Computación, Robótica y Biónica 1
Lengua de impartición principal: inglés
Otras lenguas de impartición: catalán, castellano
Sem.1 | LU | 16:00 18:00 | I3 | |
Sem.1 | JU | 18:00 20:00 | I3 |
Responsable
Dr. Xavier MARIMON - xmarimon@uic.es
Horario de atención
Hay que convenir una cita con el profesor mediante correo electrónico institucional.
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.
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
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).
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).
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 |
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] 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.
E: fecha de examen | R: fecha de revisión | 1: primera convocatoria | 2: segunda convocatoria: