Explore les systèmes intelligents portables pour la surveillance de l'ECG afin d'améliorer les soins de santé préventifs grâce à une détection précoce et à un traitement personnalisé.
Met l'accent sur la mise en œuvre d'un générateur de fonctions carrées utilisant la technologie Speedgoat FPGA et les techniques de traitement du signal en temps réel.
Explore la résonance magnétique nucléaire, les principes d'IRM, les séquences de pouls, la reconstruction d'images, les considérations de sûreté et la normalisation du volume dans l'imagerie cérébrale.
Explore l'optimisation des systèmes neuroprothétiques, y compris la restauration de rétroaction sensorielle et les stratégies de stimulation neuronale.
Explore les progrès et les défis dans les peaux électroniques neuromorphes, visant à permettre une utilisation intuitive des membres de remplacement et des robots autonomes.
Se penche sur l'analyse des données ECG, l'interprétation des formes d'onde et la mesure des paramètres physiologiques à l'aide d'outils logiciels et d'exemples pratiques.
Explore le traitement du signal neuronal pour les interfaces cerveau-ordinateur, y compris les techniques de décodage comme les filtres Kalman et le tri des pics.
Explore la densité spectrale de puissance, le théorème de Wiener-Khintchine, l'ergonomie et l'estimation de corrélation dans les signaux aléatoires pour le traitement du signal.
Explore les signaux neuraux, le traitement EMG, les synergies musculaires et le contrôle de la prothèse à l'aide de techniques avancées de traitement des signaux.
Explore les méthodes d'estimation du spectre paramétrique, y compris les spectres linéaires et lisses, et se penche sur l'analyse de la variabilité de la fréquence cardiaque.
