1 Introducción a las Especialidades: Tratamiento de Señales y BioingenieríaMÁSTER UNIVERSITARIO DE INVESTIGACIÓN EN TECNOLOGÍAS DE LA INFORMACIÓN Y LAS COMUNICACIONES Dr. Miguel López Coronado Tel.:

2 TRATAMIENTO DE SEÑALES Y BIOINGENIERÍA (TSB)

3 TRATAMIENTO DE SEÑALES Y BIOINGENIERÍA (TSB)Dos Bloques de Materias (6 Asignaturas) Técnicas de Tratamiento de Señal (15 créditos) Análisis no lineal (5 créditos) Procesado multidimensional (5 créditos) Estimación y procesado adaptativo (5 créditos) Ingeniería Biomédica (15 créditos) Procesado de señales biomédicas (5 créditos) Procesado de imágenes médicas (5 créditos) Instrumentación biomédica (5 créditos)

4 TÉCNICAS DE TRATAMIENTO DE SEÑALEl procesamiento digital de señales (digital signal processing, DSP) es un área de la ingeniería que se dedica al análisis y procesamiento de señales (audio, voz, imágenes, video) que son discretas. Aunque comúnmente las señales en la naturaleza nos llegan en forma analógica, también existen casos en que estas son por su naturaleza digitales, por ejemplo, las edades de un grupo de personas, el estado de una válvula en el tiempo (abierta/cerrada), etc. Se puede procesar una señal para obtener una disminución del nivel de ruido, para mejorar la presencia de determinados matices, como los graves o los agudos y se realiza combinando los valores de la señal para generar otros nuevos.

5 TÉCNICAS DE TRATAMIENTO DE SEÑALUno de los beneficios principales del DSP es que las transformaciones de señales son más sencillas de realizar. Una de las más importantes transformadas es la Transformada de Fourier discreta (TFD). Esta transformada convierte la señal del dominio del tiempo al dominio de la frecuencia. La TDF permite un análisis más sencillo y eficaz sobre la frecuencia, sobre todo en aplicaciones de eliminación de ruido y en otros tipos de filtrado (paso bajos, filtros pasa altos, filtros paso banda, filtros de rechazo de banda, etc.). Otra de las transformadas importantes es la Transformada de Coseno Discreta la cual es similar a la anterior en cuanto a los cálculos requeridos para obtenerla, pero esta convierte a la señales en componentes del coseno trigonométrico. Esta transformada es una de las bases del algoritmo de compresión de imágenes JPEG.

6 TÉCNICAS DE TRATAMIENTO DE SEÑALAlgunos modelos de microprocesadores son optimizados para el DSP. Estos procesadores se llaman Procesadores Digitales de Señales. Estos realizan operaciones para el DSP más rápida y eficientemente. Un procesador digital de señales o DSP (digital signal processor) es un sistema basado en un procesador o microprocesador que posee un juego de instrucciones, un hardware y un software optimizados para aplicaciones que requieran operaciones numéricas a muy alta velocidad. Debido a esto es especialmente útil para el procesado y representación de señales analógicas en tiempo real: en un sistema que trabaje de esta forma (tiempo real) se reciben muestras (samples), normalmente provenientes de un conversor analógico/digital (ADC). El DSP permite aplicaciones que no podrían realizarse efectivamente con señales analógicas como, por ejemplo, almacenar una película de cine en un disco compacto (DVD) o canciones en un aparato portátil (iPod).

7 TÉCNICAS DE TRATAMIENTO DE SEÑAL: AplicacionesEl procesamiento digital de audio es un tipo de procesamiento digital de señales especializado en el tratamiento de la señal de audio. Una señal de audio es una señal analógica eléctricamente exacta a una señal sonora; normalmente está acotada al rango de frecuencias audibles por los seres humanos que está entre los 20 y los Hz, aproximadamente. Una señal digital no es audible, ya que requiere ser decodificada antes de su reproducción. Sin embargo, la codificación y posterior decodificación de una señal digital para su audición tiene varias ventajas, aunque también algunos inconvenientes. Ventajas: La señal discreta (digital) es más fácil de transmitir, almacenar o manipular (en el caso del sonido: editar, comprimir, etc). La señal digital es inmune al ruido. La señal digital es menos sensible que la analógica a las interferencias, etc.

8 TÉCNICAS DE TRATAMIENTO DE SEÑAL: AplicacionesSe puede tomar una muestra de sonido y cambiar cualquiera de sus parámetros para generar un sonido diferente sin tener que recrearlo en la realidad. (Las aplicaciones de esta ventaja en la generación de efectos especiales es infinita). La señal digital permite la multigeneración infinita sin pérdidas de calidad. Esta ventaja sólo es aplicable a los formatos de disco óptico, la cinta magnética digital, aunque en menor medida que la analógica (que sólo soporta como mucho 4 o 5 generaciones), también va perdiendo información con la multigeneración. Ante la pérdida de cierta cantidad de información, la señal digital puede ser reconstruida gracias a los sistema de regeneración de señales (usados también para amplificarla, sin introducir distorsión). También cuenta, con sistemas de detección y corrección de errores que, por ejemplo, permiten introducir el valor de una muestra dañada, obteniendo el valor medio de las muestras adyacentes (interpolación). La señal digital puede ser enviada a casi cualquier punto del planeta en cualquier momento a un muy bajo costo a través de internet y a partir de aquí puede ser reenviada a su remitente o a algún otro destino. Esto sin que la señal sufra variaciones o alteraciones de calidad severas. Con el tiempo no se degrada

9 TÉCNICAS DE TRATAMIENTO DE SEÑAL: AplicacionesInconvenientes: Se necesita una conversión analógica-digital previa y una decodificación posterior, en el momento de la recepción. Hay una pérdida inherente de información al convertir la información continua en discreta. Por mínimo e insignificante que resulte siempre hay un error de cuantificación que impide que la señal digital sea exactamente equivalente a la analógica que la originó. La señal digital requiere mayor ancho de banda para ser transmitida que la analógica. Además, requiere una sincronización precisa entre los tiempos del reloj de transmisor, con respecto a los del receptor. Un desfase, por mínimo que sea, cambia por completo la señal. Si se utiliza compresión con pérdida, será imposible reconstruir la señal original.

10 TÉCNICAS DE TRATAMIENTO DE SEÑAL: AplicacionesEl procesamiento de voz es el estudio de la señales de voz y las técnicas de procesado de estas señales. Las señales son normalmente procesadas a partir de una representación digital; por eso el procesado de voz puede verse como la intersección del procesado digital de señal y el procesamiento de lenguaje natural. El procesado de voz se puede dividir en las siguientes categorías: Reconocimiento de voz, que trata el análisis del contenido lingüístico de una señal de voz. Reconocimiento del hablante, que tiene como objetivo identificar al a la persona que está hablando. Mejora de la señal de voz, por ejemplo reducción de ruido. Codificación de voz para compresión de datos y transmisión de la voz. Análisis de voz con propósitos médicos, para el análisis de disfunciones vocales. Síntesis de voz: la síntesis artificial del habla, lo que habitualmente significa habla generada por computador.

11 TÉCNICAS DE TRATAMIENTO DE SEÑAL: AplicacionesEl procesamiento digital de imágenes es el conjunto de técnicas que se aplican a las imágenes digitales con el objetivo de mejorar la calidad o facilitar la búsqueda de información. Las operaciones que se pueden realizar con imágenes se dividen en: Operaciones de punto Operaciones de entorno Operaciones con dos o más imágenes Los filtros se utilizan para la modificación de imágenes ya sea para detectar los bordes de una escena o para modificar el aspecto, otra función de los filtros es para la eliminación de ruido de la imagen. Al hablar de un filtro nos estamos refiriendo a realizar una Convolución de una matriz con respecto a un pixel y la vecindad de este, esto quiere decir, si la imagen es de 200x300 pixeles y el filtro con el cual se va a realizar la convolución es una matriz de 3x3 entonces se irá desplazando el filtro pixel a pixel iniciando en la posición (1,1) hasta llegar a la (199,299).

12 TÉCNICAS DE TRATAMIENTO DE SEÑAL: AplicacionesUno de los filtros clásicos para la detección de bordes es el filtro de Sobel el cual utiliza, a su vez, dos mascaras o filtros. Una para detectar los bordes verticales y otra para los horizontales. Así, para obtener los bordes completos se realiza la suma de las imágenes que nos resultaron con los bordes verticales y horizontales. Otro filtro para la detección de bordes es el filtro de Prewitt. Éste consta de 8 matrices que se aplican pixel a pixel a la imagen. Luego se suman las imágenes para obtener los bordes bien marcados. El filtro de Prewitt marca muy bien los bordes ya que sus matrices atacan estos desde ocho lados diferentes. En general cada matriz toma el nombre de un punto cardinal: Norte, Sur, Este, Oeste, Noroeste, Noreste, Suroeste, Sureste. Si se utiliza compresión con pérdida, será imposible reconstruir la señal original, por ello en medicina las transmisiones o el almacenamiento con compresión deben ser escrupulosamente procesas. (DICOM)

13 TÉCNICAS DE TRATAMIENTO DE SEÑAL: AplicacionesImagen Original Detección de bordes con Prewit Detección de bordes con Sobel

14 TÉCNICAS DE TRATAMIENTO DE SEÑAL: AplicacionesAnálisis de Retinografías para la detección de signos de la retinopatía diabética Realce del deterioro de la retina

15 TÉCNICAS DE TRATAMIENTO DE SEÑAL: AplicacionesECOCARDIOGRAFÍA CON DOPPLER Proyección apical cuatro cámaras Cuantificación del grado de Insuficiencia Mitral

16 TÉCNICAS DE TRATAMIENTO DE SEÑALHasta ahora se han expuesto las técnicas de tratamiento de señal, podíamos considerar, más implantadas y con aplicaciones comerciales claras y contundentes. Las especializaciones que se están desarrollando en el departamento de TSCeIT han necesitados de técnicas de tratamiento de señal más innovadoras y no siempre vinculadas al Análisis Lineal como: Teoría del Caos, Redes neuronales, Algoritmos Genéticos, Lógica Borrosa, etc. Procesado Multidimensional Estimación y Procesado Adaptativo

17 TÉCNICAS DE TRATAMIENTO DE SEÑALTeoría del caos es la denominación popular de la rama de las matemáticas y la física que trata ciertos tipos de comportamientos impredecibles de los sistemas dinámicos. Un sistema dinámico es un sistema complejo que presenta un cambio o evolución de su estado en un tiempo, el comportamiento en dicho estado se puede caracterizar determinando los límites del sistema, los elementos y sus relaciones; de esta forma se puede elaborar modelos que buscan representar la estructura del mismo sistema. Los sistemas dinámicos se pueden clasificar básicamente en: Estables Inestables Caóticos Un sistema estable tiende a lo largo del tiempo a un punto, u órbita, según su dimensión (atractor o sumidero). Un sistema inestable se escapa de los atractores. Y un sistema caótico manifiesta los dos comportamientos. Por un lado, existe un atractor por el que el sistema se ve atraído, pero a la vez, hay "fuerzas" que lo alejan de éste. De esa manera, el sistema permanece confinado en una zona de su espacio de estados, pero sin tender a un atractor fijo. Una de las mayores características de un sistema inestable es que tiene una gran dependencia de las condiciones iniciales. De un sistema del que se conocen sus ecuaciones características, y con unas condiciones iniciales fijas, se puede conocer exactamente su evolución en el tiempo. Pero en el caso de los sistemas caóticos, una mínima diferencia en esas condiciones hace que el sistema evolucione de manera totalmente distinta. Ejemplos de tales sistemas incluyen la atmósfera terrestre, el Sistema Solar, las placas tectónicas, los fluidos en régimen turbulento, los crecimientos de población, y ciertas señales biológicas.

18 TÉCNICAS DE TRATAMIENTO DE SEÑALLas redes de neuronas artificiales (denominadas habitualmente como RNA o en inglés como ANN) son un paradigma de aprendizaje y procesamiento automático inspirado en la forma en que funciona el sistema nervioso de los animales. Se trata de un sistema de interconexión de neuronas en una red que colabora para producir un estímulo de salida. En inteligencia artificial es frecuente referirse a ellas como redes de neuronas o redes neuronales. Las redes neuronales consisten en una simulación de las propiedades observadas en los sistemas neuronales biológicos a través de modelos matemáticos recreados mediante mecanismos artificiales (como un circuito integrado, un ordenador o un conjunto de válvulas). El objetivo es conseguir que las máquinas den respuestas similares a las que es capaz de dar el cerebro que se caracterizan por su generalización y su robustez. Una red neuronal se compone de unidades llamadas neuronas. Cada neurona recibe una serie de entradas a través de interconexiones y emite una salida. Esta salida viene dada por tres funciones: Una función de propagación (también conocida como función de excitación), que por lo general consiste en el sumatorio de cada entrada multiplicada por el peso de su interconexión (valor neto). Si el peso es positivo, la conexión se denomina excitatoria; si es negativo, se denomina inhibitoria. Una función de activación, que modifica a la anterior. Puede no existir, siendo en este caso la salida la misma función de propagación. Una función de transferencia, que se aplica al valor devuelto por la función de activación. Se utiliza para acotar la salida de la neurona y generalmente viene dada por la interpretación que queramos darle a dichas salidas. Algunas de las más utilizadas son la función sigmoidea (para obtener valores en el intervalo [0,1]) y la tangente hiperbólica (para obtener valores en el intervalo [-1,1]).

19 TÉCNICAS DE TRATAMIENTO DE SEÑALUn algoritmo es una serie de pasos organizados que describe el proceso que se debe seguir, para dar solución a un problema específico. Un algoritmo genético es un método de búsqueda dirigida basada en probabilidad. Bajo una condición muy débil (que el algoritmo mantenga elitismo, es decir, guarde siempre al mejor elemento de la población sin hacerle ningún cambio) se puede demostrar que el algoritmo converge en probabilidad al óptimo. En otras palabras, al aumentar el número de iteraciones, la probabilidad de tener el óptimo en la población tiende a 1. Son llamados así porque se inspiran en la evolución biológica y su base genético-molecular. Estos algoritmos hacen evolucionar una población de individuos sometiéndola a acciones aleatorias semejantes a las que actúan en la evolución biológica (mutaciones y recombinaciones genéticas), así como también a una Selección de acuerdo con algún criterio, en función del cual se decide cuáles son los individuos más adaptados, que sobreviven, y cuáles los menos aptos, que son descartados. También es denominado algoritmos evolutivos, e incluye las estrategias de evolución, la programación evolutiva y la programación genética. En los años 1970, surge de la mano de John Henry Holland, como una de las líneas más prometedoras de la inteligencia artificial.

20 TÉCNICAS DE TRATAMIENTO DE SEÑALLa lógica difusa o lógica borrosa se basa en lo relativo de lo observado. Este tipo de lógica toma dos valores aleatorios, pero contextualizados y referidos entre sí. Así, por ejemplo, una persona que mida 2 metros es claramente una persona alta, si previamente se ha tomado el valor de persona baja y se ha establecido en 1 metro. Ambos valores están contextualizados a personas y referidos a una medida métrica lineal. Un conjunto difuso, es un conjunto que puede contener elementos de forma parcial (por ejemplo una propiedad de este). Los subconjuntos difusos (o partes borrosas de un conjunto) fueron inventados para modelar la representación humana de los conocimientos (por ejemplo para medir nuestra ignorancia o una imprecisión objetiva) y mejorar así los sistemas de decisión, de ayuda a la decisión, y de inteligencia artificial.

21 TÉCNICAS DE TRATAMIENTO DE SEÑALAnálisis no lineal (Primer Cuatrimestre) Profesores: María García, Carlos Gómez y Luis Miguel San José Programa: Bloque 1: Introducción a los métodos de computación evolutiva aplicados a problemas de ingeniería Estudio específico de los Algoritmos Genéticos Bloque 2: Introducción a las redes neuronales Tipos y aplicaciones Bloque 3: Métodos derivados de la teoría del caos y aplicación de parámetros no lineales Teoría del caos Aplicación de parámetros no lineales a señales reales

22 TÉCNICAS DE TRATAMIENTO DE SEÑALAnálisis no lineal: Bibliografía básica Baker G.L. y Gollub J.L., Chaotic dynamics: an introduction. Cambridge, UK: Cambridge University Press. ISBN: Kantz H. y Schreiber T., Nonlinear Time Series Analysis. 2ª ed. Cambridge, UK: Cambridge University Press. ISBN: Ott E., Chaos in Dynamical Systems, 2ª ed. Cambridge, UK: Cambridge University Press. ISBN: Schuster H.G. y Just W., Deterministic Chaos: An Introduction. New York, NY: Wiley VCH. ISBN:

23 TÉCNICAS DE TRATAMIENTO DE SEÑALEstimación y procesado adaptativo (primer Cuatrimestre) Profesores: Luís Miguel San José y Carlos Alberola Programa: Bloque 1: Introducción a la teoría de la estimación Estimador de Máxima Verosimilitud Estimador de Mínimos Cuadrados Estimación Bayesiana Filtro de Kalman Bloque 2: Procesado adaptativo Estructuras de filtrado de señales discretas Filtrado adaptativo Aplicaciones del filtrado adaptativo

24 TÉCNICAS DE TRATAMIENTO DE SEÑALEstimación y procesado adaptativo Bibliografía básica Haykin "Adaptive filter Theory", Prentice Hall, (FUNDAMENTAL) B. Ristic, S. Arulampalam, N. Gordon, "Beyond the Kalman filter:particle filters for tracking applications", Boston: Artech House 2004. P. Diniz "Adaptive Filtering Algorithms and Practical Implementation", Kluwer Academia Publishers, 2004. John R. Treicher "Theory and design of adaptive filters", John wiley & sons, 1987. F. Gustafsson "Adaptive filtering and change detection", John Wiley & Sons, 2000.

25 TÉCNICAS DE TRATAMIENTO DE SEÑALProcesado multidimensional (Primer Cuatrimestre) Profesores: Carlos Alberola y Marcos Martín Programa: Bloque 1: Introducción al procesado multidimensional Señales y sistemas lineales multidimensionales Transformaciones multidimensionales  Diseño de filtros multidimensionales Bloque 2: Procesado espacial y espacio-temporal Procesado en array Procesado de vídeo Compresión de imágenes y vídeo

26 TÉCNICAS DE TRATAMIENTO DE SEÑALProcesado multidimensional Bibliografía básica Fundamentals of Digital Image Processing, A. K. Jain, Prentice Hall, 1989. Two-dimensional Signal Processing, J. S. Lim, Prentice Hall, 1990. Digital Image Processing, R. C. Gonzales, P. Wintz, Addison Wesley, 1987. J. S. Lim, Two Dimensional Signal and Image Processing, Prentice Hall, 1990. W. K .Pratt, Digital Image Processing, John Wiley and Sons, Second Edition, 1991.

27 INGENIERÍA BIOMÉDICA La ingeniería biomédica es la aplicación de los principios y técnicas de la ingeniería al campo de la medicina. Se dedica fundamentalmente al diseño y construcción de productos sanitarios y tecnologías sanitarias tales como equipos médicos, prótesis, dispositivos médicos, dispositivos de diagnóstico (imagenología médica) y de terapia. También interviene en la gestión o administración de los recursos técnicos ligados a un sistema de hospitales. Combina la experiencia de la ingeniería con necesidades médicas para obtener beneficios en el cuidado de la salud. El cultivo de tejidos suele ser considerada parte de la bioingeniería y en ocasiones la producción de determinados fármacos.

28 INGENIERÍA BIOMÉDICA La ingeniería biomédica es ampliamente reconocida como un campo multidisciplinar, resultado de un largo espectro de disciplinas que la influencian desde diversos campos y fuentes de información. Debido a su extrema diversidad, no es extraño que la bioingeniería se centre en un aspecto en particular. Existen muy diversos desgloses de disciplinas para esta ingeniería, a menudo se desgrana en: Bioelectromagnetismo. Creación de imágenes y óptica biomédicas. Biomateriales Biomecánica y biotransporte Instrumentación médica Ingeniería molecular y célular Biología de sistemas

29 INGENIERÍA BIOMÉDICA Bioelectromagnetismo (a veces denominado parcialmente como bioelectricidad o biomagnetismo) es una rama de las ciencias biológicas que estudia el fenómeno consistente en la producción de campos magnéticos o eléctricos por seres vivos, aunque estos dos conceptos van fuertemente unidos, ya que toda corriente eléctrica produce un campo magnético. Los ejemplos de este fenómeno incluyen el potencial eléctrico de las membranas celulares y las corrientes eléctricas que fluyen en nervios y músculos como consecuencia de su potencial de acción. No debe confundirse con la bioelectromagnética, que se ocupa de los efectos de una fuente externa de electromagnetismo sobre los organismos vivos .

30 INGENIERÍA BIOMÉDICA Se conoce como biomagnetismo al magnetismo generado por los seres vivos. También se ha usado esta palabra para designar al estudio de los efectos de los campos magnéticos sobre la vida, aunque en este caso se prefiere el término magnetobiología. Algunos ejemplos de fuentes de magnetismo son la diferencia de potencial a través de las membranas celulares, el flujo de corriente en los nervios y músculos.

31 INGENIERÍA BIOMÉDICA En términos médicos un biomaterial es un compuesto farmacológicamente inerte diseñado para ser implantado o incorporado dentro del sistema vivo. En este sentido el biomaterial se implanta con el objeto de sustituir o regenerar tejidos vivos y sus funciones. Pueden ser de colocación interna o externa. Los biomateriales están sometidos a situaciones adversas dado que están o pueden estar expuestos a fluidos del cuerpo, donde se puede dar la corrosión de los componentes del implante, o bien, actuar sobre el organismo de manera adversa. Los biomateriales restituyen funciones de tejidos vivos y órganos en el cuerpo. Por lo tanto es esencial entender las relaciones existentes entre las propiedades, funciones y estructuras de los materiales biológicos dado que las propiedades requeridas de un material varían de acuerdo con la aplicación particular.

32 INGENIERÍA BIOMÉDICA Implante de prótesis de caderaImplantes de pecho de silicona, Implante de prótesis de cadera

33 INGENIERÍA BIOMÉDICA La biomecánica es una disciplina científica que tiene por objeto el estudio de las estructuras de carácter mecánico que existen en los seres vivos, fundamentalmente del cuerpo humano. Esta área de conocimiento se apoya en diversas ciencias biomédicas, utilizando los conocimientos de la mecánica, la ingeniería, la anatomía, la fisiología y otras disciplinas, para estudiar el comportamiento del cuerpo humano y resolver los problemas derivados de las diversas condiciones a las que puede verse sometido.

34 INGENIERÍA BIOMÉDICA El biotransporte se refiere al estudio sistemático y unificado de la transferencia de momento, energía y materia. El transporte de estas cantidades guardan fuertes analogías, tanto físicas como matemáticas, de tal forma que el análisis matemático empleado es prácticamente el mismo. Los fenómenos de transporte pueden dividirse en dos tipos: transporte molecular y transporte convectivo Estos, a su vez, pueden estudiarse en tres niveles distintos: nivel macroscópico, nivel microscópico y nivel molecular.

35 INGENIERÍA BIOMÉDICA La instrumentación médica es una parte de la ingeniería médica muy amplia que va desde la adquisición de datos médicos de diferentes parámetros fisiológicos para facilitar un diagnóstico médico científico, hasta la aplicación de terapias. Evidentemente es un aspecto de la bioengeniería ampliamente interdisciplinar donde la medicina y la ingeniería siempre han ido juntas. La instrumentación médica puede empezar con un simple amplificador de instrumentación para acondicionar las señales biológicas de pequeño voltaje, necesario en un electrocardiograma (ECG) o en un electroencefalograma (EEG) y acabar en un TAC o en un sistema de Magnetoencefalograma (MEG)

36 INGENIERÍA BIOMÉDICA

37 INGENIERÍA BIOMÉDICA Electrocardiografo Electrocardiograma

38 INGENIERÍA BIOMÉDICA Sección del cerebro Detección de un tumor

39 INGENIERÍA BIOMÉDICA Bomba para la inyección subcutánea continua de insulina para pacientes diabéticos.

40 INGENIERÍA BIOMÉDICA MAGNES 2500 WH, 4D Neuroimaging

41 INGENIERÍA BIOMÉDICA Canales MEG: 148

42 Análisis comparativo de magnetoencefalogramas (MEG)INGENIERÍA BIOMÉDICA Análisis comparativo de magnetoencefalogramas (MEG) Alzheimer Control

43 INGENIERÍA BIOMÉDICA La biología sistémica es el campo de investigación interdisciplinaria de los procesos biológicos en el que las interacciones de los elementos, internos y externos, que influyen en el desarrollo del proceso se representan con un sistema matemático. Este enfoque "holístico" o "global" permite comprender integradamente el funcionamineto de los sistemas (procesos) biológicos y profundizar en el entendimiento de cómo sus interacciones internas y con otros sistemas conllevan a la aparición(emergencia) de nuevas propiedades. Prácticamente cualquier proceso biológico puede ser objeto de estudio de la biología sistémica, como por ejemplo, el crecimiento de una célula, la interacción entre dos bacterias o la circulación sanguínea en un organismo.

44 Procesado de Señales Biomédicas (Segundo Cuatrimestre)INGENIERÍA BIOMÉDICA Procesado de Señales Biomédicas (Segundo Cuatrimestre) Profesores: Roberto Hornero y Jesús Poza Programa: Bloque 1: Introducción al Procesado de Señales Biomédicas Objetivos, clasificación y etapas Bloque 2: Compresión de Señales Biomédicas Técnicas en el dominio tiempo-frecuencia Bloque 3: Técnicas de Procesado de Señales Biomédicas Análisis espectral Análisis no lineal

45 Procesado de Señales BiomédicasINGENIERÍA BIOMÉDICA Procesado de Señales Biomédicas Bibliografía básica Akay M. (ed.), Nonlinear Biomedical Signal Processing Volume II: Dynamic Analysis and Modeling. New York, NY: IEEE Press Series on Biomedical Engineering. ISBN: Bronzino J.D., The Biomedical Engineering Handbook, 2ª ed. Boca Raton, Florida: CRC press; New York, NY: IEEE press. ISBN:

46 Procesado de Imágenes Médicas (2ª Cuatrimestre)INGENIERÍA BIOMÉDICA Procesado de Imágenes Médicas (2ª Cuatrimestre) Profesores: Santiago Aja y Rodrigo de Luis Programa: Bloque 1: Luz y sistema visual humano Bloque 2: Técnicas de procesado de imagen Introducción al Procesado Lineal Bidimensional  Fundamentos de Realce de Imagen  Restauración de Imágenes Segmentación  Bloque 3: Modalidades de imagen médica Ecografía TAC Resonancia magnética

47 Procesado de Imágenes MédicasINGENIERÍA BIOMÉDICA Procesado de Imágenes Médicas Bibliografía básica: Fundamentals of Digital Image Processing, A. K. Jain, Prentice Hall, 1989. Two-dimensional Signal Processing, J. S. Lim, Prentice Hall, 1990. Digital Image Processing, R. C. Gonzales, P. Wintz, Addison Wesley, 1987. J. S. Lim, Two Dimensional Signal and Image Processing, Prentice Hall, 1990. W. K .Pratt, Digital Image Processing, John Wiley and Sons, Second Edition, 1991.

48 Instrumentación BiomédicaINGENIERÍA BIOMÉDICA Instrumentación Biomédica Profesores: José Vicente, Lourdes Pelaz Programa: Bloque 1: Instrumentación biomédica Sistemas electrónicos de medida. Sensores para instrumentación biomédica. Seguridad eléctrica en equipos biomédicos. Amplificadores bioeléctricos. Equipos de diagnóstico, monitorización y terapia.

49 Instrumentación BiomédicaINGENIERÍA BIOMÉDICA Instrumentación Biomédica Bibliografía básica: A.Y. K. Chang: “Biomedical Device Technology: Principles and Design”. Charles C Thomas, publisher, LTD, 2008. Joseph J. Carr and John M. Brown: “Introduction to Biomedical Equipment Technology”, Third Edition, Prentice Hall, 1998. John G. Webster, Editor: “Medical Instrumentation: Application and Design”, John Wiley & Sons, Inc

50 Introducción a las Especialidades: Tratamiento de Señal y BioingenieríaMÁSTER UNIVERSITARIO DE INVESTIGACIÓN EN TECNOLOGÍAS DE LA INFORMACIÓN Y LAS COMUNICACIONES Dr. Miguel López Coronado Tel.: