Lp. | Imię i nazwisko kierownika pracy dyplomowej: | Temat pracy: | Zakres pracy: | Narzędzia do wykonania pracy: |
---|---|---|---|---|
1 | Piotr Samczyński | Pomiar parametrów życiowych i zachowań człowieka w opraciu o analize uDopplerowską z wykorzystaniem sygnatur radarowych | W ramach pracy opracowane zostaną algorytmy przetwarzania sygnałów pozwalające na pomiar parametrów życiowych człowieka - np oddechu oraz zachowań człowieka, takich jak np. chód człowieka, bieg, upadek, itp. z wykorzystaniem metod przetwarzania sygnałów w oparciu o analize map radarowych uDopplera obiketu. | Wykorzystywane narzędzia: Matlab, C/C++, komputer klasy PC, radar FMCW |
2 | Jerzy Weremczuk | Platforma mobilna do pomiarów w ochronie środowiska | Budowa (adaptacja) zdalnie sterowanego pojazdu. Przesyłanie wyników pomiarów. | Kompilatory dla systemów wbudowanych, projektowanie obwodów drukowanych |
3 | Jerzy Weremczuk | Układ zasilacza dla nanogeneratora energii elektrycznej | Budowa i testowanie układów elektronicznych zasilacza. | Symulator obwodów, projektowanie obwodów drukowanych |
4 | Jerzy Weremczuk | Czujniki wykonane w technologii 3D | Budowa i charakteryzacja wybranego czujnika np. przyspieszenia. | Drukarka 3D, komputerowe stanowiska pomiarowe |
5 | Jerzy Weremczuk | Temat własny z obszaru czujników lub sieci czujnikowych. | do uzgodnienia | do uzgodnienia |
6 | Konrad Jędrzejewski | Zastosowanie metod uczenia maszynowego do analizy sygnału elektrokardiograficznego (EKG) i wykrywania nieprawidłowości pracy serca | Celem pracy jest implementacja w środowisku Python, MATLAB, R lub innym języku programowania algorytmów uczenia maszynowego (machine learning) do analizy sygnałów EKG oraz przeprowadzenie badań porównujących efektywność tych algorytmów. | Python, Matlab, R lub inny język programowania. Mobilny rejestrator sygnału EKG SiliconBeat firmy MEDEA. Praca we współpracy z firmą MEDEA i Uniwersytetem Medycznym w Poznaniu |
7 | Konrad Jędrzejewski | Zastosowanie metod głębokiego uczenia maszynowego i konwolucyjnych sieci neuronowych do analizy strukturalnej sygnału elektrokardiograficznego (EKG) | Celem pracy jest implementacja w środowisku Python, MATLAB, R lub innym języku algorytmów głębokiego uczenia maszynowego (deep machine learning) i konwolucyjnych sieci neuronowych (CNN), do analizy sygnałów EKG oraz przeprowadzenie badań porównujących efektywność tych algorytmów. | Python, Matlab, R lub inny język programowania. Mobilny rejestrator sygnału EKG SiliconBeat firmy MEDEA. Praca we współpracy z firmą MEDEA i Uniwersytetem Medycznym w Poznaniu |
8 | Konrad Jędrzejewski | Zastosowanie metod uczenia maszynowego do analizy sygnału elektroencefalograficznego (EEG) | Celem pracy jest implementacja w środowisku Python, MATLAB, R lub innym języku programowania algorytmów uczenia maszynowego (machine learning), do analizy sygnałów EEG oraz przeprowadzenie badań porównujących efektywność tych algorytmów. | Python, Matlab, R lub inny język programowania. Praca prowadzona we współpracy z Instytutem Biologii Doświadczalnej, Polskiej Akademii Nauk w Warszawie |
9 | Konrad Jędrzejewski | Zastosowanie metod głębokiego uczenia maszynowego i konwolucyjnych sieci neuronowych do analizy sygnału elektroencefalograficznego (EEG) | Celem pracy jest implementacja w środowisku Python, MATLAB, R lub innym języku programowania algorytmów głebokiego uczenia maszynowego (deep machine learning) i konwolucyjnych sieci neuronowych (CNN), do analizy sygnałów EEG) oraz przeprowadzenie badań porównujących efektywność tych algorytmów. | Python, Matlab, R lub inny język programowania. Praca prowadzona we współpracy z Instytutem Biologii Doświadczalnej, Polskiej Akademii Nauk w Warszawie |
10 | Konrad Jędrzejewski | Zastosowanie metod uczenia maszynowego do analizy sygnału pletyzmograficznego (PPG) i wykrywania nieprawidłowości pracy serca | Celem pracy jest implementacja w środowisku Python, MATLAB, R lub innym języku programowania algorytmów uczenia maszynowego (machine learning), do analizy sygnałów PPG oraz przeprowadzenie badań porównujących efektywność tych algorytmów. | Python, Matlab, R lub inny język programowania |
11 | Konrad Jędrzejewski | System analizy sygnałów elektroencefalograficznych (EEG) rejestrowanych za pomocą opaski do rejestracji sygnałów EEG Muse InteraXon 2 | Celem pracy jest zaprojektowanie i oprogramowanie systemu akwizycji sygnałów elektroencefalograficznych (EEG) rejestrowanych za pomocą opaski do rejestracji sygnałów EEG Muse InteraXon 2. | EEG Muse InteraXon 2, smartfon |
12 | Konrad Jędrzejewski | System bezprzewodowej akwizycji i analizy sygnałów elektrokardiograficznych (EKG) i pletyzmograficznych (PPG) wykorzystujący układ MAX86150 | Celem pracy jest budowa i oprogramowanie systemu akwizycji i analizy sygnałów elektrokardiograficznych (EKG) i pletyzmograficznych (PPG) w oparciu o płytkę ewaluacyjną układu MAX86150. Praca obejmuje również stworzenie prostej aplikacji graficznej na smartfon do sterowania systemem oraz prezentacji sygnałów i ich charakterystyk. | Zestaw (płytka) ewaluacyjny układu MAX86150 firmy Maxim, elektrody, smartfon |
13 | Konrad Jędrzejewski | System bezprzewodowej akwizycji i analizy sygnałów elektrokardiograficznych (EKG) i elektromiograficznych (EMG) wykorzystujący układ ADS1299 | Celem pracy jest zaprojektowanie, wykonanie i oprogramowanie systemu akwizycji i analizy sygnałów elektroencefalograficznych (EEG) i elektromiograficznych (EMG)w oparciu o płytkę ewaluacyjną układu ADS1299. Praca obejmuje również stworzenie prostej aplikacji graficznej na smartfon do sterowania systemem oraz prezentacji sygnałów i ich charakterystyk. | Zestaw (płytka) ewaluacyjny układu ADS1299 firmy Analog Devices umożlwiający podłączenie do 8 elektrod, elektrody, smartfon |
14 | Konrad Jędrzejewski | System do bezprzewodowej akwizycji i analizy sygnałów elektroencefalograficznych (EEG) wykorzystujący układ ADS1299 | Celem pracy jest zaprojektowanie, wykonanie i oprogramowanie systemu akwizycji i analizy sygnałów elektroencefalograficznych (EEG) w oparciu o płytkę ewaluacyjną układu ADS1299. Praca obejmuje również stworzenie prostej aplikacji graficznej na smartfon do sterowania systemem oraz prezentacji sygnałów i ich charakterystyk. | Zestaw (płytka) ewaluacyjny układu ADS1299 firmy Analog Devices umożlwiająca podłączenie do 8 elektrod, elektrody, smartfon |
15 | Konrad Jędrzejewski | System bezprzewodowej akwizycji i analizy sygnałów elektrokardiograficznych (EKG) i pletyzmograficznych (PPG) wykorzystujący rozwiązania Arduino | Celem pracy jest budowa i oprogramowanie systemu akwizycji i analizy sygnałów EKG i PPG wykorzystującego zestawy Arduino. Praca obejmuje również stworzenie prostej aplikacji graficznej na smartfon do sterowania systemem oraz prezentacji sygnałów i ich charakterysty. | Zestawy ewaluacyjne Arduino i czujniki, elektrody, smartfon |
16 | Konrad Jędrzejewski | Implementacja i badania bezprzewodowego systemu przesyłania sygnałów biomedycznych wykorzystującego układ nRF52480 z Bluetooth 5 | Celem pracy jest budowa i oprogramowanie bezprzewodowego systemu przesyłania sygnałów biomedycznych wykorzystującego układ nRF52480 z Bluetooth 5. Praca obejmuje również stworzenie prostej aplikacji graficznej na smartfon do sterowania systemem oraz prezentacji sygnałów i ich charakterystyk. | Zestaw (płytka) ewaluacyjny układu nRF52480 firmy Nordic Semiconductors, elektrody, smartfon |
17 | Krzysztof Kulpa | Wkrywanie aktywności życiowych (oddech, puls) za pomocą czujnika radarowego | Celem pracy jest opracowanie metod wkrywanie aktywności życiowych (oddech, puls) za pomocą czujnika radarowego, implementacja oprogramowania w środowisku Python, MATLAB, R lub innym języku programowania, wykonanie testów. efektywność tych algorytmów. | Python, Matlab, R lub inny język programowania. Radar Demorad |