BİYOMÜHENDİSLİK (İNGİLİZCE, DOKTORA) | |||||
Doktora | TYYÇ: 8. Düzey | QF-EHEA: 3. Düzey | EQF-LLL: 8. Düzey |
Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
BNG6002 | Biyomühendislikte Analitik Yöntemler | Bahar | 3 | 0 | 3 | 9 |
Bu dersin açılması ilgili bölüm tarafından yarıyıl başında belirlenir |
Öğretim Dili: | En |
Dersin Türü: | |
Dersin Seviyesi: | LİSANSÜSTÜ |
Dersin Veriliş Şekli: | Yüz yüze |
Dersin Koordinatörü: | Dr. Öğr. Üyesi BURCU TUNÇ ÇAMLIBEL |
Dersin Amacı: | Bu dersin amacı, biyomühendislik uygulamalarında karşılaşılan problemleri çözmek için kullanılan analitik ve sayısal yöntemleri tanıtmak ve bu yöntemlerin açık erişimli biyomedikal veri setleri üzerinde MATLAB kullanılarak uygulanmasını sağlamaktır. Öğrenciler; veri analizi, sinyal işleme, optimizasyon ve modelleme tekniklerini biyomedikal bağlamda deneyimleyerek yorumlama ve hesaplama becerisi kazanırlar. |
Bu dersi başarıyla tamamlayabilen öğrenciler; Dersi başarıyla tamamlayan öğrenciler: 1. Biyomühendislik problemlerini çözmek için temel analitik ve sayısal yöntemleri açıklar. 2. Biyomedikal mühendisliğine ait açık veri setlerini analiz eder ve yorumlar. 3. MATLAB ortamında veri işleme, filtreleme, modelleme ve optimizasyon uygular. 4. Gerçek biyomedikal veriler üzerinde analitik yöntemleri uygulayarak sonuç üretir. 5. Sayısal hesaplamaları yorumlar, doğruluk ve sınırlılıklarını değerlendirir. 6. Analiz sürecini sistemli şekilde raporlar ve bulgularını açık biçimde sunar. 7. Disiplinler arası veri analizine yönelik teknik yaklaşım geliştirir. |
Bu ders, biyomühendislik alanında karşılaşılan problemleri çözmek için kullanılan analitik ve sayısal yöntemlere odaklanır. Ders, ağırlıklı olarak MATLAB kullanılarak açık erişimli biyomedikal veri setleri üzerinde uygulamalı analizler yapılmasını içerir. Biyosinyal işleme, modelleme ve veri yorumlama konuları teorik bilgiyle birlikte ele alınır ve öğrencilerin hesaplama, analiz ve sunum becerileri geliştirilir. |
Hafta | Konu | Ön Hazırlık | |
1) | Ders tanıtımı, MATLAB arayüzü ve açık veri kaynaklarına giriş | ||
2) | Açık EKG (ECG) verilerinin yüklenmesi, görselleştirilmesi ve temel zaman serisi incelemesi | ||
3) | Temel sinyal işleme: Gürültü giderme, filtreleme (Butterworth, moving average) | ||
4) | Kalp atım aralıklarının (RR interval) hesaplanması ve HRV analizine giriş | ||
5) | Açık EEG verisi ile çok kanallı sinyal analizi ve artefakt temizleme | ||
6) | Temel özellik çıkarımı: Ortalama, varyans, enerji, sıklık temelli öznitelikler | ||
7) | EMG verisi ile kas aktivitesi analizi: Kas kasılma süreleri ve RMS hesaplama | ||
8) | Sınıflandırma için veri hazırlama: Özellik matrisinin oluşturulması, etiketleme | ||
9) | Basit makine öğrenmesi ile sınıflandırma (SVM, k-NN) – örnek vaka çalışması | ||
10) | Biyosinyal veri setleri ile anomali tespiti ve sınıf dışı örnekleri belirleme | ||
11) | Proje planlaması: Konu seçimi, veri kaynağı belirleme, analiz adımlarının oluşturulması | ||
12) | Öğrenci proje sunumları – Uygulamalı analiz raporları I | ||
13) | Öğrenci proje sunumları – Uygulamalı analiz raporları II ve genel değerlendirme | ||
14) | Öğrenci proje sunumları – Uygulamalı analiz raporları III ve genel değerlendirme |
Ders Notları: | Palm, William J. III – Introduction to MATLAB for Engineers, McGraw-Hill. MATLAB official documentation and online tutorials from MathWorks Open-access biomedical datasets: - PhysioNet (https://physionet.org) - UCI Machine Learning Repository – Biomedical data - Kaggle – Biomedical signal and image processing datasets |
Diğer Kaynaklar: | Palm, William J. III – Introduction to MATLAB for Engineers, McGraw-Hill. MATLAB official documentation and online tutorials from MathWorks Open-access biomedical datasets: - PhysioNet (https://physionet.org) - UCI Machine Learning Repository – Biomedical data - Kaggle – Biomedical signal and image processing datasets |
Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
Devam | % 0 | |
Laboratuar | % 0 | |
Uygulama | 3 | % 30 |
Arazi Çalışması | % 0 | |
Derse Özgü Staj | % 0 | |
Küçük Sınavlar | % 0 | |
Ödev | % 0 | |
Sunum | % 0 | |
Projeler | 1 | % 10 |
Seminer | % 0 | |
Ara Sınavlar | 1 | % 20 |
Ara Juri | % 0 | |
Final | 1 | % 40 |
Rapor Teslimi | % 0 | |
Juri | % 0 | |
Bütünleme | % 0 | |
Toplam | % 100 | |
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 50 | |
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 50 | |
Toplam | % 100 |
Aktiviteler | Aktivite Sayısı | Süre (Saat) | İş Yükü |
Ders Saati | 14 | 3 | 42 |
Laboratuvar | 0 | 0 | 0 |
Uygulama | 3 | 5 | 15 |
Derse Özgü Staj | 0 | 0 | 0 |
Arazi Çalışması | 0 | 0 | 0 |
Sınıf Dışı Ders Çalışması | 14 | 8 | 112 |
Sunum / Seminer | 0 | 0 | 0 |
Proje | 1 | 30 | 30 |
Ödevler | 0 | 0 | 0 |
Küçük Sınavlar | 0 | 0 | 0 |
Ara Juri | 0 | 0 | 0 |
Ara Sınavlar | 1 | 10 | 10 |
Rapor Teslimi | 0 | 0 | 0 |
Juri | 0 | 0 | 0 |
Final | 1 | 10 | 10 |
Toplam İş Yükü | 219 |
Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
1) | Bilimsel literatürü takip eder, eleştirel biçimde analiz eder ve mühendislik problemlerinin çözümünde etkin biçimde kullanır. | 5 |
2) | Biyomühendislik alanında bilimsel yenilikçi tasarımlar için doğru soruları sorar, yenilikçi çalışmayı planlar, uygular, yönetir, dokümante eder. | 5 |
3) | Biyomühendislik ile ilgili, alanındaki çalışmaları bağımsız olarak yürütür, derinlemesine inceler, sorumluluk alır ve elde edilen sonuçları eleştirel bir bakış açısıyla değerlendirir. | |
4) | Yaptığı araştırma ve projelerin sonuçlarını akademik standartlara uygun biçimde yazılı, sözlü ve görsel olarak etkili bir şekilde sunar. | |
5) | Biyomühendislik ile ilgili derin uzmanlık gerektiren konularda bağımsız araştırma yapar, özgün düşünce geliştirir ve bu bilgileri uygulamaya aktarır. | |
6) | Biyomühendisliğe özgü ileri düzey kuramsal ve uygulamalı bilgileri etkin bir biçimde kullanır. | 4 |
7) | Mesleki, bilimsel ve etik değerlere uygun hareket eder; mühendislik uygulamalarının toplumsal, çevresel ve etik etkilerini gözeterek sorumluluk alır. |