Asignatura

Computación, Robótica y Biónica 1

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

Lengua de impartición principal: inglés

Otras lenguas de impartición: catalán, castellano

Horario
 Sem.1  LU 16:00 18:00 I3
 Sem.1  JU 18:00 20:00 I3

Profesorado

Responsable

Dr. Xavier MARIMON - xmarimon@uic.es

Horario de atención

Hay que convenir una cita con el profesor mediante correo electrónico institucional.

Presentación

En caso de que las autoridades sanitarias decreten un nuevo periodo de confinamiento ante la evolución de la crisis sanitaria provocada por el COVID-19, el profesorado comunicará oportunamente las posibles afectaciones en las metodologías y actividades formativas así como en los sistemas de evaluación.

La primera parte del curso se centrará en el campo de la inteligencia artificial aplicada al mundo biomédico. Se estudiarán los algoritmos básicos de aprendizaje automático supervisado y no supervisado.

La segunda parte del 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.

Requisitos previos

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

Asignaturas de primer curso

Cálculo

Asignaturas de segundo curso

Informática*

Fundamentos y Sistemas Electrónicos

Teoría de Señales y Sistemas

Bioestadística

Asignaturas de tercer curso

Neurociencias Aplicadas a la Ortoprótesis (Simultánea. Recomendable, pero no obligatoria)

 * Se requiere haber alcanzado un buen nivel de programación y pensamiento computacional

Objetivos

  1. Describir las diferencias entre la Inteligencia artificial y el Aprendizaje Automático.
  2. Evaluar las limitaciones actuales y potenciales de la Inteligencia Artificial.
  3. Saber distinguir entre el Aprendizaje Automático supervisado y no supervisado.
  4. Comprender el funcionamiento de una interfaz cerebro-ordenador (BCI).
  5. Conocer las principales técnicas de adquisición de las señales neuronales.

Competencias / Resultados de aprendizaje de la titulación

  • 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.

Resultados de aprendizaje de la asignatura

Conocer y saber usar los principales algoritmos de clustering y clasificación.

Decidir y saber aplicar el algoritmo más adecuado para procesar un nuevo conjunto de datos.

Describir y 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 (EEG).

Tener la capacidad de aplicar el pre procesamiento básico a una señal bold de resonancia magnética funcional (fMRI).

Contenidos

Bloque 1. Computación. Aprendizaje automático clásico.

0. Introducción al aprendizaje automático.

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

1.1 Algoritmos de agrupamiento.

1.1.1 agrupamiento k-means.

1.1.2 Agrupación jerárquica.

1.1.3 Agrupación espectral.

1.1.4 Agrupación con el modelo de mezcla de gaussianas (GMM).

1.2 Reducción de dimensionalidad y factorización.

1.2.1 Análisis de componentes principales (PCA).

1.2.2 Factorización con la 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, no lineal y logística.

2.1.2 Modelo lineal generalizado (GLM).

2.1.3 Árboles de regresión.

2.2 Algoritmos de clasificación

2.1.1 Máquinas de vectores de soporte (SVM).

2.1.2 k-vecino más cercano (kNN).

2.1.3 Naïve Bayes. 

                 2.1.4 Análisis discriminante lineal (LDA).

2.1.5 Árboles de decisión.

2.1.6 Redes neuronales.

3. Separación de fuentes a 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. Interficies cerebro-computador (BCI).

2. Origen de la señal cerebral.

3. Registro y procesamiento de la actividad cerebral.

3.1 Medidas eléctricas del cerebro.

3.1.1 Registros intracelulares y extracelulares.

3.1.1.1 Actividad de una única unidad (SUA).

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

3.1.2 Registros extracelulares.

3.1.2.1 Electroencefalograma (EEG).

3.1.2.2 Electrocorticografía (ECoG) (epidural, subdural).

3.2. Medidas magnéticas del cerebro.

3.2.1 Resonancia magnética (MRI).

3.3. Mediciones metabólicas del cerebro.

3.3.1 Resonancia magnética funcional (fMRI).

3.3.2 Espectroscopía funcional de infrarrojo cercano (fNIRS).

 

Actividades experimentales: spike sorting, decodificación del raster plot, tuning curves y population vector, procesamiento de la señal EMG, procesamiento de la señal BOLD (fMRI).

Metodología y actividades formativas

Modalidad totalmente presencial en el aula

ACTIVIDAD FORMATIVA METODOLOGÍA COMPETENCIAS
Aprendizaje cooperativo tendrá una gran importancia en el grado en Bioingeniería, su enfoque se basa en organizar las actividades dentro del aula para convertirlas en una experiencia social y académica de aprendizaje. El aprendizaje depende del intercambio de información entre los estudiantes, los cuales están motivados tanto para logar su propio aprendizaje como para acrecentar los logros de los demás. Esta actividad contempla las prácticas realizadas en el entorno del laboratorio. La clase magistral, será el escenario para: Aprender y utilizar la terminología y estructuras lingüísticas relacionadas con el ámbito científico. Practicar y desarrollar destrezas de comunicación oral y escrita. Y para aprender como analizar bibliografía y literatura sobre temas de Bioingeniería. Practicar pautas para identificar y entender las ideas principales en durante la clase magistral. Esta actividad formativa es una herramienta esencial en la formación desde su origen y debe tener una presencia muy importante en esta estructura de grado. Lectura de textos dirigidos con el objeto de acceder al pensamiento crítico, el cual cumple un papel fundamental en la formación de ciudadanos conscientes y responsables Actividad no presencial, en esta actividad el estudiante realiza una labor de sedimentación y reposo del conocimiento, necesario siempre antes realizar una tarea nueva. El planteamiento de ejercicios y problemas por parte del profesor, ayuda al alumno a avanzar en el proceso ingenieril del diseño, guiado por el profesor se van consiguiendo metas parciales que facilitan la integración del conocimiento teórico adquirido. Actividad no presencial, en esta actividad el estudiante realiza ejercicios de forma autónoma, sin la presencia del profesor. En esta fase aparecen siempre más dudas, pero al no tener la opción de preguntar inmediatamente se produce un esfuerzo adicional por parte del alumno. Las clases prácticas permiten al alumno interactuar en primera persona con las herramientas de trabajo, en pequeños grupos o de forma individual se realizan pequeñas demostraciones prácticas de los conocimientos teóricos adquiridos durante las clases teóricas. En las clases teóricas se debe establecer el saber fundamental y científico que asientan las bases del conocimiento y rigor que exige el estudio de la ingeniería La metodología docente basada en la reflexión, pueden proporcionar al alumno en un menor espacio de tiempo, conocimientos y habilidades útiles para abordar problemas de una forma eficaz El seminario es un encuentro didáctico donde un especialista, en este caso el profesor, un profesional de prestigio, etc… interactúa con los asistentes en trabajos en común persiguiendo la difusión de conocimiento o la realización de un trabajo conjunto, proyecto o investigación El trabajo en grupo es una herramienta esencial en la sociedad actual. En el campo de la bioingeniería donde los procesos de diseño y productivos no los realiza una única persona es esencial aprender a trabajar de forma mancomunada. El trabajo individual, a través del estudio, la búsqueda de información, el procesamiento de datos y la interiorización de los conocimientos permiten al alumno consolidar su aprendizaje. CB1 CB2 CB3 CB4 CB5 CE1 CE12 CE15 CE16 CE17 CE19 CE21 CE3 CE5 CE8 CG1 CG10 CG2 CG3 CG4 CG5 CG6 CG7 CG8 CG9 CT2 CT3 CT4 CT5 CT6 CT7

Sistemas y criterios de evaluación

Modalidad totalmente presencial en el aula

  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.

Bibliografía y recursos

[1] Duda et al. 2000. Pattern Classification. Second Edition.. Wiley-Interscience publication.

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

[3] 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.

 

 

Periodo de evaluación

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

  • E1 07/01/2021 16:00h P2A03
  © 2024 Universitat Internacional de Catalunya | Contáctenos | Privacidad y Protección de datos | Propiedad intelectual
  Campus Barcelona. Tel.: 93 254 18 00 | Campus Sant Cugat. Tel.: 93 504 20 00