Tantárgy azonosító adatok
1. A tárgy címe Biológiai jel- és képfeldolgozás Matlabbal
2. A tárgy angol címe Biosignal and Image Processing Using Matlab
3. Heti óraszámok (ea + gy + lab) és a félévvégi követelmény típusa 0 + 0 + 2 f Kredit 3
4. Ajánlott/kötelező előtanulmányi rend
vagy Tantárgy kód 1 Rövid cím 1 Tantárgy kód 2 Rövid cím 2 Tantárgy kód 3 Rövid cím 3
4.1 BMETEAGMsCAMAT-00 Matematika MC BMETETEAGMsCINFO-00 Informatika MC BMETE47MC38 Statisztika és kísérlettervezés
4.2
4.3
5. Kizáró tantárgyak
6. A tantárgy felelős tanszéke Analízis és Operációkutatás Tanszék
7. A tantárgy felelős oktatója Dr. Horváth Róbert beosztása egyetemi docens
Akkreditációs adatok
8. Akkreditációra benyújtás időpontja 2024.05.13. Akkreditációs bizottság döntési időpontja 2024.07.05.
Tematika
9. A tantárgy az alábbi témakörök ismeretére épít
Alapképzések matematikai ismeretei (analízis, lineáris algebra)
10. A tantárgy szerepe a képzés céljának megvalósításában (szak, kötelező, kötelezően választható, szabadon választható)
TTK Számítógépes és kognitív idegtudomány MSc képzés kötelezően választható tárgya
11. A tárgy részletes tematikája

1. Matlab alapismeretek (2 hét). 
2. Biológiai jelek detektálása (pl. EEG, EKG), jel és mintavétel, zaj, jelek korrelációja (1 hét)
3. Jelek megadása idő és frekvenciatartományban. Fourier-transzformáció, gyors Fourier-transzformáció (FFT), zérófeltöltés, szivárgás, konvolúció, ablakozás. (2 hét) 
4. Alakformálás és szűrés. (2 hét)
5. Idő-frekvencia analízis. Rövid idejű Fourier-transzformált (STFT). (1 hét)
6. Folytonos wavelet-traszformáció. (1 hét)
7. Diszkrét wavelet-transzformáció. Haar-wavelet, Daubechies-waveletek, és egyéb wavelet-típusok. Waveletek tulajdonságai. Alkalmazás kiküszöbölésre, tömörítésre, zajszűrésre, eseménydetektálásra. (2 hét)
8. Képfeldolgozás (képek kezelése, konvertálás, élesítés, tömörítés, zajszűrés, wavelet transzformáció, képszegmentálás) (2 hét). 

1. Introduction to Matlab (2 weeks)
2. Detection of biological signals (e.g. EEG, ECG), signals and sampling, noise, correlation (1 week)
3. Signals in time and frequency domains. Fourier transform, fast Fourier transform (FFT), zero padding, leakage, convolution, windowing. (2 weeks)
4. Formatting and filtering. (2 weeks)
5. Time-frequency analysis. Short time Fourier transform (STFT). (1 week)
6. Continuous wavelet transform. (1 week)
7. Discrete wavelet transform. Haar wavelet, Daubechies wavelets, and other wavelets. Properties of wavelets. Applications for thresholding, compression, noise filtering, event detection. (2 weeks)
8. Image processing (working with images, conversions, sharpening, compression, noise filtering, wavelet transformation, segmentation) (2 weeks)

12. Követelmények, az osztályzat (aláírás) kialakításának módja
szorgalmi
időszakban
A tanórák legalább 70%-án való jelenlét. Házi feladatok beadása. Két zárthelyi dolgozat sikeres megírása. vizsga-
időszakban
13. Pótlási lehetőségek
TVSZ szerint
14. Konzultációs lehetőségek
Az oktató fogadó óráján vagy egyénileg egyeztetett időpontban.
15. Jegyzet, tankönyv, felhasználható irodalom
John L. Semmlow, Benjamin Griffel, Biosignal and Medical Image Processing, CRC Press, 2014.
Matlab Onramp, online Matlab bevezető kurzus, https://matlabacademy.mathworks.com/details/matlab-onramp/gettingstarted
Stoyan Gisbert (szerk.): MATLAB - frissített kiadás, Typotex, Budapest, 2011, http://www.typotex.hu/konyv/MATLAB2008
16. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka mennyisége órákban (a teljes szemeszterre számítva)
16.1 Kontakt óra
28
16.2 Félévközi felkészülés órákra
14
16.3 Felkészülés zárthelyire
15
16.4 Zárthelyik megírása
0
16.5 Házi feladat elkészítése
16
16.6 Kijelölt írásos tananyag elsajátítása (beszámoló)
0
16.7 Egyéb elfoglaltság
17
16.8 Vizsgafelkészülés
0
16.9 Összesen
90
17. Ellenőrző adat Kredit * 30
90
A tárgy tematikáját kidolgozta
18. Név beosztás Munkahely (tanszék, kutatóintézet, stb.)
Dr. Horváth Róbert
egyetemi docens
Analízis és Operációkutatás Tanszék
A tanszékvezető
19. Neve aláírása
Dr. Andai Attila