Universitat Internacional de Catalunya - Barcelona

Computación, Robòtica i Biònica 1

• código 13547
• curso 3
• periodo Semestre 1
• tipo op
• créditos 6

Lengua de impartición principal: inglés

Otras lenguas de impartición: catalán, castellano

Responsable

Dr. Xavier MARIMON - xmarimon@uic.es

El curso se centrará en el ámbito de la ingeniería neural, una disciplina en la frontera entre la neurociencia y la ingeniería. Se estudiarán los conceptos fundamentales de neuroingeniería, incluyendo: interfaces con el sistema nervioso, neuroprótesis, interfaces cerebro-computador (BCI) y registros de electrofisiología.  Por otra parte, se darán a conocer técnicas de medición y análisis de datos neuronales aplicando conceptos de inteligencia artificial y procesado de señales.Se desarrollan clases de tipo seminario para la formación teórica combinadas con prácticas con ordenador. sistemas neuronales biológicos y monitorización en el desarrollo de trabajos y estudios por parte de los estudiantes.

Para acceder al curso es requisito haber cursado las siguientes asignaturas:

Asignaturas del curso 1

Cálculo

Asignaturas del curso 2

Informática

Fundamentos y Sistemas Electrónicos

Teoría de Señales y Sistemas

Bioestadística

Asignaturas del curso 3

Neurociencias Aplicadas a la Ortoprótesis

• Saber distinguir entre machine learning supervisado y no supervisado. 
• Conocer y saber usar los principales algoritmos de clustering y clasificación.
• Evaluar las limitaciones actuales y potenciales de la inteligencia artificial.
• Describir i saber aplicar el algoritmo de spike sorting en registros de actividad eléctrica intracelular.
• Tener la capacidad de aplicar el pre procesamiento básico a una señal de electroencefalograma y una señal bold de resonancia magnética funcional.

• CE1 - Resolver los problemas matemáticos que puedan plantearse en el ámbito de la Bioingeniería. Aptitud para aplicar los conocimientos sobre geometría, cálculo integral, métodos numéricos y optimización.
• CE12 - Realizar un proyecto en el ámbito de las tecnologías específicas de Bioingeniería de naturaleza profesional en el que se sinteticen e integren las competencias adquiridas en las enseñanzas.
• CE15 - Tener la capacidad de realizar un proyecto mediante el uso de fuentes de datos, y la aplicación de metodologías, técnicas de investigación y herramientas propias de la Bioingeniería, y hacer una exposición y defensa pública del proyecto ante un público especializado de forma que se demuestre la adquisición de las competencias y conocimientos propios del Grado
• CE16 - Aplicar la terminología propia de la Bioingeniería tanto oral como escrita en una tercera lengua.
• CE17 - Ser capaz de identificar los conceptos de la ingeniería que se pueden aplicar en el campo de la biología y de la salud.
• CE3 - Aplicar a la Bioingeniería los conocimientos fundamentales sobre el uso y programación de los ordenadores, sistemas operativos, bases de datos y programas informáticos.
• CE7 - Saber reconocer la anatomía y la fisiología aplicada a las estructuras intervinientes en Bioingeniería.
• CG1 - Desarrollar proyectos en los ámbitos de la Bioingeniería que tengan por objeto la concepción, el diseño y la fabricación de prótesis y ortoprótesis específicas a una patología o necesidad determinada.
• CG4 - Resolver problemas con iniciativa, toma de decisiones, creatividad, razonamiento crítico y de comunicación y transmisión de conocimientos, habilidades y destrezas en el campo de la Bioingeniería.
• CG5 - Realizar cálculos, valoraciones, tasaciones, peritaciones, estudios, informes, planes de labores y otros trabajos análogos.
• CG7 - Analizar y valorar el impacto social y medioambiental de las soluciones técnicas.
• CT3 - Saber comunicarse de forma oral y escrita con otras personas sobre los resultados del aprendizaje, de la elaboración del pensamiento y de la toma de decisiones; participar en debates sobre temas de la propia especialidad
• CT4 - Ser capaz de trabajar como miembro de un equipo interdisciplinar, ya sea como un miembro más o realizando tareas de dirección, con la finalidad de contribuir a desarrollar proyectos con pragmatismo y sentido de la responsabilidad, asumiendo compromisos teniendo en cuenta los recursos disponibles
• CT5 - Realizar un uso solvente de los recursos de información. Gestionar la adquisición, la estructuración, el análisis y la visualización de datos e información en el ámbito de especialidad y valorar de forma crítica los resultados de dicha gestión.
• CT6 - Detectar deficiencias en el propio conocimiento y superarlas mediante la reflexión crítica y la elección de la mejor actuación para ampliar dicho conocimiento.
• CT7 - Dominar una tercera lengua, habitualmente el inglés, con un nivel adecuado oral y escrito y en consonancia con las necesidades que tendrán los titulados y tituladas
• CB2 - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio
• CB3 - Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética
• CB4 - Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado
• CG10 - Saber trabajar en un entorno multilingüe y multidisciplinar
• CG2 - Promover los valores propios de una cultura pacífica, contribuyendo a la convivencia democrática, el respeto de los derechos humanos y principios fundamentales como la igualdad y la no discriminación.
• CG3 - Tener capacidad para el aprendizaje de nuevos métodos y teorías y ser versátil para la adaptación a nuevas situaciones.
• CT2 - Tener capacidad para relacionar el bienestar con la globalización y la sostenibilidad; lograr habilidades para utilizar de forma equilibrada y compatible la técnica, la tecnología, la economía y la sostenibilidad.

Bloque 1. Computación. Aprendizaje automático clásico

1. Aprendizaje no supervisado (agrupación y reducción / factorización de dimensionalidad)

1.1 Algoritmos de agrupamiento

1.1.1 agrupamiento de k-medias

1.1.2 Agrupación jerárquica

1.1.3 Agrupación espectral

1.1.4 Agrupación del modelo de mezcla gaussiana (GMM)

1.1.5 Agrupación de modelos de Hiden Markov

1.2 Reducción de dimensionalidad y factorización

1.2.1 Análisis de componentes principales (PCA)

1.2.2 Factorización de matriz no negativa (NNMF)

1.2.3 Análisis factorial (FA)

2. Aprendizaje supervisado (regresión de clasificación)

2.1 Algoritmos de regresión

2.1.1 Regresión lineal

2.1.2 Regresión no lineal

2.1.3 Regresión logística

2.1.4 Modelo lineal generalizado (GLM)

2.1.5 Árboles de regresión

2.1.6 Modelo de regresión del proceso gaussiano

2.2 Algoritmos de clasificación

2.1.1 Análisis discriminante lineal (LDA)

2.1.2 Máquinas de vectores de soporte (SVM)

2.1.3 k-Vecino más cercano (kNN)

2.1.4 Árboles de decisión

2.1.5 Bayes 

2.1.6 Redes neuronales

2.1.7 Árboles de decisión

3. Separación de fuentes ciegas

3.1 Análisis de componentes independientes (ICA)

3.2 Análisis rápido de componentes independientes (Fast-ICA)

Bloque 2. Biónica. Función cerebral y neuroprotésica motora

1. Origen de la señal cerebral.

2. Registro de actividad cerebral

2.1 Medidas eléctricas del cerebro

2.1.1 Grabaciones extracelulares

2.1.1.1 Electroencefalograma (EEG)

2.1.1.2 Electrocorticografía (ECoG) (epidural, subdural)

2.1.2 Grabaciones intracelulares

2.1.2.1 Actividad de unidad única (SUA)

2.1.2.2 Potencial de campo local (LFP) y actividad de unidades múltiples (MUA)

2.2. Medidas magnéticas del cerebro

2.2.1 Imágenes por resonancia magnética (MRI)

2.3. Mediciones metabólicas del cerebro

2.3.1 Imágenes de resonancia magnética funcional (fMRI)

2.3.2 Espectroscopía funcional de infrarrojo cercano (fNIRS)

3. Análisis de la actividad cerebral.

3.1 Clasificación de espigas (spikes)

3.2 Decodificación del rasterplot

3.3 Histograma de tiempo peri-estímulo (PSTH)

3.4. Función de densidad de espiga

3.5 Curvas de sintonía y vector de población

3.6 procesamiento de señal EMG

3.7 Procesamiento de señal BOLD (fMRI)

4. Origen de la señal muscular.

5. Registro de actividad muscular

5.1 Electromiografía (EMG)

5.2 interfaces neuronales PNS

6. Análisis de la actividad muscular.

6.1 Sinergias musculares de la señal EMG

6.2 Procesamiento del señal EMG y control del brazo protésico

6.3  Procesamiento del señal ENG

  La calificación final de la asignatura se obtendrá como;

Nota=0,4·Nef +0,3·Nlab+0,3·Ntreb

donde

Nef : Nota examen final

Nlab : Nota prácticas laboratorio

Ntreb : Nota trabajos de la asignatura

Consideraciones importantes:

1. Plagio, copiar o cualquier otra acción que se pueda considerar trampa supondrá un cero en ese apartado de evaluación. Realizarlo en los exámenes supondrá el suspenso inmediato de la asignatura.
2. En segunda convocatoria no se podrá obtener la calificación de "Matrícula de Honor", por lo que la calificación máxima será de "Excelente". 
3. No se aceptarán cambios en el calendario, fechas de exámenes o en el sistema de evaluación.
4. Los estudiantes de intercambio (Erasmus y otros) o repetidores estarán sometidos a las mismas condiciones que el resto del alumnado.

[1] Dornhege, G. Millán, J.d.R., Hinterberger, T., McFarland, D.J., and Müller, K.-R. (eds.) (2007). Towards Brain-Computing Interfacing. Cambridge, MA: MIT Press.

[2] Wolpaw, J. and Wolpaw E.W. (eds.) (2012). Brain-Computer Interfaces: Principles and Practice. Oxford University Press.

[3] Farina et al. Introduction to Neural Engineering for Motor Rehabilitation. IEEE Press Series on Biomedical Engineering Book.

E: fecha de examen | R: fecha de revisión | 1: primera convocatoria | 2: segunda convocatoria:

• E1 08/01/2020 14:00h A05