Signal Acquisition and Analysis

Die Lehrveranstaltung „Signal Acquisition & Analysis“ ist Teil der Spezialisierungsrichtung „Medical Imaging & Data Engineering“ im 4. Semester des Bachelorstudiengangs „Biomedical Engineering“ an der FH Technikum Wien und umfasst einen Arbeitsaufwand von 5 ECTS. Rund 20 Studierende wählen üblicherweise die betreffende Spezialisierungsrichtung, wobei aufgrund der englischen Unterrichtssprache bis zu 5 zusätzliche Incoming-Plätze besetzt werden können. Voraussetzung für die Teilnahme an der Lehrveranstaltung ist die Kenntnis der Grundlagen in den Bereichen Elektronik, Anatomie, Physiologie, Informatik und Messtechnik. Basierend darauf werden den Studierenden im Rahmen der Lehrveranstaltung sowohl theoretisches Grundlagenwissen als auch dessen praktische Anwendungen nahegebracht.

Nach positiv absolvierter Lehrveranstaltung sind die Studierenden in der Lage,

• die Entstehung von Biosignalen im menschlichen Körper zu beschreiben,

• eine sichere Messung von elektrischen Biosignalen durchzuführen,

• facheinschlägige wissenschaftliche Literatur aufzuarbeiten und zu präsentieren,

• Konzepte der Signalverarbeitung auf Problemstellungen der Biosignalanalyse anzuwenden,

• technische Lösungen in Kleingruppen zu erarbeiten,

• sowohl die Präsentatoren- als auch Moderatorenrolle in Konferenzen einzunehmen.

Für die Studierenden gliedert sich der zeitliche Ablauf der Lehrveranstaltung in folgende Teile:

• Information durch Lektor*innen über Ziele der Lehrveranstaltung und Beurteilungskriterien

• 4 Wochen regelmäßige Vorlesung zu folgenden Themen:

o Physiologie und Biosignale : Definition und Entstehung eines Biosignals, Klassifikation von Biosignalen, Physiologische Grundlagen, Messung und Aussagekraft ausgewählter Biosignale (Elektrokardiographie (EKG), Herztonmessung, Elektroenzephalographie (EEG), Elektromyographie (EMG), Puls-Plethysmographie, Pulsoxymetrie, Elektrookulographie (EOG), Bioimpedanzmessung)

o Elektroden und Sicherheit: Elektrodenarten, Elektroden-Haut-Schnittstelle, Elektrische Sicherheit von medizinischen Geräten (Klassifikation und Risiken für

Patient*innen)

o Elektronik für Biosignalmessung : Operationsverstärker, Filter, Instrumentenverstärker, Beispiel eines einfachen Biosignalverstärkers, Fortgeschrittenere Verstärkerschaltungen

o Einführung in die Neurowissenschaft: Fakten über das Gehirn, Messparameter, Funktionelle Magnetresonanztomographie (fMRI)

• Aus dem Themenkomplex der Theorieinhalte recherchieren die Studierenden zu aktuellen Entwicklungen und wählen ein Präsentationsthema auf Basis einer wissenschaftlichen Publikation

• Die Studierenden präsentieren das eigene Thema in Stil und Format einer dreitägigen wissenschaftlichen Fachkonferenz. Dadurch erlernen die Studierenden neben der Präsentation auch den Ablauf und die Rolle des Conference Chair, welcher die Sessions einleitet und eine fachliche Diskussion moderiert.

• Für den zweiten Thementeil der Lehrveranstaltung, die Signalanalyse, wählen die Studierenden in Gruppen ein Projekt.

• Biosignalaufnahme im Labor für spätere allgemeine und projektspezifische Analyse

• 4 Wochen regelmäßige Vorlesung zu folgenden Themen:

o Code Documentation

o Signale in Zeit- und Frequenzbereich: Mathematische Methoden der fast-Fourier Transformation (FFT), inversen FFT (iFFT) und Short time FFT (ST-FFT),

Frequenzfilter, Demonstration an Biosignalen durch Analyse der Spektren der Herztöne und der Herzratenvariabilität (HRV)

o Statistische Filter am Beispiel der Independent Component Analysis (ICA)

o Datenvisualisierung: 3D-Visualisierung, einfache Animationen, Visualisierungsmethoden für Problemstellungen im Machine Learning

o Extraktion von Signalmerkmalen: weitere Methoden zur Analyse der Periodizität von Signalen, automatische Annotation von R-Spitzen in EKG-Signalen, Demonstration in der Anwendung der Analyse der respiratorischen Sinusarrhythmie (RSA), d.h. der Extraktion der Atemfrequenz aus einem EKG Signal

o Grundlagen von Machine Learning für Anwendungen in der Signalverarbeitung: Anwendung der erarbeiten Methoden zur Vorverarbeitung und Feature Selection für Machine Learning Aufgaben, Anwendung von Machine Learning Algorithmen, Validierung von Klassifikationsergebnissen

• Arbeit an Projekten: synchron, wöchentliche Termine für Unterstützung durch Lektor*innen, dazwischen asynchrone selbständige Arbeit in Gruppen unter Anwendung der Methode des “Pair Programmings”.

• Nach Absprache Testmöglichkeit im Labor

• Abgabe der Projektergebnisse (Code, Report, Präsentationsfolien)

• Projektpräsentation

Die Organisation dieses Kurses erfolgt über die Moodle-Plattform der Fachhochschule. Diese technische Lösung ermöglicht die Realisierung der synchronen, wie auch asynchronen Lehre, welche in diesem Kurs Anwendung finden. Die den Studierenden zur Verfügung gestellten Unterlagen bestehen aus Foliensätzen (vor allem für die synchronen Lehrabschnitte), Videos (als Anleitungen und Wiederholungsmaterial) und Literaturempfehlungen (für tieferreichende Recherche und Auseinandersetzung mit den unterschiedlichen Themenbereichen). Die synchronen Lehrphasen beinhalten die Vortragseinheiten, die Präsentationen sowie die Besprechungen mit den Studierendengruppen und werden online über das Conferencing-Tool Zoom abgewickelt. Ebenso zu den synchronen Phasen zählen die Laboreinheiten. Diese finden als nicht-substituierbare Lehre in den Laboratorien der Fachhochschule statt, da dabei vor-Ort installierte Software und Messequipment benötigt wird. Ein Teil der asynchronen Bestandteile des Kurses besteht aus den einzelnen Projektarbeiten. Dafür wird die Methode des „Pair Programmings” (eine etablierte Methode der agilen Softwareentwicklung) angewendet, wobei dank Screen-sharing und Break-out Sessions eine deutliche Verbesserung im kollaborativen Programmieren erreicht werden kann. Das zweite Element der asynchron organisierten Lernphasen besteht in der individuellen Vorbereitung des Konferenzvortrags. Dabei werden eigenständige Literaturrecherche und die Grundlagen wissenschaftlichen Arbeitens angewendet und geübt.

Die Anwesenheitsregelung für diese Lehrveranstaltung ist nach der gültigen Fassung der Satzung der FH Technikum Wien geregelt und besteht aus 80% Anwesenheitspflicht beim Theorie-fokussierten Vorlesungsteil, und 100% Anwesenheitspflicht während der Präsentationen sowie der Laboreinheiten. Die Studierenden werden über die Anwesenheitsregelung sowie das Beurteilungsschema in einem eigenen Block am Beginn des Moodle-Kurses informiert. Der Leistungsnachweis setzt sich aus den einzelnen Teilen der Lehrveranstaltung zusammen. Für die Beurteilung entfallen 50% auf die individuelle Leistung bei der Konferenz und 50% in Form einer Gruppennote auf die Projektarbeit und Präsentation. Um die Lehrveranstaltung positiv abzuschließen, müssen beide Teile positiv absolviert werden. Sollten ein oder beide Teile negativ sein, müssen innerhalb der gegebenen Nachfrist entsprechende Ersatzleistungen erbracht werden.

Dieser Kurs wird nach den geltenden Prozessen der Qualitätssicherung der Lehre an der FH Technikum Wien regelmäßig durch die Studierenden mit Hilfe anonymen Feedbacks evaluiert. Zusätzlich steht den Studierenden frei, über das gemeinsame Moodle-Forum oder durch direkten Kontakt mit den Lehrenden auch abseits davon Feedback zu geben und Anregungen einzubringen.