Inclua na sua atividade médica os mais recentes desenvolvimentos em gestão e análise de dados, aplicando no seu trabalho as técnicas de diagnóstico e tratamento mais eficazes para diversas patologias e pacientes” 

Os enormes progressos da informática e da engenharia permitiram desenvolver inúmeras aplicações no processamento e análise de dados. Algumas das suas utilizações mais importantes estão relacionadas com a saúde, onde a gestão de dados é um tema vital para determinar os tratamentos ou monitorizar doenças complexas. Assim, algumas condições e pacientes em situações delicadas exigem uma vigilância intensiva e rigorosa que apenas a análise de dados pode oferecer.

Este Curso de especialização em Gestão e Análise de Dados de Saúde em Engenharia Biomédica conta com os conhecimentos mais recentes neste âmbito, visto que explora a eletrocardiografia, eletroencefalografia e magnetoencefalografia e magnetoencefalografia, o processamento de sinais biomédicos, o hardware e o software informático necessários em bioinformática, as linguagens de programação especializadas para o tratamento de dados e a estatística, como o R e o Python, ou as bases de dados e a linguagem SQL.

Com estes inovadores conhecimentos e a metodologia online da TECH, o médico poderá atualizar-se rapidamente, dado que o Curso de especialização foi criado a pensar especialmente em profissionais no ativo. Por essa razão, o médico ficará informado sem interromper o seu trabalho e através de uma grande quantidade de recursos didáticos multimédia, como vídeos de técnicas e procedimentos, resumos interativos, análise de casos clínicos reais, masterclasses e todo o tipo de exercícios teórico-práticos.

Aqui encontrará todo o tipo de materiais multimédia com os quais se poderá atualizar de forma rápida e simples: casos clínicos reais, vídeos, aulas lecionadas por grandes especialistas”

Este Curso de especialização em Gestão e Análise de Dados de Saúde em Engenharia Biomédica conta com o conteúdo científico mais completo e atualizado do mercado. As suas principais caraterísticas são:

• O desenvolvimento de casos práticos apresentados por especialistas em Engenharia Biomédica
• O conteúdo gráfico, esquemático e eminentemente prático fornece informações científicas e práticas sobre as disciplinas que são essenciais para a prática profissional
• Exercícios práticos em que o processo de autoavaliação pode ser utilizado para melhorar a aprendizagem
• A sua ênfase especial em metodologias inovadoras
• Palestras teóricas, perguntas ao especialista, fóruns de discussão sobre questões controversas e atividades de reflexão individual a disponibilidade de acesso ao conteúdo a partir de qualquer dispositivo fixo ou portátil com ligação à Internet

Informe-se através de uma metodologia de ensino 100% online acerca do processamento de sinais médicos e da recolha de dados de saúde com este Curso de especialização de atualização”

O corpo docente do Curso de especialização inclui profissionais do setor que trazem a sua experiência profissional para esta especialização, para além de especialistas reconhecidos de sociedades de referência e universidades de prestígio.

Graças ao seu conteúdo multimédia, desenvolvido com a mais recente tecnologia educativa, o profissional terá acesso a uma aprendizagem situada e contextual, ou seja, um ambiente de simulação que proporcionará uma capacitação imersiva programada para se especializar em situações reais.

A elaboração desta especialização baseia-se na Aprendizagem Baseada em Problemas, através da qual o instrutor deve tentar resolver as diferentes situações da atividade profissional que surgem ao longo do Curso de Especialização. Para tal, contará com a ajuda de um sistema inovador de vídeo interativo desenvolvido por especialistas reconhecidos.

Este Curso de especialização adapta-se a si e às suas circunstâncias profissionais: poderá escolher o momento e o local para estudar, sem ter de interromper o seu trabalho"

O Machine Learning e o Big Data estarão ao seu alcance para que os aplique na sua atividade médica, graças a este Curso de especialização"

Este Curso de especialização foi concebido pelos melhores especialistas do mundo em gestão e análise de dados de saúde. Por isso, o médico terá acesso aos conteúdos mais avançados nesta área, estruturados em três módulos, através dos quais aprenderá sobre sinais biomédicos, o seu processamento e análise, deteção de eventos, computação em biologia médica, metodologia e fluxo de trabalho em bioinformática médica e bases de dados hospitalares, entre outros temas de grande relevância. 

O plano de estudos mais inovador, transmitido através de uma metodologia online e com o acompanhamento do melhor corpo docente”

Módulo 1 Sinais biomédicos

1.1. Sinais biomédicos

1.1.1. Origem do sinal biomédico
1.1.2. Sinais biomédicos

1.1.2.1. Amplitude
1.1.2.2. Periodicidade
1.1.2.3. Frequência
1.1.2.4. Comprimento de onda
1.1.2.5. Fase

1.1.3. Classificação e exemplos de sinais biomédicos

1.2. Tipos de sinais biomédicos Eletrocardiografia, eletroencefalografia e magnetoencefalografia

1.2.1. Eletrocardiografia (ECG)
1.2.2. Eletroencefalografia (EEG)
1.2.3. Magnetoencefalografia (MEG)

1.3. Tipos de sinais biomédicos Eletroneurografia e eletromiografia

1.3.1. Eletroneurografia (ENG)
1.3.2. Eletromiografia (EMG)
1.3.3. Potenciais relacionados com eventos (ERPs)
1.3.4. Outros tipos

1.4. Sinais e sistemas

1.4.1. Sinais e sistemas
1.4.2. Sinais discretos e contínuos: analógico vs. digital
1.4.3. Sistemas do domínio do tempo
1.4.4. Sistemas de domínio de frequência Método espectral

1.5. Fundamentos de sinais e sistemas

1.5.1. Amostragem: Nyquist
1.5.2. A transformada de Fourier DFT
1.5.3. Processos estocásticos

1.5.3.1. Sinais determinísticos vs. aleatórios
1.5.3.2. Tipos de processos estocásticos
1.5.3.3. Estacionaridade
1.5.3.4. Ergodicidade
1.5.3.5. Relação entre sinais

1.5.4. Densidade espectral de potência

1.6. Processamento de sinais biomédicos

1.6.1. Processamento de sinais
1.6.2. Objetivos e fases de processamento
1.6.3. Elementos chave de um sistema de processamento digital
1.6.4. Aplicações Tendências

1.7. Filtragem: remoção de artefactos

1.7.1. Motivação. Tipos de filtro
1.7.2. Filtragem do domínio do tempo
1.7.3. Filtragem de domínio de frequência
1.7.4. Aplicações e exemplos

1.8. Análise de tempo-frequência

1.8.1. Motivação
1.8.2. Plano de tempo-frequência
1.8.3. Transformada de Fourier a Curto Prazo (STFT)
1.8.4. Transformada Wavelet
1.8.5. Aplicações e exemplos

1.9. Deteção de eventos

1.9.1. Casos de Estudo I: ECG
1.9.2. Casos de Estudo II: EEG
1.9.3. Avaliação da deteção

1.10. Software de processamento de sinais biomédicos

1.10.1. Aplicações, ambientes e linguagens de programação
1.10.2. Bibliotecas e ferramentas
1.10.3. Aplicação prática: Sistema básico de processamento de sinais biomédicos

Módulo 2 Bioinformática Médica

2.1. Bioinformática Médica

2.1.1. Computação em biologia médica
2.1.2. Bioinformática Médica

2.1.2.1. Aplicações da Bioinformática
2.1.2.2. Sistemas informáticos, redes e bases de dados médicos
2.1.2.3. Aplicações da bioinformática médica na saúde humana

2.2. Hardware e software informáticos necessários em Bioinformática

2.2.1. Computação científica em ciências biológicas
2.2.3. O computador
2.2.4. Hardware, software e sistemas operativos
2.2.5. Estações de trabalho e computadores pessoais
2.2.6. Plataformas informáticas de alto desempenho e ambientes virtuais
2.2.7. Sistemas operativos Linux

2.2.7.1. Instalação do Linux
2.2.7.2. Usando a interface de linha de comando Linux

2.3. Análise de dados com linguagem de programação R

2.3.1. Linguagem de programação estatística R
2.3.2. Instalação e usos do R
2.3.3. Métodos de análise de dados com R
2.3.4. Aplicações R em Bioinformática médica

2.4. Análise de dados com linguagem de programação Python

2.4.1. Linguagem de programação multiusos Python
2.4.2. Instalação e usos do Python
2.4.3. Métodos de análise de dados com Python
2.4.4. Aplicações Python em Bioinformática médica

2.5. Métodos de análise da sequência genética humana

2.5.1. Genética Humana
2.5.2. Técnicas e métodos de análise de sequenciação de dados genómicos
2.5.3. Alinhamento de sequências
2.5.4. Ferramentas para a deteção, comparação e modelização do genoma

2.6. Exploração de dados em bioinformática

2.6.1. Fases de descoberta do conhecimento em bases de dados, KDD
2.6.2. Técnicas de pré-processamento
2.6.3. Descoberta de conhecimentos em bases de dados biomédicos
2.6.4. Análise de dados genómicos humanos

2.7. Técnicas de Inteligência Artificial e Big Data em Bioinformática médica

2.7.1. Aprendizagem mecânica ou Machine Learning para Bioinformática Médica

2.7.1.1. Aprendizagem supervisionada: regressão e classificação
2.7.1.2. Aprendizagem não supervisionada: Clustering e regras de associação

2.7.2. Big Data
2.7.3. Plataformas computacionais e ambientes de desenvolvimento

2.8. Aplicações de bioinformática para prevenção, diagnóstico e terapêutica clínica

2.8.1. Procedimentos de identificação de genes causadores de doenças
2.8.2. Procedimento de análise e interpretação do genoma para terapias médicas
2.8.3. Procedimentos para avaliar as predisposições genéticas dos doentes para prevenção e diagnóstico precoce

2.9. Metodologia e fluxo de trabalho da bioinformática médica

2.9.1. Criação de fluxos de trabalho para análise de dados
2.9.2. Interfaces de Programação de Aplicações, APIs

2.9.2.1. Bibliotecas R e Python para análise bioinformática
2.9.2.2. Biocondutor: instalação e utilizações

2.9.3. Usos dos fluxos de trabalho da bioinformática nos serviços de Cloud

2.10. Fatores associados a aplicações bioinformáticas sustentáveis e tendências futuras

2.10.1. Quadro legal e regulamentar
2.10.2. As melhores práticas no desenvolvimento de projetos de bioinformática médica
2.10.3. Tendências futuras em aplicações bioinformáticas

Módulo 3 Bases de dados biomédicas e de saúde

3.1. Bases de dados hospitalares

3.1.1. As bases de dados
3.1.2. A importância dos dados
3.1.3. Dados em cenários clínicos

3.2. Modelos concetuais

3.2.1. Estrutura de dados
3.2.2. Modelos de dados sistemáticos
3.2.3. Normalização de dados

3.3. Modelo de dados relacional

3.3.1. Vantagens e desvantagens
3.3.2. Linguagens formais

3.4. Desenho de bases de dados relacionais

3.4.1. Dependência funcional
3.4.2. Formas relativas
3.4.3. Normalização

3.5. Linguagem SQL

3.5.1. Modelo relacional
3.5.2. Modelo objeto-relação
3.5.3. Modelo XML- objeto-relação

3.6. NoSQL

3.6.1. JSON
3.6.2. NoSQL
3.6.3. Amplificadores diferenciais
3.6.4. Integradores e diferenciadores

3.7. MongoDB

3.7.1. Arquitetura ODMS
3.7.2. NodeJS
3.7.3. Mongoose
3.7.4. Agregação

3.8. Análise de dados

3.8.1. Análise de dados
3.8.2. Análise qualitativa
3.8.3. Análise quantitativa

3.9. Base jurídica e normas regulamentares

3.9.1. Regulamento Geral de Proteção de Dados
3.9.2. Considerações de cibersegurança
3.9.3. Regulamentos de dados de saúde

3.10. Integração de bases de dados nos registos médicos

3.10.1. A ficha médica
3.10.2. Sistemas HIS
3.10.3. Dados no HIS

Aceda ao futuro da Engenharia Biomédica com este Curso de especialização, que o atualizará em questões como a criação de bases de dados relacionais ou de biocondutores"