• Course: Warsztat z analizy sygnałów psychofizjologicznych (WFAIS.IF-X218.0)
• Coordinator: dr inż. Krzysztof Kutt

INFO: All materials from the 'Prepare for the lab' and 'Learn more' section that are not publicly available online have been placed in a dedicated folder (access for course participants only).

(as long as formally course is taught in Polish, the rules will be in Polish)

• 100 EXP stanowi 100% łącznej liczby punktów. Punkty można zdobywać poprzez realizację różnych questów (żaden z nich nie jest obowiązkowy; ważna jest suma punktów na koniec semestru):
  • 12x4.5 EXP (54 EXP): kartkówki “wejściówki” [poza pierwszymi i ostatnimi zajęciami] – 3 pytania po 1.5 EXP (2 pytania dotyczące materiałów z sekcji “Prepare for the lab” w instrukcji do danych zajęć + 1 pytanie dotyczące treści realizowanych na poprzednich zajęciach)
  • ??x6 EXP: przesłanie sprawozdania z “Advanced practice session” (takie sprawozdania nie są przypisane do każdych zajęć)
    • Warunek: Podstawowa część sprawozdania (“Practice session”) również musi być zrealizowana (i przesłana)
    • Oceniana jest tylko realizacja części “Advanced”
    • Sprawozdanie należy przesłać do rozpoczęcia kolejnych zajęć. Za spóźnienie (niezależnie od długości spóźnienia), otrzymana ilość punktów dzielona jest przez 2
  • 24 EXP: przygotowanie projektu grupowego (szczegóły poniżej)
  • ??x2 EXP: praktyka – udział w eksperymencie BIRAFFE3 jako uczestnik badania
  • ??x2 EXP: zaproszenie osób do udziału w eksperymencie BIRAFFE3 (za każdą zaproszoną osobę, która nie jest uczestnikiem tego kursu, która weźmie udział w badaniu i zgłosi kto ją zaprosił do udziału)
    • Punkty te są brane pod uwagę tylko w momencie uzyskania zaliczenia w terminie podstawowym (= należy mieć min. 50 EXP na koniec semestru, aby punkty za zaproszone osoby zostały doliczone)
  • Aktywność na zajęciach: 1 “plus” = 1 EXP
    • Plusy są brane pod uwagę tylko w momencie uzyskania zaliczenia w terminie podstawowym (= należy mieć min. 50 EXP na koniec semestru, aby plusy zostały doliczone)
• Dozwolone są dwie nieusprawiedliwione nieobecności.
  • Każda kolejna nieobecność skutkuje odjęciem 10 EXP.
• Skala ocen:
  • >= 90% – bdb
  • >= 80% – db+
  • >= 70% – db
  • >= 60% – dst+
  • >= 50% – dst
  • < 50% – ndst

Projekty realizowane w grupach (2-4 osób) mogą być dwojakiego rodzaju:

• Przygotowanie i przeprowadzenie własnego eksperymentu z pomiarem psychofizjologicznym, a więc realizacja następujących punktów:
  1. [4 EXP] Opracowanie planu badawczego, identyfikacja zmiennych i hipotez,
  2. [4 EXP] Implementacja procedury,
  3. Zebranie danych
  4. [4 EXP] Odpowiedni pre-processing danych (filtrowanie, wyznaczenie załamków R w sygnale EKG, podział sygnału EDA na dwa komponenty składowe, etc),
  5. [4 EXP] Wyznaczenie charakterystyk sygnału (zbiór parametrów HRV, wysokość i długości peaków w sygnale EDA, etc),
  6. [4 EXP] Weryfikacja hipotez,
  7. [4 EXP] Finalna prezentacja projektu.
• Analiza istniejącego datasetu BIRAFFE2 zebranego za pomocą narzędzi zbliżonych do tych przedstawianych na zajęciach. Krótkim wstępem do jednego z fragmentów datasetu jest laboratorium Statistics 101, gdzie analizowane są dane zebrane w interakcji z badanymi – celem projektu jest rozszerzenie tych analiz o przetwarzanie danych fizjologicznych (EKG i/lub EDA) zawartych w podzbiorze BIRAFFE2-biosigs, a więc:
  1. [8 EXP] Zapoznanie się z danymi, wczytanie danych i wybór hipotez,
     • Dobór hipotez jest dowolny - najlepiej wybrać coś co będzie dla Państwa ciekawe. Przykładowe pomysły:
       • Czy istnieją różnice w charakterystykach fizjologicznych pomiędzy osobami o różnych profilach osobowości (warto każdą z cech sprowadzić do trzech poziomów: niski/średni/wysoki)?
       • Czy istnieją zależności pomiędzy reakcją fizjologiczną a odczuwanymi emocjami (zaznaczonymi przez badanych jako odpowiednie valence i arousal w BIRAFFE2-procedure)?
       • Czy można wskazać jakieś związki pomiędzy charakterystykami EKG/EDA, a akcjami wykonywanymi w grach? (np. czy atakowanie przeciwnika albo utrata życia są zwykle związane z jakąś konkretną zmianą wybranych charakterystyk sygnałów)
  2. [4 EXP] Odpowiedni pre-processing danych (filtrowanie, wyznaczenie załamków R w sygnale EKG, podział sygnału EDA na dwa komponenty składowe, etc),
  3. [4 EXP] Wyznaczenie charakterystyk sygnału (zbiór parametrów HRV, wysokość i długości peaków w sygnale EDA, etc),
  4. [4 EXP] Weryfikacja hipotez,
  5. [4 EXP] Finalna prezentacja projektu.

Zaliczenie projektu:

• przesłanie kodu analiz (np. jako zbiór Jupyter Notebooków) najpóźniej do momentu rozpoczęcia ostatnich zajęć
• zaprezentowanie wyników na forum grupy na ostatnich zajęciach (nie ma konieczności przygotowania slajdów; można zaprezentować Jupyter Notebook i opowiedzieć o tym co i w jaki sposób zostało zrealizowane oraz podsumować uzyskane wyniki)

• Steven W. Smith - The Scientist and Engineer's Guide to Digital Signal Processing (California Technical Pub, 1997; full version available on-line)
• Mike X Cohen - Analyzing Neural Time Series Data (The MIT Press, 2014) – probably the best book in DSP (it has “neural” in the title, but the concepts are more general)
  • A set of video lectures (and Matlab scripts) by Mike X Cohen
  • Code in Python by Lyndon Duong
• Steven J. Luck - An Introduction to the Event-Related Potential Technique (Bradford Book, 2014) – the second important book in DSP; strongly aimed at EEG signals (a bible for ERP researchers), but also useful in other domains
• Allen B. Downey - Think DSP: Digital Signal Processing in Python (source code) – Introduction to DSP with sound analysis examples
• Marc Lichtman - PySDR: A Guide to SDR and DSP using Python – A set of materials aimed at wireless communication
• Neuromatch Academy: Computational Neuroscience – aimed at neuro, but very useful for other domains

• John T. Cacioppo, Louis G. Tassinary, Gary G. Berntson - Handbook of Psychophysiology (Cambridge University Press, 2016) – great handbook if you want to know more about all the physiology behind analysed signals (3rd edition available online via EBSCO)
• Dzedzickis et al. - Human Emotion Recognition: Review of Sensors and Methods (Sensors, 2020) – A brief introduction to the major methods of psychophysiological measurement; focused on emotions, but provides general principles of how each measurement works

• https://datasetsearch.research.google.com/ – Google search for Datasets
• PhysioNet.org – huge repo of physiologic signals (data, software, challenges, tutorials)
• OpenNEURO.org – various neuro signals (MRI, MEG, EEG, iEEG, ECoG, and ASL data)

• NeuroKit2 (toolbox for BVP, ECG, EDA, EEG, EMG, EOG, Respiration; it has a physiological signal generator)
• BioSPPy (toolbox for BVP, ECG, EDA, EEG, EMG, Respiration)