生物医学信号处理课程教学大纲 课程编号：1408316002课程名称：生物医学信号处理 学时数：40 开课时间：（√）秋季/()春季 授课对象：（√）硕士/（√）博士学分：2 开课学院：生命科学与技术学院 先修课程：高等数学、线性代数、概率论、信号与系统、 数字信号处理、分子生物学、生理学与解剖学 一、教学目的 生物医学信号处理是生物医学工程学科的一门主干课程。该课程包含四个重要内容：(1) 处理（滤波）生物医学信号，即识别和分离信号中的有用成份和无用成份：(2)定量描述生物 医学信号，揭示产生生物医学信号的本质，预测信号未来的行为：(3)建立一个生物医学物理 系统的输入与输出信号之间的内在联系，探测生物医学信号源：(4)解释处理结果的生物意 义或医学意义。与强调计算和算法的信号处理课程不同，本课程的宗旨是通过许多具体生物医 学信号处理实例，将真实世界与信号处理理论研究联系起来，指导学生如何应用信号处理理论 与技术去解决具体的生物医学问题，使学生具备：(1)从生物医学信号中提取有用生物医学信 息的能力：(2)解释处理结果生物医学意义的能力：(3)理解和评价高水平英文学术论文的 能力。 二、教学内容与要求 第1讲引言(2学时) (1)教学内容与要求 了解学习本课程的目的与意义，理解信号的含义及其类型，掌握生物医学信号的性质， 掌握常见生物医学信号及其特征，了解生命系统的特征 (2)重点与难点 生物医学信号和生命系统的特征 习题：1.1比较不同类型信号： 1.2阐述常见生物医学信号的特点。 第2讲功率谱分析方法及生物医学应用(4学时) (1)教学内容与要求 掌握数字信号功率谱估计的周期图、平均周期图和Blackman--Tukey方法，理解2-3 个功率谱估计方法解决生物医学问题的实例。 (2)重点与难点 1
1 生物医学信号处理课程教学大纲 课程编号：1408316002 课程名称：生物医学信号处理 学时数：40 开课时间：(√)秋季/( )春季 授课对象：(√ )硕士/( √ )博士 学分：2 开课学院：生命科学与技术学院 先修课程：高等数学、线性代数、概率论、信号与系统、 数字信号处理、分子生物学、生理学与解剖学 一、教学目的 生物医学信号处理是生物医学工程学科的一门主干课程。该课程包含四个重要内容：（1） 处理（滤波）生物医学信号，即识别和分离信号中的有用成份和无用成份；（2）定量描述生物 医学信号，揭示产生生物医学信号的本质，预测信号未来的行为；（3）建立一个生物医学物理 系统的输入与输出信号之间的内在联系，探测生物医学信号源；（4） 解释处理结果的生物意 义或医学意义。与强调计算和算法的信号处理课程不同，本课程的宗旨是通过许多具体生物医 学信号处理实例，将真实世界与信号处理理论研究联系起来，指导学生如何应用信号处理理论 与技术去解决具体的生物医学问题，使学生具备：（1）从生物医学信号中提取有用生物医学信 息的能力；（2）解释处理结果生物医学意义的能力；（3）理解和评价高水平英文学术论文的 能力。 二、教学内容与要求 第 1 讲 引言（2 学时） （1）教学内容与要求 了解学习本课程的目的与意义，理解信号的含义及其类型，掌握生物医学信号的性质， 掌握常见生物医学信号及其特征，了解生命系统的特征 （2）重点与难点 生物医学信号和生命系统的特征 习题：1.1 比较不同类型信号； 1.2 阐述常见生物医学信号的特点。 第 2 讲 功率谱分析方法及生物医学应用（4 学时） （1） 教学内容与要求 掌握数字信号功率谱估计的周期图、平均周期图和 Blackman-Tukey 方法，理解 2-3 个功率谱估计方法解决生物医学问题的实例。 （2） 重点与难点
平均周期图和Blackman-Tukey方法原理、应用实例。 习题：用软件实现周期图方法，用于观察蛋白编码区与非编码区的周期图特征，并提 交分析报告。 第3讲自适应维纳滤波及生物医学应用(6学时) (1)教学内容与要求 了解维纳滤波原理，掌握自适应维纳滤波理论，掌握自适应对消器和自适应谱线增强 器，理解2-3个自适应对消器增强医学信号的实例。 (2)重点与难点 自适应对消器、自适应对消器增强医学信号的原理。 习题：总结自适应对消器增强医学信号的处理步骤，说明预处理的必要性。 第4讲参数模型方法及生物医学应用（4学时) (1)教学内容与要求 理解参数模型方法的基本思想；了解滑动平均参数模型(Moving Average,MA)和自 回归滑动平均参数模型(Autoregressive Moving Average,ARMA)原理；掌握自回归参 数模型(Autoregressive,AR)的参数求解算法和模型阶数选择方法：掌握1-2个AR技 术解决生物医学问题的实例。 (2)重点与难点 AR方法原理、AR技术解决生物医学问题中的模型阶数选择。 习题：用软件实现AR模型参数求解算法，验证算法的正确性。 第5讲卡尔曼滤波及生物医学应用(4学时) (1)教学内容与要求 掌握卡尔曼滤波的信号模型和算法：掌握2-3个卡尔曼滤波技术解决生物医学问题的 实例。 (2)重点与难点 卡尔曼滤波算法、生物医学问题的卡尔曼滤波信号模型建立。 习题：阅读2篇应用卡尔曼滤波解决生物医学问题的学术论文，并撰写阅读报告1篇。 第6讲生物医学信号因果关系的建立(4学时) (1)教学内容与要求 掌握白化互相关技术，理解如何运用白化互相关技术建立医学信号之间的因果关系并 2
2 平均周期图和 Blackman-Tukey 方法原理、应用实例。 习题：用软件实现周期图方法，用于观察蛋白编码区与非编码区的周期图特征，并提 交分析报告。 第 3 讲 自适应维纳滤波及生物医学应用 （6 学时） （1）教学内容与要求 了解维纳滤波原理，掌握自适应维纳滤波理论，掌握自适应对消器和自适应谱线增强 器，理解 2-3 个自适应对消器增强医学信号的实例。 （2）重点与难点 自适应对消器、自适应对消器增强医学信号的原理。 习题：总结自适应对消器增强医学信号的处理步骤，说明预处理的必要性。 第 4 讲 参数模型方法及生物医学应用（4 学时） （1）教学内容与要求 理解参数模型方法的基本思想；了解滑动平均参数模型（Moving Average，MA）和自 回归滑动平均参数模型（Autoregressive Moving Average，ARMA）原理；掌握自回归参 数模型（Autoregressive，AR）的参数求解算法和模型阶数选择方法；掌握 1-2 个 AR 技 术解决生物医学问题的实例。 （2）重点与难点 AR 方法原理、AR 技术解决生物医学问题中的模型阶数选择。 习题：用软件实现 AR 模型参数求解算法，验证算法的正确性。 第 5 讲 卡尔曼滤波及生物医学应用（4 学时） （1）教学内容与要求 掌握卡尔曼滤波的信号模型和算法；掌握 2-3 个卡尔曼滤波技术解决生物医学问题的 实例。 （2）重点与难点 卡尔曼滤波算法、生物医学问题的卡尔曼滤波信号模型建立。 习题：阅读 2 篇应用卡尔曼滤波解决生物医学问题的学术论文，并撰写阅读报告 1 篇。 第 6 讲 生物医学信号因果关系的建立（4 学时） （1）教学内容与要求 掌握白化互相关技术，理解如何运用白化互相关技术建立医学信号之间的因果关系并
解释其临床意义。 (2)重点与难点 白化互相关技术，结果的临床意义解释。 习题：查阅参考文献，了解建立生物医学信号之间因果关系的其他技术。 第7讲多变量信号分析（处理）及生物医学应用(4学时) (1)教学内容与要求 掌握PCA/SVD、NMF和ICA的数学原理，理解和解释PCA/SVD、NMF和ICA的生 物医学意义。 (2)重点与难点 NMF和ICA数学原理、多变量信号分析技术在实际应用中的不确定因素。 习题：结合一个具体应用实例，解释多变量信号分析方法处理结果的生物医学意义。 第8讲时频分析及生物医学应用(4学时) (1)教学内容与要求 了解时频分析原理，掌握短时傅里叶变换，了解小波变换原理，了解2-3个时频分析 技术解决生物医学问题的实例 (2)重点与难点 短时傅里叶变换原理、小波变换原理 第9讲案例教学(8学时) (1)教学内容与要求 ①脑电信号处理(2学时) 建立功能性、因效性脑网络的概念：掌握复杂网络的参数计算方法：掌握基于脑电信 号构建脑网络的方法及临床意义。 ②心电信号处理(2学时) 理解心电特征信号的临床诊断意义：掌握心电信号预处理和特征波定位方法：掌握常 见心律失常检测方法。 ③基因组信号处理(2学时) 理解基因组的重复性、编码区的周期性和基因（组）信号的保守性等分子生物学问题 及意义：掌握运用滑动窗口点阵图（重复性）、傅里叶变换（周期性）、信息熵和权重矩 阵（临界信号）分析或预测上述问题的方法。 ④生物大分子序列信号处理(2学时) 3
3 解释其临床意义。 （2）重点与难点 白化互相关技术，结果的临床意义解释。 习题：查阅参考文献，了解建立生物医学信号之间因果关系的其他技术。 第 7 讲 多变量信号分析（处理）及生物医学应用（4 学时） （1） 教学内容与要求 掌握 PCA/SVD、NMF 和 ICA 的数学原理，理解和解释 PCA/SVD、NMF 和 ICA 的生 物医学意义。 （2）重点与难点 NMF 和 ICA 数学原理、多变量信号分析技术在实际应用中的不确定因素。 习题：结合一个具体应用实例，解释多变量信号分析方法处理结果的生物医学意义。 第 8 讲 时频分析及生物医学应用 （4 学时） （1）教学内容与要求 了解时频分析原理，掌握短时傅里叶变换，了解小波变换原理，了解 2-3 个时频分析 技术解决生物医学问题的实例 （2）重点与难点 短时傅里叶变换原理、小波变换原理 第 9 讲 案例教学(8 学时） （1）教学内容与要求 ① 脑电信号处理（2 学时） 建立功能性、因效性脑网络的概念；掌握复杂网络的参数计算方法；掌握基于脑电信 号构建脑网络的方法及临床意义。 ② 心电信号处理（2 学时） 理解心电特征信号的临床诊断意义；掌握心电信号预处理和特征波定位方法；掌握常 见心律失常检测方法。 ③ 基因组信号处理（2 学时） 理解基因组的重复性、编码区的周期性和基因（组）信号的保守性等分子生物学问题 及意义；掌握运用滑动窗口点阵图（重复性）、傅里叶变换（周期性）、信息熵和权重矩 阵（临界信号）分析或预测上述问题的方法。 ④ 生物大分子序列信号处理（2 学时）
认识核酸序列和蛋白质序列的长短程关联特征：掌握深度学习在蛋白质功能识别中的 应用。 习题：结合案例教学，自主选题开展研究，并撰写研究报告。 总计：40学时 三、教学方式 课堂讲授+课堂讨论+课后实验 四、考核方式与成绩评定 考试方式：开卷 成绩评定：平时成绩占20%，研究报告占30%，期末考试成绩占50% 五、教材及主要参考书目 [1]Metin Akay.BiomedicalSignal Processing.Academic Press,2001 [2]张贤达，现代信号处理（第二版），北京：清华大学出版社，2002 [3]张旭东，离散随机信号处理，北京：清华大学出版社，2005 [4]刘本永，非平稳信号分析导论，北京：国防工业出版社，2006 [5]若干篇近年来在一流期刊上发表的相关学术论文：IEEE Trans.On Biomedical Engineering.Bioinformatics,Neuroimage.Briefings in Bioinformatics,etc (大纲撰写人：饶妮妮) (大纲审稿人： 4
4 认识核酸序列和蛋白质序列的长短程关联特征；掌握深度学习在蛋白质功能识别中的 应用。 习题：结合案例教学，自主选题开展研究，并撰写研究报告。 总计：40 学时 三、教学方式 课堂讲授+课堂讨论+课后实验 四、考核方式与成绩评定 考试方式：开卷 成绩评定：平时成绩占 20%，研究报告占 30%，期末考试成绩占 50% 五、教材及主要参考书目 [1] Metin Akay.《BiomedicalSignal Processing》. Academic Press, 2001 [2] 张贤达，现代信号处理（第二版），北京： 清华大学出版社, 2002 [3] 张旭东，离散随机信号处理，北京：清华大学出版社, 2005 [4] 刘本永，非平稳信号分析导论，北京：国防工业出版社，2006 [5] 若干篇 近年 来在 一流期 刊上发 表的 相关学术 论文 ：IEEE Trans. On Biomedical Engineering, Bioinformatics, Neuroimage, Briefings in Bioinformatics, etc.（大纲撰写人：饶妮妮） （大纲审稿人： ）
