmt-2014-0034. Disponible aquí.
• Valderrama JT, de la Torre A, Alvarez IM, Segura JC, Thornton ARD, Sainz M, Vargas JL (2014c). Automatic quality assessment and peak identification of auditory brainstem responses with fitted parametric peaks. Computer Methods and Programs in Biomedicine 114, 262—275. Disponible aquí.
• de la Torre A, Valderrama JT, Segura JC, Alvarez IM. Matrix-based formulation of the iterative randomized stimulation and averaging method for recording evoked potentials. The Journal of the Acoustical Society of America (2019) 146, 4545-4556. doi: 10.1121/1.5139639. Disponible aquí.

• MATLAB: Licencia de acceso a los contenidos de MathWorks para la Universidad de Granada.
• MiKTeX: Descarga del programa para compilar documentos LaTeX en archivos PDF.
• PhysioBank: Acceso web a colecciones de bases de datos de señales fisiológicas.
• FieldTrip: Toolbox compatible con Matlab para procesado de señales biomédicas.
• MIT OpenCourseWare: Curso sobre procesamiento de señales e imágenes biomédicas.
• Procesamiento de señales biomédicas en Matlab.
• Página web del profesor responsable.

• MD01. EXPOSICIONES EN CLASE POR PARTE DEL PROFESOR. Podrán ser de tres tipos: 1) Lección magistral: Se presentarán en el aula los conceptos teóricos fundamentales y se desarrollarán los contenidos propuestos. Se procurará transmitir estos contenidos motivando al alumnado a la reflexión, facilitándole el descubrimiento de las relaciones entre diversos conceptos y tratando de formarle una mentalidad crítica 2) Clases de problemas: Resolución de problemas o supuestos prácticos por parte del profesor, con el fin de ilustrar la aplicación de los contenidos teóricos y describir la metodología de trabajo práctico de la materia. 3) Seminarios: Se ampliará y profundizará en algunos aspectos concretos relacionados con la materia. Se tratará de que sean participativos, motivando al alumno a la reflexión y al debate. 
• MD02. PRÁCTICAS REALIZADAS BAJO SUPERVISIÓN DEL PROFESOR. Pueden ser individuales o en grupo: 1) En aula/aula de ordenadores: supuestos susceptibles de ser resueltos de modo analítico o numérico. Se pretende que el alumno adquiera la destreza y competencias necesarias para la aplicación de conocimientos teóricos o normas técnicas relacionadas con la materia. 2) De laboratorio/laboratorio virtual: supuestos reales relacionados con la materia, principalmente en el laboratorio aunque, en algunos casos, se podrá utilizar software de simulación a modo de laboratorio virtual. El objetivo es desarrollar las habilidades instrumentales y las competencias de tipo práctico, enfrentándose ahora a la complejidad de los sistemas reales. 3) De campo: se podrán realizar visitas en grupo a empresas relacionadas, con el fin de desarrollar la capacidad de contextualizar los conocimientos adquiridos y su implantación en una factoría, teniendo en cuenta los valores e intereses de la actividad empresarial. 
• MD03. TRABAJOS REALIZADOS DE FORMA NO PRESENCIAL: Podrán ser realizados individualmente o en grupo. Los alumnos presentarán en público los resultados de algunos de estos trabajos, desarrollando las habilidades y destrezas propias de la materia, además de las competencias transversales relacionadas con la presentación pública de resultados y el debate posterior, así como la puesta en común de conclusiones en los trabajos no presenciales desarrollados en grupo. Las exposiciones podrán ser: 1) De problemas o casos prácticos resueltos en casa 2) De trabajos dirigidos 
• MD04. TUTORÍAS ACADÉMICAS: podrán ser personalizadas o en grupo. En ellas el profesor podrá supervisar el desarrollo del trabajo no presencial, y reorientar a los alumnos en aquellos aspectos en los que detecte la necesidad o conveniencia, aconsejar sobre bibliografía, y realizar un seguimiento más individualizado, en su caso, del trabajo personal del alumno. 
• MD05. EXÁMENES. Se incluye también esta actividad, que formará parte del procedimiento de evaluación, como parte de la metodología. 

Con objeto de evaluar la adquisición de los contenidos y competencias a desarrollar en la materia, se utilizará un sistema de evaluación diversificado, seleccionando las técnicas de evaluación más adecuadas para las asignaturas en cada momento, que permita poner de manifiesto los diferentes conocimientos y capacidades adquiridos por el alumnado al cursar cada asignatura.

La calificación global de la evaluación ordinaria corresponderá a la puntuación ponderada de los siguientes apartados que integran el sistema de evaluación.

• [40%] Exámenes parciales o finales. Evaluación de conocimientos y competencias adquiridas de forma individualizada. Podrá incluir (1) la resolución de problemas, (2) contenidos teóricos mediante preguntas tipo test o preguntas a desarrollar, y (3) ejercicios de programación relacionados con el procesamiento de señales biomédicas. La ponderación de este apartado es de un 40%.
• [30%] Prácticas de laboratorio. Trabajo realizado durante las sesiones prácticas y redacción de las memorias, donde se evaluará especialmente la claridad en la redacción escrita, la calidad de las figuras y tablas, y la originalidad en el enfoque de programación. Este apartado contará con una ponderación del 30%.
• [20%] Trabajo en grupo. Realización y exposición oral de un trabajo en grupo. Se evaluará especialmente la claridad de la exposición oral, la calidad de las diapositivas, la estructura del contenido, y la profundidad científica del contenido. Los Seminarios S2 y S3 proporcionarán formación para esta actividad. Este apartado tendrá una ponderación del 20% de la calificación.
• [10%] Evaluación continua. Cuestionarios de sesiones realizados de manera individual, participación activa, trabajo realizado en clase. La ponderación de este apartado será del 10%, y será necesario contar con una asistencia superior al 80% para que este apartado cuente en la nota final. De lo contrario, el peso de este apartado será del 0%.

La superación oficial de la asignatura en la evaluación ordinaria precisará la concurrencia de los tres requisitos siguientes:

1. Obtener una calificación igual o superior a 3 puntos sobre 10 en el apartado 'Exámenes parciales o finales'.
2. Obtener una calificación igual o superior a 5 puntos sobre 10 en el apartado 'Prácticas de laboratorio'.
3. Obtener una calificación global igual o superior a 5 puntos sobre 10.

Régimen de asistencia: La asistencia a las clases no es obligatoria, si bien se requiere una asistencia global del 80% para que la nota del apartado 'Evaluación continua' cuente en la nota final. En caso de incumplimiento, el peso de ese apartado será del 0%.

El artículo 19 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que los estudiantes que no hayan superado la asignatura en la convocatoria ordinaria dispondrán de una convocatoria extraordinaria. A ella podrán concurrir todos los estudiantes, con independencia de haber seguido o no un proceso de evaluación continua.

La calificación global de la evaluación extraordinaria constará de la puntuación ponderada de los siguientes apartados:

• [50%] Examen final. Este examen presentará la misma estructura que el examen final de la evaluación ordinaria, contando con una ponderación del 50%.
• [50%] Prácticas de laboratorio y Trabajo en grupo. En este apartado el alumnado mantendrá la calificación obtenida en la convocatoria ordinaria. En el caso de que el alumnado no haya realizado las entregas en el periodo de evaluación ordinaria, éstas deberán entregarse al menos 48 horas antes del examen final de la convocatoria extraordinaria.

La superación oficial de la asignatura en la evaluación extraordinaria precisará la concurrencia de los tres requisitos siguientes:

1. Obtener una calificación igual o superior a 5 puntos sobre 10 en el apartado 'Examen final'.
2. Obtener una calificación igual o superior a 5 puntos sobre 10 en el apartado 'Prácticas de laboratorio y Trabajo en grupo'.
3. Obtener una calificación global igual o superior a 5 puntos sobre 10.

El artículo 8 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que podrán acogerse a la evaluación única final, el estudiante que no pueda cumplir con el método de evaluación continua por causas justificadas.

Para acogerse a la evaluación única final, el estudiante deberá solicitarlo al Director de Departamento durante las dos primeras semanas de impartición de la asignatura o en las dos semanas siguientes a su matriculación, siguiendo el procedimiento establecido a través de Sede Electrónica: https://sede.ugr.es/procs/Gestion-Academica-Solicitud-de-evaluacion-unica-final/

La calificación global de la evaluación única final constará de un único apartado.

• [100%] Examen final. Este examen presentará la misma estructura que el examen final de la evaluación ordinaria, contando con una ponderación del 100%.

La superación oficial de la asignatura en la evaluación única final precisará la obtención de una calificación igual o superior a 5 puntos sobre 10 en el apartado 'Examen final'.

En el caso de utilizar herramientas de IA para el desarrollo de la asignatura, el estudiante debe adoptar un uso ético y responsable de las mismas. Se deben seguir las recomendaciones contenidas en el documento de "Recomendaciones para el uso de la inteligencia artificial en la UGR" publicado en esta ubicación: Recomendaciones para usar la IA en la UGR | Centro de Producción de Recursos para la Universidad Digital (CEPRUD).

Información de interés para estudiantado con discapacidad y/o Necesidades Específicas de Apoyo Educativo (NEAE): Programa de intervención social hacia estudiantes con discapacidad y/o NEAE | Vicerrectorado de Estudiantes y Vida Universitaria.

Medidas preventivas en laboratorios y/o talleres. En el siguiente enlace (https://ssp.ugr.es/informacion/noticias/medidas-preventivas-generales-laboratorios-talleres) se adjunta una guía con información relativa a buenas prácticas para los laboratorios experimentales docentes. En dicha guía se proporciona la información relativa a los principales riesgos para la seguridad y la salud asociados a las prácticas docentes en laboratorios, así como las medidas preventivas necesarias para eliminar y/o minimizar dichos riesgos. También se informa sobre el procedimiento a seguir en caso de accidente y cómo proporcionar un primer auxilio.

El estudiantado de movilidad tendrá acceso a material bibliográfico en inglés, y podrá utilizar el inglés para realizar preguntas en clase, tutorías, redactar memorias de prácticas, exposiciones orales y realizar exámenes.

• LaTeX.
• FieldTrip.