slide1 n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Inleiding Meten en Modellen – 8C120 PowerPoint Presentation
Download Presentation
Inleiding Meten en Modellen – 8C120

Loading in 2 Seconds...

play fullscreen
1 / 51

Inleiding Meten en Modellen – 8C120 - PowerPoint PPT Presentation


  • 129 Views
  • Uploaded on

Inleiding Meten en Modellen – 8C120. Prof.dr.ir. Bart ter Haar Romeny Dr. Andrea Fuster Faculteit Biomedische Technologie Biomedische Beeld Analyse www.bmia.bmt.tue.nl. Inleiding Meten en Modellen 8C120. Inleiding in de “Signaalanalyse” (vnl. 1-dimensionaal)

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Inleiding Meten en Modellen – 8C120' - tatum


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
slide1

Inleiding Metenen Modellen – 8C120

Prof.dr.ir. Bart ter Haar Romeny

Dr. Andrea Fuster

Faculteit Biomedische Technologie

Biomedische Beeld Analyse

www.bmia.bmt.tue.nl

inleiding meten en modellen 8c120
Inleiding Meten en Modellen 8C120
  • Inleiding in de “Signaalanalyse” (vnl. 1-dimensionaal)
  • Van belang voor BME (experiment) en ME (kliniek)
  • Vervolgvakken (major):
  • Casus “Beeldverwerking voor Pathologie” 8Q119 (1e jaar)
  • Signalen en Systemen 8E080 (2e jaar)
  • Medische Beeldvormende Systemen (3e jaar)
  • Medische Beeldanalyse, technieken en toepassingen 8D030 (3e jaar)
  • Vervolgvakken (minor):
  • Digitale Signaalbewerking 8E070
  • Systeemanalyse en parameterschatten 8E030
de meetcyclus
De Meetcyclus

Object

Signaal

Meting

Analyse

Informatie

meten modellen wetenschappelijk aanpakken
Meten & modellen:wetenschappelijk aanpakken
  • Probleemstelling
  • Waarnemen van verschijnselen
  • Informatie verzamelen via metingen
  • Hypothese(n) vormen
  • Experimenteren  metingen uitvoeren en zoeken naar verbanden  model (formule, wet, systeem)
  • Besluit vormen
de meetcyclus1
De Meetcyclus
  • Vb:
  • hersenen
  • hart
  • huid
  • bloedvaten
  • cellen
  • moleculen
  • etc.
  • Vb:
  • encephalogram
  • cardiogram
  • laser reflectie
  • ultrasound Doppler
  • MR spectroscopie
  • molecular imaging
  • etc.
  • Vb:
  • wave classificatie
  • ECG patronen
  • spectrum
  • vernauwing?
  • metabolisme
  • pathway
  • etc.
  • Vb:
  • Pathway intact?
  • Infarct?
  • melanoom?
  • ernst stenose?
  • kanker?
  • functie OK?
  • etc.
  • Vb:
  • surface potential
  • vector potential
  • doorbloeding
  • bloedsnelheid
  • kleuring
  • biomarkers
  • etc.

Object

Signaal

Meting

Analyse

Informatie

voorbeeld
Voorbeeld
  • probleemstelling: hoe werkt de zenuwgeleiding?
  • waarneming: vootrplantingssnelheid langs een zenuw
  • informatie verzamelen over signalen  looptijd, afstand
  • formuleer een hypothese + bedenk een experiment
  • voer experiment uit  meten
  • kun je een verklaring vormen voor de waarneming?
de meetcyclus feedback
De Meetcyclus: feedback

Control

en/of

Feedback

Object

Signaal

Meting

Analyse

Informatie

de meetcyclus cardiofitness
De Meetcyclus: cardiofitness

Tempo

aanpassen

Hart

Electrische

potentiaal

ECG

Fourier

analyse

Hartslag

geleidingssysteem van het hart
Geleidingssysteem van het hart

sinusknoop

linkerboezem

rechterboezem

AV knoop

bundel van His

rechterkamer

bundelvertakkingen

linkerkamer

Purkinje systeem

electrocardiogram 1903

+

-

Willem Einthoven

1860 - 1927

Nobelprijs in 1924

ElectroCardioGram (1903)
de hersenen
De hersenen

De hersenen bevatten

1011 zenuwcellen

frenologie ca 1850

aanbidding

hoop

flinkheid

goedwillendheid

bewustzijn

menselijke

natuur

muziek

voorzichtigheid

tijd

taal

vriendschap

ouderlijke liefde

strijdlust

vernietigingsdrang

Frenologie ca 1850
medical signal processing
Medical Signal Processing

EEG-channels

Chin EMG

EOG

ECG

Respiration

Fp1

Fp2

T3

C3

Cz

C4

T4

O1

O2

Flow – Volume Curve: Obstructive Sleep Disordered Breathing

EEG premature infants

PAGE 16

r ntgen x ray
Röntgen (X-ray)

Hand met ring van Anna Berthe Röntgen

Wilhelm Röntgen maakte de eerste Röntgen opname in 1895.

r ntgen x ray1
Röntgen (X-ray)

Röntgenapparaat

Angiogram m.b.v. contrastvloeistof

magnetic resonance imaging mri
Magnetic Resonance Imaging (MRI)

MRI scanner (Philips)

MRI scan van het hoofd

Slices

computed tomography ct
Computed Tomography (CT)

CT scanner (Philips)

CT scan van de hersenen

inleiding meten modellen 8c120
Inleiding Meten & Modellen 8C120
  • In dit college:
  • NIET: Imaging en beeldanalyse
  • WEL: 1-dimensionale signalen
  • Voor een goede interpretatie van meetgegevens is begrip noodzakelijk:
    • Biologie/fysiologie van het signaal
    • Mogelijkheden/beperkingingen meetapparatuur
    • Wiskunde van de signaalanalyse (Fourier etc.)
    • Interpretatie van het resultaat
slide29

Overzicht van het college:

  • Wat willen we meten? Definities en terminologie.
  • Transducers en sensors.
  • Analoog en digitaal, sampling, ADC en DAC.
  • Versterkers en filters.
  • Dynamisch gedrag, signalen, transferfunctie
  • Complexe getallen
  • Fourier transformatie
  • Modellen met recursie vergelijkingen
  • Modellen met PDE’s, analoge gebieden
  • Model voor het ECG
  • Model voor zenuwgeleiding
terminologie van meten modellen
Terminologie van meten & modellen
  • Vaak meten we in mens of dier:
  • In vivo (bijv. bloeddruk)
  • Ex vivo (bijv. bloedsample)
  • Op een bereik (range) van schaalgroottes:
    • Cel
    • Orgaan
    • Lichaam
slide32

transcriptome

proteome

physiome

metabolome

molecules

pathways

cells

tissues / organs

humans

Biomedical Engineering

Meters 10-9 10-8 10-7 10-6 10-5 10-4 10-3 10-2 10-1 1

Seconds 10-6 102 104 105 109

domeinen
Domeinen
  • Signalen komen uit verschillende “domeinen”:
  • Elektrisch: membraanpotentiaal, ECG
  • Hemodynamisch: bloeddruk, stroomsnelheid
  • Thermodynamisch: temperatuur
  • Chemisch: cholesterol, pH
si eenheden
SI-eenheden
  • Grootheid SI basiseenheid
  • lengte meter [m]
  • massa kilogram [kg]
  • tijd seconde [s]
  • elektrische stroom Ampere [A]
  • temperatuur Kelvin [K]
  • lichtsterkte candela [cd]
  • hoeveelheid stof mole [mol]
prefixen en symbolen
Prefixen en symbolen
  • Factor Prefix Symbol
  • 1012 tera T
  • 109 giga G
  • 106 mega M
  • 103 kilo k
  • 102 hecto h
  • 10-1 deci d
  • 10-2 centi c
  • 10-3 milli m
  • 10-6 micro µ
  • 10-9 nano n
  • 10-12 pico p
  • 10-15 femto f
  • 10-18 atto a
analoog versus digitaal
Analoog versus digitaal
  • Analoog: continu, iedere waarde mogelijk
  • Digitaal: discreet in tijd en/of waarde
  • AD converter: analoog  digitaal
  • DA converter: digitaal  analoog
  • Sensoren geven meestal analoog signaal
  • Conversie naar digitaal signaal voor verdere
  • bewerking (bijv. m.b.v. computer)
continu versus sampling bemonstering
Continu versus sampling (bemonstering)
  • Continu: signaal wordt continu gevolgd in de tijd
  • Sampling: signaal wordt bemonsterd op vooraf gedefinieerde tijdstippen
  • Sampling frequency fs: aantal samples per seconde
  • Sample-hold: gemeten waarde wordt vastgehouden tot volgende bemonstering
bemonstering volgens sample hold
Bemonstering volgens sample & hold

Waterhoogte [m]

  • Een te lage sampling frequency fs geeft een verkeerde indruk van het signaal
  • Hoe hoger fs, hoe beter de representatie van het signaal
  • Best: 2x maximale frequentie(Nyquist frequentie)

tijd [uren] 

klassen van signalen

constant signaal

stochastisch signaal

1

10

0.5

5

0

0

-0.5

-5

-1

-10

-3

-2

-1

0

1

2

3

-3

-2

-1

0

1

2

3

tijd ->

tijd ->

periodiek signaal

transient signaal

1

1.5

1

0.5

0.5

0

0

-0.5

-0.5

-1

-1

-1.5

-3

-2

-1

0

1

2

3

-3

-2

-1

0

1

2

3

tijd ->

tijd ->

Klassen van signalen

Stochastisch

Constant

  • Constant: geen variatie in de tijd
  • Stochastisch: willekeurige variatie in de tijd (niet voorspelbaar)
  • Periodiek: eindeloze herhaling met vaste periode T, frequentie f en golflengte λ
  • Transient: Signaal gedempt na verloop van tijd

Periodiek

Transient

tijd 

tijd 

voorbeelden van eeg signalen
Voorbeelden van EEG signalen
  • Klasse van het signaal is niet altijd even duidelijk
voorbeeld1
Voorbeeld
  • Zijn de volgende geluiden constant, periodiek,
  • transiënt, stochastish of een combinatie?
  • Een sirene
  • Een paukslag
  • Een hagelbui
  • Donder
slide42
Een sirene periodiek
  • Een paukenslag transiënt
  • Een hagelbui stochastisch
  • Donder stochastisch en transiënt
eigenschappen van het meet systeem
Eigenschappen van het (meet-)systeem:
  • Voor een gegeven systeem geldt
  • input x1  output y1 en
  • input x2  output y2
  • Systeem is linear als:
    • (x1 + x2)  (y1 + y2) en
    • K x1  K y1, voor constante K
  • y(t) = a x(t) + b + n(t)
  • A  gain
  • b  offset
  • n additieveruis
eigenschappen van het meetsysteem
Eigenschappen van het meetsysteem
  • Lineariteit van het systeem wordt bepaald door:
  • Verzadiging (saturation):
  • Output signaal ikan het ingangssignaal niet volgen, blijft kleiner
  • Ruis (noise):
  • Systeem geeft random output als er geen input is
  • Stijgsnelheid (slew-rate):
  • Maximale snelheid van verandering die het systeem aankan
  • Bandbreedte (bandwidth):
  • Het frequentiebereik van het systeem
  • Bereik van ingangssignaal (input range):
  • Tussen laagst detecteerbaar en verzadiging
systeemgrenzen verzadiging

3

10

2

1

0

5

-1

-2

-3

-3

-2

-1

0

1

2

3

0

6

-5

4

2

0

-10

-2

0

0.5

1

1.5

2

-4

-6

0

0.5

1

1.5

2

Systeemgrenzen - verzadiging

Verzadigingscurve voor

niet-lineair meetsysteem

Effect van verzadiging op sinus

Ingang

Uitgang

-

Uitgang

Ingang

Dit is een voorbeeld van geleidelijke verzadiging

“Harde verzadiging” wordt “clipping” genoemd

systeemgrenzen bereik
Systeemgrenzen - bereik
  • Kleine signalen: ruis
    • Signaal/ruis verhouding (S/N of SNR)
    • Meestal uitgedrukt in decibel (dB)
  • Grote signalen: verzadiging
  • Voorbeeld: Defibrillatie tijden ECG

0 dB: I1=I0 (referentie)

Factor 2 = 10log(2) = 3.01 dB

de decibel
De deciBel
  • De decibel werd oorspronkelijk in de telefonie gebruikt om de signaalverzwakking, dus het vermogensverlies, in kabels aan te duiden. Omdat een twee maal zo lange kabel een twee keer zo groot verlies geeft, was een logaritmische schaal handig. Immers je kon dan van een bepaald type kabel zeggen dat het verlies bijvoorbeeld 4 dB per km is, wat inhoudt dat na elke kilometer het signaal een factor 100,4 = 2,5 zwakker is geworden Het verlies in een bepaalde lengte van de kabel is dan eenvoudig deze kabellengte in km vermenigvuldigd met het verlies in dB per km.
averages and ratios vergelijken
Averages and ratios - vergelijken
  • Om signalen te vergelijken wordt vaak de 10log van de ratio van de power gebruikt met als eenheid decibel (dB)
  • Omdat power ~ S2 kan ook het signaal zelf worden gebruikt:
averages and ratios logaritmen
Averages and ratios - logaritmen
  • Rekenregels voor logaritmen:
    • log (a x b) = log a + log b
    • log (an) = n log a
    • log (a / b) = log (a b-1) = log a – log b
    • log (an) = n log a
    • alog b = clog b / clog a
systeemgrenzen interferentie
Systeemgrenzen - interferentie
  • Interfererende signalen:
    • 50 Hz, trillingen bij microscoopgebruik, etc.
  • Modificerende signalen:
    • Elektromagnetische (EM) interferentie
    • Komt o.a. voor bij ECG
    • Gerelateerd aan de oriëntatie van de kabels
  • Compensatie:
    • Inherente gevoeligheid (kabels draaien, ‘twisten’), optische bank
    • Negatieve feedback
    • Filtering (50 Hz component, trillingen)
    • Tegengestelde signalen toevoegen - verschilversterker

EMCElectro-MagneticCompatibility

slide51

2-foton

microscoop

op stabiele

optische bank

(Biofysica,

Maastricht)