生理訊號創新應用

課程概述 (Course Description): 本課程旨在探索生理訊號（如心電圖ECG、腦電圖EEG、肌電圖EMG、血氧、體溫等）的擷取、處理與創新應用。課程內容涵蓋生理訊號的基本原理、感測器技術、訊號預處理方法，以及如何運用數據分析（包括機器學習與人工智慧）技術從中提取有價值的資訊。課程強調理論與實踐結合，引導學生思考如何將這些技術應用於健康監測、智慧醫療、人機介面、運動科學及消費性電子產品等前瞻領域，培養學生成為具備跨領域視野的創新人才。 課程目標 (Course Goals): 修習本課程後，學生應能達成以下目標： 理解基礎理論： 掌握不同生理訊號的生成機制、特性及常見的擷取方法。 學會訊號處理： 熟悉生理訊號的預處理、特徵提取與分析技術。 具備應用能力： 能夠設計並實現基於生理訊號的簡單應用系統或解決方案。 培養創新思維： 評估生理訊號技術在不同領域的創新潛力，並提出可行的應用專案。 了解倫理與法規： 認識生理訊號應用相關的隱私、倫理與法規議題。

醫療器材設計基礎

教學方法 (Teaching Methods): 課堂講授 (Lectures): 系統性地介紹生理訊號的基礎知識、理論與最新進展。 實驗與實作 (Labs & Hands-on Practice): 安排使用相關硬體（如感測器套件）及軟體工具（如Python, MATLAB）進行訊號擷取與分析，強化動手能力。 案例分析 (Case Studies): 透過分析現有市場上的創新產品與研究案例，激發學生的應用思維。 專題式學習 (Project-Based Learning, PBL): 引導學生從問題出發，透過完成期末專題整合所學知識，培養解決問題的能力。 邀請業界專家演講 (Guest Lectures): 邀請相關領域的業界人士分享實務經驗與產業趨勢。 教學相關配合事項 (Related Matters): 先修課程 (Prerequisites): 建議學生具備基礎的生物學、物理學知識，以及程式設計（Python尤佳）經驗。 教材與資源 (Materials & Resources): 主要參考書目（待定，可指定經典教科書）。 提供線上學習資源、學術論文及開源工具連結。 實驗所需之生理訊號擷取設備（如Arduino/Raspberry Pi套件、特定感測器）。 溝通管道 (Communication): 建立課程網站或使用學校e-learning平台，作為課程公告、資料分享、作業繳交與師生互動的主要管道。 彈性調整 (Flexibility): 課程內容與進度可能因實際教學情況、學生反應或技術發展進行微調。

課堂參與及討論 (Class Participation & Discussion) 10% 鼓勵學生積極參與課堂問答、小組討論及案例分析，分享見解。 習題與實驗報告 (Homework & Lab Reports) 25% 包含理論習題及多次實驗報告，旨在鞏固訊號處理技術與實作能力。 期中考 (Midterm Exam) 25% 評估學生對課程核心概念、生理訊號原理及基本分析方法的掌握度。 期末專題報告 (Final Project & Report) 40% 學生需分組（或個人）選擇一個創新應用主題，完成專案設計、實作與成果展示。這是課程的核心評量，強調創新與實踐。

*可能會有更動* Hilbert-Huang Transform and its Applications (第二版) 書名 (英文): Hilbert-Huang Transform and its Applications (2nd Edition) 書名 (中文譯): 希爾伯特-黃轉換及其應用 (第二版) 作者/編輯: Norden E. Huang, Samuel S.P. Shen (Editors) 出版社: World Scientific Publishing Company 出版年份: 2014 年 ISBN-13: 978-9814508230 備註: 此版本包含了最新的HHT發展，包括「集合經驗模態分解」（Ensemble Empirical Mode Decomposition, EEMD）等內容。

地點

906

時間

寫信或者課堂上約定時間

聯絡方式

tbjkuo@nycu.edu.tw