理工学部Faculty of Science and Engineering
BME200XE（人間医工学 / Biomedical engineering 200）生体信号計測処理Biosignal Processing
周 金佳Jinjia ZHOU
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | 理工学部Faculty of Science and Engineering |
| 添付ファイル名Attached documents | |
| 年度Year | 2021 |
| 授業コードClass code | H6103 |
| 旧授業コードPrevious Class code | |
| 旧科目名Previous Class title | |
| 開講時期Term | 秋学期授業/Fall |
| 曜日・時限Day/Period | 火3/Tue.3 |
| 科目種別Class Type | |
| キャンパスCampus | 小金井 |
| 教室名称Classroom name | |
| 配当年次Grade | |
| 単位数Credit(s) | |
| 備考（履修条件等）Notes | |
| 他学部公開科目Open Program | |
| 他学部公開（履修条件等）Open Program (Notes) | |
| グローバル・オープン科目Global Open Program | |
| 成績優秀者の他学部科目履修制度対象Interdepartmental class taking system for Academic Achievers | |
| 成績優秀者の他学部科目履修（履修条件等）Interdepartmental class taking system for Academic Achievers (Notes) | |
| 実務経験のある教員による授業科目Class taught by instructors with practical experience | |
| SDGsCPSDGs CP | |
| アーバンデザインCPUrban Design CP | |
| ダイバーシティCPDiversity CP | |
| 未来教室CPLearning for the Future CP | |
| カーボンニュートラルCPCarbon Neutral CP | |
| 千代田コンソ単位互換提供（他大学向け）Chiyoda Campus Consortium | |
| カテゴリー＜理工学部＞Category |
応用情報工学科 学科専門科目 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
This course introduces methods to analyze bioelectric signals such as the electrocardiogram. Students can learn various signal processing methods through the project to analyze real data.
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的（何を学ぶか）Outline and objectives
心電図等生体で観測される電気現象の計測及びデータ処理の方法について学ぶ。
到達目標Goal
実際に観測された生体信号のコンピュータ解析を通じて種々の信号処理の方法論を習得する。
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか（該当授業科目と学位授与方針に明示された学習成果との関連）Which item of the diploma policy will be obtained by taking this class?
ディプロマポリシーのうち、「DP1」と「DP2」と「DP4」に関連
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)（学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. ）
MATLABやPYTHON言語により実際のデータを取り扱いながらデータ処理法を習得する。具体的には脳波データの振幅分布ヒストグラム、グラムシャリエ展開、相関関数、パワースペクトルの推定、安静時、緊張時の状態判別、心電図の心拍数の推定、心拍変動解析等を実施する。 課題等の提出・フィードバックは「学習支援システム」を通じて行う予定です。
アクティブラーニング（グループディスカッション、ディベート等）の実施Active learning in class (Group discussion, Debate.etc.)
あり / Yes
フィールドワーク（学外での実習等）の実施Fieldwork in class
なし / No
授業計画Schedule
※各回の授業形態は予定です。教員の指示に従ってください。
第一回：導入
本講義の内容を概観する。
第二回：MATLAB、PYTHON入門
MATLAB、PYTHONの利用方法について学ぶ
第三回：生体信号計測
脳波、心電図の計測方法について学ぶ
第四回：生体信号の基本データ処理
各自、脳波等デジタル化された生体信号の基本データ処理として、データ表示を行い、振幅分布を求める
第五回：生体信号の基本データ処理２
ＦＩＲフィルタ設計とフィルタ処理によるアーチファクト除去、信号前処理の方法について学ぶ
第六回：生体信号の相関、スペクトル解析
生体信号の自己相関関数、パワースペクトルを推定し、状態（脳波であれば閉眼、開眼、安静、緊張等）による違いを考察する。
第七回：生体信号のパラ目トリック・スペクトル解析
ＡＲモデルのパラメータ推定とＡＲモデルに基づくスペクトル推定について学ぶ。
第八回：生体信号の非線形解析
生体信号振幅分布のグラムシャリエ展開を行い、システム非線形性との関連を学ぶ
第九回：生体信号の予測
信号予測の方法を生体信号に適用し、異常検出等への応用方法を学ぶ。
第十回：生体信号の適応信号処理
ＬＭＳアルゴリズムによる生体信号の適応処理方法について学ぶ。
第十一回：生体信号のパターン分類
スペクトルから導かれる各種パラメータを用いたパターン分類方法について学ぶ
第十二回：離散データの基本データ処理
心電図等離散データに対するインターバルヒストグラム、インターバル相関関数等基本統計処理について学ぶ
第十三回：離散データの分析Ｉ
離散データから背後の連続過程を推定するＤＣＳＩ法について学ぶ
第十四回：離散データの分析ＩＩ
非定常ポアソン過程の尤度関数とパラメータ推定について学ぶ。
授業時間外の学習（準備学習・復習・宿題等）Work to be done outside of class (preparation, etc.)
【本授業の準備・復習等の授業時間外学習は、4時間を標準とする】実際の観測データを使ったデータ処理の実習を行う。授業外の時間をつかって処理を完成させる。
テキスト（教科書）Textbooks
毎回パワーポイントや資料配布を授業支援システムを通じて行う。
参考書References
P. Z. Peebles, “Probability, Random Variables and Random Signal Principles,” 4th Edition, McGraw-Hill, 2001.
成績評価の方法と基準Grading criteria
成績は毎回提されるレポート課題により評価する。
学生の意見等からの気づきChanges following student comments
特になし。
その他の重要事項Others
オンラインでの開講となった場合、オンライン授業の方法や授業計画の変更、成績評価方法の変更などについては、学習支援システムでその都度提示する。担当教員から学習支援システムを通じた連絡がないか、日ごろからよく確認するようにしてください。