Professors Titulars
Professors Docents
És recomanable haver cursat totes les assignatures de la matèria en què es col·labora. Les matèries del grau d'Enginyeria de la Salut (GES) són: Matemàtiques, Informàtica, física, Bioquímica, Electrònica, Comunicacions, Senyals i imatges mèdiques, Informàtica mèdica, Bioestadística, Fonaments clínics, Gestió i Investigació.
1. S'apliquen els coneixements adquirits durant el grau de manera integrada per resoldre una necessitat real del sector sanitari des de la perspectiva de l'enginyeria mèdica i de la salut.
2. Saber abordar els projectes assignats integrant les variables sexe i gènere amb rellevància al problema o tema plantejat.
3. Planificar, desenvolupar i presentar treballs de recerca aplicats a l'enginyeria de la salut.
4. Ser capaç de treballar en grup de manera col·laborativa i amb pensament creatiu en entorns multidisciplinaris.
Els continguts de cada alumne/a poden ser diversos en dependència de la finalitat del projecte o tasca feta enfocat a alguna aplicació relacionada amb la salut. Per exemple, el desenvolupament de prototips maquinari, algorismes, eines programari, materials docents teoricopràctics; la investigació de processos anatòmics, fisiològics i fisiopatològics; el desenvolupament dexperiments; l'adquisició/registre de senyals i dades, el processament de senyals i imatges, la gestió de bases de dades, el modelatge/impressió 3D, la caracterització de biomaterials i la simulació computacional, entre d'altres. L'assignatura també constitueix un espai per integrar nous continguts d'assignatures afins a l'Enginyeria de Salut, que no estan inclosos en el pla d'estudi i que l'estudiantat pugui cursar durant l'intercanvi acadèmic en institucions externes nacionals i internacionals.
Aquesta assignatura té un fort component pràctic i cerca preparar els estudiants per col·laborar en entorns professionals, enfrontant desafiaments reals del sector de salut. Es desenvolupa combinant l'assessorament i el seguiment del professor amb la realització de les activitats pràctiques per solucionar els reptes plantejats als grups de 2 a 4 alumnes.
S'utilitzen les metodologies docents següents:
- Aprenentatge Basat en Projectes (ABP): cada equip desenvolupa un projecte realista amb resultats verificables (prototip maquinari i/o programari, experiment, model, etc.).
- Aprenentatge pràctic al laboratori: sessions experimentals enfocades aprendre fent.
- Seminaris breus i microlliçons per cobrir just a temps ("just-in-time teaching") els conceptes claus que permetin avançar.
- Tutories acadèmiques i tècniques: seguiment formatiu amb retroalimentació accionable orientat a millora.
- Aprenentatge cooperatiu: rols rotatius (per setmanes i/o per tipus d'avaluacions), co-responsabilitat (cada rol té tasques pròpies i compartides: ?el resultat és de tots i totes?), resolució col·laborativa de problemes (ús de dinàmiques per pensar i decidir en grup: brainwriting, brainstorming, etc.) i coavaluació de valor (valor).
- Avaluació continuada mitjançant el seguiment de l'exercici individual i grupal.
Ús d'IA en l'aprenentatge: permès amb declaració explícita de l'ús i prompts als lliurables (incloure'ls als annexos); el treball ha de ser original, traçable i comprensible pels qui el signen.
L'avaluació del treball de cada alumne es realitza basant-se en la capacitat de resposta als problemes plantejats, atenent la capacitat de definir com ha d'orientar el treball, el desenvolupament i els resultats. Es valora la implicació personal i lactitud. L'avaluació la farà el responsable de supervisar els grups de l'alumnat. Aquesta persona farà el seguiment i farà una valoració contínua individual de la col·laboració de cada alumne.
La nota de lassignatura es calcula segons el compliment de les tasques del projecte, tant de forma individual (90 %) com grupal (10 %). L'avaluació individual es distribueix de la manera següent: 5 % per l'actitud individual de cada participant (assistència a les reunions, participació activa, disciplina informativa), 80 % pels resultats obtinguts en les tasques assignades, 5 % per l'exposició final individual i un 10 % pel compliment dels objectius del projecte de forma global (inclou l'organització i la cohesió del grup).
Els alumnes que no aprovin l'assignatura a la convocatòria ordinària disposaran d'una convocatòria extraordinària. En aquesta convocatòria caldrà lliurar i presentar una nova versió del projecte amb els mètodes/resultats/solucions de les tasques individuals i grupals en què l'alumne formi part. Si hi ha més d'un alumne/a de l'equip que hagués desaprovat, es pot lliurar i presentar un sol document amb la versió final de l'equip. Si el supervisor ho entén necessari, pot substitutivament, avaluar la convocatòria extraordinària, fent un examen teòric i pràctic sobre el coneixement dels continguts del projecte.
1. Creswell, J. W., & Creswell, J. D. (2023). Research design: Qualitative, quantitative, and mixed methods approach (6th ed.). SAGE.
2. Hernández-Sampieri, R., & Mendoza, C. (2018). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta. McGraw-Hill.
3. Browner, W. S., Newman, T. B., Cummings, S. R., & Grady, D. G. (2022). Designing clinical research (5th ed.). Wolters Kluwer.
4. Ng, S. I., Xu, L., Siegert, I., Cummins, N., Benway, N. R., Liss, J. y Berisha, V. (2024). Un tutorial sobre el desarrollo de IA clínica del habla: desde la recopilación de datos hasta la validación del modelo. Preimpresión de arXiv arXiv: 2410.21640.
5. Ahluwalia, A., De Maria, C., & Díaz Lantada, A. (eds.) (2022). Engineering Open-Source Medical Devices: A Reliable Approach for Safe, Sustainable and Accessible Healthcare. Springer Cham. SpringerLink
6. Tranquillo, J., Goldberg, J., & Allen, R. (2022). Biomedical Engineering Design. Elsevier.
7. Bajaj, V., Sinha, G. R., & Chakraborty, C. (eds.) (2022). Biomedical Signal Processing for Healthcare Applications. CRC Press,
8. Señales biomédicas (EEG, EMG, ECG), machine learning aplicado a salud, procesamiento de datos.
9. Obeid, I., Selesnick, I., & Picone, J. (eds.) (2021). Biomedical Signal Processing: Innovation and Applications. Springer.
10. Sahin, F., & Pérez-Castillejos, P. (2023). Instrumentation Handbook for Biomedical Engineers. Routledge.
11. Kunal Pal, Bala Chakravarthy Neelapu, J. Sivaraman (2024). Advances in Artificial Intelligence: Biomedical Engineering Applications in Signals and Imaging. Elsevier.
Veure carpeta electrònica de l'assignatura