Zum Inhalt springen
Technische Universität Berlin English
Vorlesungsverzeichnis und Modultransfersystem

Intelligent Biomedical Sensing 1: Signal Acquisition and MLModulbeschreibung #41307 / Version 1

← Zur Modulseite English version
Modul / Version#41307 / #1
GültigkeitSeit SoSe 2026
Verfügbare Sprache(n)Englisch, Deutsch
Leistungspunkte9
Modulverantwortliche*rvon Lühmann, Alexander
BenotungBenotet
PrüfungsformPortfolioprüfung
Lehrsprache(n)Englisch

Zugehörigkeit

FakultätFakultät IV
InstitutInstitut für Softwaretechnik und Theoretische Informatik
Fachgebiet34352003 - Nachwuchsgruppe Alexander von Lühmann

Kontakt

SekretariatMAR 4-1
Ansprechpartner*inKeine Angabe
E-Mail-Adressevonluehmann@tu-berlin.de
WebseiteKeine Angabe

Lernergebnisse

• Biosignalverständnis: Fundiertes Verständnis zentraler physiologischer Signale aus der Elektrophysiologie und Optik, insbesondere ECG, PPG sowie deren Beziehung zu Blutdruck und kardiovaskulärer Dynamik.
• Signalakquisition: Fähigkeit zur eigenständigen Planung, Durchführung und Bewertung von Biosignal-Messungen unter Berücksichtigung technischer, physiologischer und experimenteller Randbedingungen.
• Signalverarbeitung: Sichere Anwendung grundlegender Methoden der Zeit-, Frequenz- und Zeit-Frequenz-Analyse zur Vorverarbeitung, Qualitätsbewertung und Merkmalsextraktion von Biosignalen.
• Maschinelles Lernen: Verständnis zentraler Konzepte des maschinellen Lernens für Zeitreihen, einschließlich Feature-basierter Modelle, multivariater Methoden und grundlegender Fusionsansätze.
• Systemintegration: Grundlegende Kompetenzen in der Integration von Sensorik, Embedded-Hardware und Software zur Realisierung einfacher biomedizinischer Messsysteme.
• Problembewusstsein: Fähigkeit zur Identifikation und Bewertung typischer Herausforderungen wie Artefakte, Rauschen, Synchronisation, Bias und eingeschränkter Interpretierbarkeit.
• Wissenschaftliche Einordnung: Fähigkeit, aktuelle wissenschaftliche Arbeiten im Bereich Biomedical Sensing und Biosignalanalyse kritisch zu verstehen und zu präsentieren.

Lehrinhalte

Biomedical Sensing Project
• Embedded Systems Grundlagen: MCU-Architektur, ADC, GPIO, serielle Kommunikation.
• ECG: physiologische Grundlagen, Messprinzipien, Signalcharakteristik, Qualitätskriterien, Artefakte.
• PPG: optische Grundlagen, Signalentstehung, Merkmale, Störquellen.
• Blutdruck: Zusammenhänge zwischen ECG und PPG, PAT/PTT-basierte Ansätze, Grenzen cuffloser Verfahren.
• Echtzeit-Signalakquisition, Artefakterkennung und grundlegende Online-Verarbeitung.
• Praktische Umsetzung mit Mikrocontrollern und Sensorsystemen.

Machine Learning for Biomedical Signal Analysis
• Überblick über relevante Biosignale (EEG, EOG, EMG, ECG, EDA, fNIRS, DOT, PPG, DCS).
• Zeitreihen-Vorverarbeitung: Filter, Nyquist-Theorem, Fourier- und Wavelet-Analyse.
• Lineare und multivariate Modelle zur Signalzerlegung (überwacht und unüberwacht).
• Feature-Extraktion, Sensor- und Feature-Fusion.
• Typische Problemstellungen in realen Biosignaldaten: Artefakte, Nicht-Stationarität, Multimodalität, Erklärbarkeit.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

LehrveranstaltungenArtNummerTurnusSpracheSWSVVZ
Biomedical SensingProjekt Wintersemester[en]4 ISIS
Machine Learning for Biomedical Signal AnalysisVorlesung Wintersemester[en]2 ISIS

Arbeitsaufwand und Leistungspunkte

Biomedical Sensing (Projekt)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit154 h60 h
Treffen mit Betreuer151 h15 h
Projektimplementierung und Projektreport170 h70 h
Literaturrecherche und Bearbeitung165 h65 h
210 h

Machine Learning for Biomedical Signal Analysis (Vorlesung)

AufwandbeschreibungMultiplikatorStundenGesamt
Präsenzzeit152 h30 h
Vor-/Nachbereitung152 h30 h
60 h

Der Aufwand des Moduls summiert sich zu 270 Stunden. Damit umfasst das Modul 9 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Projektbasierte Lehre: Das benotete Projekt bildet den Kern des Moduls und vermittelt Kompetenzen durch eigenständige praktische Arbeit an realen Messsystemen und Daten.
Vorlesung: Strukturierte Vermittlung theoretischer Grundlagen und methodischer Konzepte zur Einordnung und Vertiefung der Projektarbeit.
Praktische Übungen und Demonstrationen: Hardware-gestützte Laborformate, Live-Messungen und Analyse realer Biosignale.
Selbststudium: Vertiefung der Inhalte durch Literatur, Übungsaufgaben und eigenständige Implementationen.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

• Kenntnisse in linearer Algebra, Analysis sowie Wahrscheinlichkeitstheorie und Stochastik
• Grundlagen des maschinellen Lernens
• Grundlegende Programmierkenntnisse (z. B. C/C++, Python)

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

BenotungBenotet
PrüfungsformPortfolioprüfung
Art der Portfolioprüfung100 Punkte insgesamt
SpracheEnglisch

Prüfungselemente

NamePunkte/GewichtKategorieDauer/Umfang
(Ergebnisprüfung) Projektbericht40schriftlich10-15 Seiten
(Ergebnisprüfung) Projektpräsentation30mündlich20 Minuten
(Punktuelle Leistungsabfrage) Multiple-Choice-Test20schriftlich45 Minuten

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden: Wintersemester.

Maximale teilnehmende Personen

Die maximale Teilnehmerzahl beträgt 20.

Anmeldeformalitäten

Keine.

Literaturhinweise, Skripte

Skript in Papierform

nicht verfügbar

Skript in elektronischer Form

nicht verfügbar

Empfohlene Literatur

Keine empfohlene Literatur angegeben

Zugeordnete Studiengänge

Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPOSemesterStudiengangsbereich
Computer Engineering
StuPO 2015
SoSe 2026Wahlpflicht Studiengebiete Fak. IV › Informationssysteme / Information Systems
WiSe 2026/27Wahlpflichtbereich › Studiengebiet B › Kognitive Systeme / Cognitive Systems
Computer Science (Informatik)
StuPO 2015
SoSe 2026Wahlpflicht Studiengebiete Fak. IV › Informationssysteme / Information Systems
WiSe 2026/27Wahlpflichtbereich › Studiengebiet › Kognitive Systeme / Cognitive Systems
Elektrotechnik
StuPO 2015
SoSe 2026Wahlpflicht Studiengebiete Fak. IV › Informationssysteme / Information Systems
WiSe 2026/27Wahlpflichtbereich › Studiengebiete Fak. IV › Medientechnik und Mensch-Maschine-Interaktion / Digital Media and Human-Computer Interaction
Information Systems Management (Wirtschaftsinformatik)
StuPO 2017
SoSe 2026Wahlpflichtbereich › Fachstudium Wirtschaftsinformatik › Informationssysteme / Information Systems
WiSe 2026/27Wahlpflichtbereich › Fachstudium Wirtschaftsinformatik › Informationssysteme / Information Systems
Wirtschaftsingenieurwesen
StuPO 2026
WiSe 2026/27Ingenieurwissenschaften / Studienrichtungen › AI Engineering › Cognitive Systems

Sonstiges

Keine.