Lab Biomedical Signal Processing and Instrumentation (BioSpin)

Biomedical instrumentation

Bioinstrumentation atau Biomedical Instrumentation adalah aplikasi rekayasa biomedis pada perangkat dan mekanik (umumnya menggunakan sensor) untuk mengukur, mengevaluasi, dan merawat sistem biologis. Tubuh kita terus-menerus mengomunikasikan informasi tentang kondisi kesehatan kita. Informasi ini dapat ditangkap melalui instrumen fisiologis yang mengukur detak jantung, tekanan darah, tingkat saturasi oksigen, glukosa darah, konduksi saraf, aktivitas otak dan sebagainya. Secara tradisional, pengukuran tersebut dilakukan pada titik waktu tertentu dan dicatat pada grafik pasien.

Pengembangan riset di bidang ini telah banyak dilakukan, diantaranya penggunaan sensor untuk pengukuran dan analisis dari ECG, EEG, EMG, dan PPG, suhu badan, tekanan darah, Respiratory Rate (RR), movement observing dalam kondisi tidur, dll. Penggunaan suatu sensor tidak terbatas pada fungsi dasarnya saja. Misal elektroda EMG dapat digunakan untuk mengukur heel pain pada manusia saat beraktivitas pada daerah-daerah yang memungkinkan diagnosis dilakukan oleh ahlinya (dokter). Kemudian EMG juga dapat dimanfaatkan untuk menggerakkan lengan prosthetic dari input sinyal otot.

Biomedical signal processing

Sinyal biomedis diambil untuk mengamati aktivitas fisiologis organisme, mulai dari sekuen gen dan protein, ke irama saraf dan jantung, hingga ke citra jaringan dan organ. Pemrosesan sinyal biomedis bertujuan untuk mengekstraksi informasi signifikan dari sinyal biomedis yang diperoleh.

Pemrosesan dan analisis sinyal biomedis telah menjadi proses penting untuk memberikan informasi yang bermakna dalam aplikasi fisiologi, gangguan neurologis, kedokteran olahraga dan antarmuka manusia-komputer. Banyak peneliti telah melaporkan berbagai algoritma dan teknik baru untuk menganalisis sinyal biomedis seperti EKG, EMG dan EEG yang memberikan hasil yang bermanfaat untuk berbagai keputusan klinis.

Pengembangan riset di bidang ini yang sedang/ telah dilakukan antara lain penggunaan Hjorth detector untuk klassifikasi sinyal ECG dan menentukan karakter suara paru-paru, tsalis entrophy and entropy measurement sebagai feature extraction untuk klassifikasi suara paru-paru otomatis, multiresolution modified grey level difference untuk klasiifikasi suara pernafasan, dll.

Biomedical image processing

Pemrosesan gambar biomedis serupa dengan konsep pemrosesan sinyal biomedis dalam berbagai dimensi, termasuk analisis, peningkatan dan tampilan gambar yang diambil melalui teknologi pencitraan optik. Oleh karenanya proses pencitraan biomedik merupakan bidang yang sangat luas karena mencakup pengumpulan sinyal biomedis, pembentukan citra, pemrosesan citra, dan tampilan citra untuk mendiagnosis kondisi medis berdasarkan fitur yang diekstraksi dari gambar.

Kemajuan dalam pemrosesan gambar biomedis, analisis, pemahaman algoritma dan teknik enhancing memberikan potensi yang besar untuk meningkatkan dan menafsirkan informasi diagnostik yang berguna agar lebih akurat dari citra-citra yang diperoleh dari perangkat biomedical imaging, seperti X-Ray, CT-scan, dll.

Imaging, optical imaging

Optical imaging merupakan metode pencitraan yang dikenal berhasil diterjemahkan ke dalam aplikasi biomedis seperti microscopy dan endoscopy. Meskipun beberapa modalitas pencitraan medis yang canggih digunakan hari ini untuk memperoleh informasi anatomis, fisiologis, metabolik, dan fungsional dari tubuh manusia, namun modalitas pencitraan optik (seperti tomografi koherensi optik, mikroskop confocal, mikroskop multiphoton, endoskopi multispectral dll) muncul dengan potensi signifikan untuk pencitraan non-invasif, portabel, dan hemat biaya untuk aplikasi biomedis yang mencakup tingkat jaringan, seluler, dan molekul.

Terdapat beragam teknik image generating/ reconstruction/ scanning yang dikembangakan untuk digunakan dalam memproduksi suatu citra permukaan, sub surface, morfologi dsb dengan tujuan untuk mencari solusi alternatif atau untuk memperoleh citra dengan resolusi tinggi, apalagi untuk ukuran mikro-nano seperti sel, jaringan, dll.Misalnya, teknik magnetic field distribution untuk pencitraan dan deteksi subsurface, optical imaging microscopy berbasis coherence scanning interferometry (CSI) untuk menyajikan citra permukaan dan morfologi dari micro-object, dan teknik 3D-photogrammetry yang memanfaatkan multi-angle-photographs pada FoV dari suatu objek.

IoT healthcare

Penggunaan IoT dalam healthcare dapat mengautomasikan alur kerja patient care melalui solusi mobilitas layanan kesehatan dengan bantuan teknologi baru lainnya, serta fasilitas layanan kesehatan generasi terbaru. IoT dalam layanan kesehatan memungkinkan interoperabilitas, komunikasi mesin-ke-mesin, pertukaran informasi, dan perpindahan data yang membuat penyediaan layanan kesehatan lebihefektif.

Salah satu riset yang sudah dilakukan adalah monitoring ECG multi-patients menggunakan layanan IoT. Sementara itu, pengembangan Epileptic Seizure Detection Device akan dikembangkan, dimana Epileptic Seizure Application sudah dilakukan.

Medical radiation physics and medical imaging technology

Lab BioSPIN akan memulai untuk mengembangkan riset di bidang fisika radiasi medis beserta teknologi pencitraannya. Pengembangan ini meliputi bagian detektor dan dosimeter untuk aplikasi klinis seperti proteksi radiasi untuk onkologi radiasi, optimasi target hasil radiasi dengan device setting, radiation monitoring dan kedokteran nuklir serta aplikasi fisika energi tinggi.

Robotics

Meskipun penggunaan robot sudah lama dan banyak digunakan, namun catatan penggunaan robot untuk prosedur bedah di bidang robotika medis masih merupakan bidang yang perlu untuk dikembangkan. Meskipun robot memiliki potensi untuk meningkatkan ketepatan dan kemampuan dokter, namun jumlah robot yang digunakan secara klinis masih sangat kecil. Aplikasi klinis seperti bedah saraf, ortopedi, rehabilitasi, urologi, bedah maksilofasial, opthalmologi, dan bedah jantung. Ke depannya, Lab BioSPIN akan mencoba peluang pada penggunaan robot untuk rehabilitasi, peningkatan layanan di rumah sakit, desain mekanik, dan safety issues.

Pemanfaatan Machine Learning dalam bidang biomedika

Pembelajaran mesin (Machine Learning) meruapakan suatu aplikasi kecerdasan buatan yang menyediakan sistem kemampuan untuk secara otomatis belajar dan meningkatkan performansi dari pengalaman tanpa diprogram secara eksplisit. Pembelajaran mesin berfokus pada pengembangan program komputer yang dapat mengakses data dan menggunakannya untuk belajar sendiri.

Saat ini, semakin banyak data yang diproduksi dan berasal dari banyak sumber seperti sensor, data online yang disimpan di web, gambar dan video digital, sinyal, dll. Data ini adalah data besar, dimana big data menjadi kecenderungan yang mempengaruhi bidang biologi dan kedokteran. Data yang dihasilkan mungkin bersifat berbeda: teks, gambar, ekspresi gen, sinyal, dll. Selain itu, biasanya data tersebut memiliki noise yang tinggi. Oleh karena itu kebutuhan untuk menganalisis dan mengekstrak informasi yang berguna dari data tersebut sangat dibutuhkan. Dalam konteks ini, teknik pembelajaran mesin (ML) memberikan kemampuan untuk menganalisis data ini dan mengekstrak informasi yang relevan darinya, atau bahkan membuat prediksi tentang itu.