htw saar Piktogramm QR-encoded URL
Zurück zur Hauptseite Version des Moduls auswählen:
Lernziele hervorheben XML-Code

flag

Neuronale Signalanalyse und Modellierung

Modulbezeichnung:
Bezeichnung des Moduls innerhalb des Studiengangs. Sie soll eine präzise und verständliche Überschrift des Modulinhalts darstellen.
Neuronale Signalanalyse und Modellierung
Modulbezeichnung (engl.): Neural Signal Analysis and Modelling
Studiengang:
Studiengang mit Beginn der Gültigkeit der betreffenden ASPO-Anlage/Studienordnung des Studiengangs, in dem dieses Modul zum Studienprogramm gehört (=Start der ersten Erstsemester-Kohorte, die nach dieser Ordnung studiert).
Biomedizinische Technik, Master, ASPO 01.04.2014
Code: BMT1922
SAP-Submodul-Nr.:
Die Prüfungsverwaltung mittels SAP-SLCM vergibt für jede Prüfungsart in einem Modul eine SAP-Submodul-Nr (= P-Nummer). Gleiche Module in unterschiedlichen Studiengängen haben bei gleicher Prüfungsart die gleiche SAP-Submodul-Nr..
P213-0113, P213-0114
SWS/Lehrform:
Die Anzahl der Semesterwochenstunden (SWS) wird als Zusammensetzung von Vorlesungsstunden (V), Übungsstunden (U), Praktikumsstunden (P) oder Projektarbeitsstunden (PA) angegeben. Beispielsweise besteht eine Veranstaltung der Form 2V+2U aus 2 Vorlesungsstunden und 2 Übungsstunden pro Woche.
2V+3P (5 Semesterwochenstunden)
ECTS-Punkte:
Die Anzahl der Punkte nach ECTS (Leistungspunkte, Kreditpunkte), die dem Studierenden bei erfolgreicher Ableistung des Moduls gutgeschrieben werden. Die ECTS-Punkte entscheiden über die Gewichtung des Fachs bei der Berechnung der Durchschnittsnote im Abschlusszeugnis. Jedem ECTS-Punkt entsprechen 30 studentische Arbeitsstunden (Anwesenheit, Vor- und Nachbereitung, Prüfungsvorbereitung, ggfs. Zeit zur Bearbeitung eines Projekts), verteilt über die gesamte Zeit des Semesters (26 Wochen).
6
Studiensemester: nicht spezifiziert
Pflichtfach: ja
Arbeitssprache:
Deutsch
Prüfungsart:
Projektarbeit (50%), Testat (50%)

[letzte Änderung 10.11.2013]
Verwendbarkeit / Zuordnung zum Curriculum:
Alle Studienprogramme, die das Modul enthalten mit Jahresangabe der entsprechenden Studienordnung / ASPO-Anlage.

BMT1922 (P213-0113, P213-0114) Biomedizinische Technik, Master, ASPO 01.04.2014 , Pflichtfach

geeignet für Austauschstudenten mit learning agreement
Arbeitsaufwand:
Der Arbeitsaufwand des Studierenden, der für das erfolgreiche Absolvieren eines Moduls notwendig ist, ergibt sich aus den ECTS-Punkten. Jeder ECTS-Punkt steht in der Regel für 30 Arbeitsstunden. Die Arbeitsstunden umfassen Präsenzzeit (in den Vorlesungswochen), Vor- und Nachbereitung der Vorlesung, ggfs. Abfassung einer Projektarbeit und die Vorbereitung auf die Prüfung.

Die ECTS beziehen sich auf die gesamte formale Semesterdauer (01.04.-30.09. im Sommersemester, 01.10.-31.03. im Wintersemester).
Die Präsenzzeit dieses Moduls umfasst bei 15 Semesterwochen 75 Veranstaltungsstunden (= 56.25 Zeitstunden). Der Gesamtumfang des Moduls beträgt bei 6 Creditpoints 180 Stunden (30 Std/ECTS). Daher stehen für die Vor- und Nachbereitung der Veranstaltung zusammen mit der Prüfungsvorbereitung 123.75 Stunden zur Verfügung.
Empfohlene Voraussetzungen (Module):
Keine.
Als Vorkenntnis empfohlen für Module:
Modulverantwortung:
Prof. Dr. Dr. Daniel Strauß
Dozent/innen:
Prof. Dr. Dr. Daniel Strauß


[letzte Änderung 10.11.2013]
Lernziele:
Dieses Modul bildet eine komplementäre Ergänzung zu den Veranstaltungen "Klinische Neurophysiologie" in Bezug auf computerbasierte Methoden sowie die zu der Veranstaltung "Neuronale und kognitive Modellierung" in Bezug auf die quantitative Analyse kognitiver und subbewusster Prozesse. Es baut auf dem in dem Modul "Biomedizinische Signal- und Bildverarbeitung" gewonnenen methodischen Wissen auf und nutzt dies als Grundlage für die spezifische und fortgeschrittene Analyse von neuronalen Signalen.
Den Studierenden werden moderne Methoden zur Analyse von Mehrkanalableitungen und evozierten Single Sweeps bereitgestellt und Anwendung ausführlich besprochen. Vertiefende Einblicke die Modellierung von neuronalen large-scale Potenzialen, d.h. die detaillierte Behandlung des EEG Vorwärtsproblems, verschaffen den Studenten ein besseres Verständnis für morphologische Veränderungen im EEG durch psychophysiologische Parameter und die EEG Nutzung zum Neurofeedback in der Therapie.

[letzte Änderung 10.11.2013]
Inhalt:
PART I: Signalanalyse
1. Neuronale Signale auf verschiedenen Zeit- und Raumskalen
1.1 EFPs, SUA, MUA und LFPs
1.2 Patch Clamp
1.3 Einzelelektroden und MEA Systeme
1.4 VSD Technik
1.5 Neurometabolische Korrelate
2. Elektroenzephalografische Korrelate
2.1 Oszillatorische EEG Aktivität
2.2 Evozierte und ereigniskorrelierte Potenziale
2.3 Korrelate exogener und endogener Prozesse in EKPs
2.4 Erweiterte Analysetechniken
3. Single Sweep Analyse
3.1 Limitationen von Mittlungstechniken
3.2 Stabilität in von Sweepsequenzen in Zeit, Skala und Phase
3.3 Techniken zum Denoising ERP Single Sweeps
4. Mehrkanal-EEG-Ableitungen
4.1 Grundlagen der Mehrkanalableitungen
4.1 Quellentrennung mit PCA und ICA
4.2 Techniken der Kohärenzanalyse
5. Neurofeedback und Anwendungen
5.1 Grundlagen des Neurofeedback
5.2 Anwendungen in der Therapie
PART II: Signalmodellierung
6. Review mathematischer Grundlagen
6.1 Partielle Differentialgleichungen
6.2 Vektoranalysis für die Signalmodellierung
6.3 Numerische Verfahren zum Lösen von PDEs
6.4 Multiskalen-Ansätze
7. Modelle auf verschiedenen Zeit- und Raumskalen
7.1 Vereinfachte Hodgkin-Huxley Modelle
7.2 Neuronale Feldgleichungen
7.3 Volumenleitung
8. EEG/EKP-Modellierung
8.1 Grundlagen der EEG und EKP Modellierung
8.2 Modellierung exogener und endogener Faktoren in EKP
8.3 EEG/EKP Simulation nach Rennie und Robinson

[letzte Änderung 10.11.2013]
Weitere Lehrmethoden und Medien:
Tafel, digitaler Projektor, Software

[letzte Änderung 10.11.2013]
Literatur:
Banasiak, J.: Difference and Differentail Equations in Mathematical Modelling, Lecture Book, University of Natal, Durban, 2003
Bruce, E.N.: Biomedical Signal Processing and Signal Modeling, John Wiley & Sons, 2001
Eliasmith, C.; Anderson, Ch.H.: Neural Engineering - Computation, Representation, and Dynamics in Neurobiological Systems, MIT Press, 2003, ISBN 0-262-05071-4
Evans, J.R.; Abarbanel, A.: Introduction to Quantitative EEG and Neurofeedback, Academic Press, 1999
Goldberg, D.E.: Genetic Algorithms in Search, Optimization, and Machine Learning, Addison-Wesley, 1989
Hyvärinen, A.; Karhunen, J.; Oja, E.: Independent Component Analysis, John Wiley & Sons, 2001
Mallat, S.: A Wavelet Tour of Signal Processing, Academic Press, 1999
Nunez, P.L:; Shrinivasan, R.: Electric Fields of the Brain "The neurophysics of EEG", Oxford University Press, 1991
Ottensen, J.T.; Danielsen, M. (Hrsg.): Mathematical Modelling in Medicine (Studies in Health Technology and Informatics 71), IOS Press, 2000
Semmlow, J.L.: Biosignal and Biomedical Image Processing, Marcel Dekker, 2004
Vaidyannathan, P.P.: Multirate Systems and Filter Banks, Prentice Hall, 1990
Vetterli, M; Kovacevic, J.: Wavelets and Subband Coding, Prentice Hall, 1995

[letzte Änderung 10.11.2013]
 
[Sat Dec 28 09:37:13 CET 2024, CKEY=bnsuma, BKEY=bmtm2, CID=BMT1922, LANGUAGE=de, DATE=28.12.2024]