En meget stor andel af de elektriske apparater, der indgår i diagnostisk analyse eller behandling af sygdomme, måler signaler fra kroppen. Formålet med de målte signaler er at ekstrahere diagnostisk information og lagre denne i databaser til efterfølgende analyse.
Første trin i processen er at rense signalerne for støj, fx fra elinstallationer, og måske udskille støjen fra andre fysiologiske signaler, der overdøver det ønskede signal. I trin to skal det rensede og isolerede signal analyseres for at ekstrahere kvantitative features, der kan fortælle om signalet falder inden for normalområdet eller om det falder inden for en af flere mulige sygdomskategorier.
De kvantitative features, der ekstraheres fra de målte signaler gemmes i en database til videre analyse. Heri ligger skillelinjen mellem signalanalyse og dataanalyse. Signalanalysen leverer de numeriske data, der ligger til grund for en diagnose. I den efterfølgende dataanalyse sammenlignes de ekstraherede features med tilsvarende features fra andre patienter. I denne sammenhæng er signalanalyse og dataanalyse to helt forskellige discipliner med hver sin faglighed. Output fra signalanalysen er input til den efterfølgende statistiske dataanalyse. Her uddybes signalanalysen. Den statistiske databehandling uddybes i afsnittet om Medicinsk databehandling.
Signaler indeholder elektromagnetisk støj fra elektriske installationer og apparater, falske lys- eller lydkilder og sågar uønskede fysiologiske signaler fra andre organer, fx en aktiv muskel. En del af denne støj vil have et frekvensindhold, der ikke overlapper med det ønskede signals frekvensindhold. I så fald kan støjen undertrykkes med et høj- eller lavpasfilter. I nogle tilfælde kan man udnytte, at det ønskede signal har et bestemt udseende og bruge dette til at fjerne støjkilder. I andre tilfælde må støjens indflydelse reduceres ved at ændre i selve måleprincippet. Effektiv støjundertrykkelse kræver som regel en kombination af forskellige teknikker, der forudsætter kompetencer inden for både sensordesign, måleprincipper, elektriske kredsløb og signalbehandling.
Det rensede signal er nu klar til at blive analyseret for diagnostisk information. I selve måleoperationen er signalet blevet digitaliseret og kan analyseres på en computer med softwareprogrammer skrevet til formålet. Hensigten med analysen er at kunne ekstrahere nogle features, der entydigt afslører bestemte fysiologiske forhold i det organ, hvorfra signalerne måles. Nogle features kan måles direkte på signalet. Andre kan først bestemmes efter forskellige transformationer af signalet, fx energiniveau i forskellige frekvensintervaller.
Hvor teknikkerne til støjundertrykkelse oftest er universelle, kræver opgaven at identificere diagnostisk information (også kaldet biomarkører) en detaljeret viden om det fysiologiske organ, der genererer signalerne. En ingeniør der udvikler softwarealgoritmer til diagnose skal kunne prædiktere forandringer i en biomarkør ud fra en kendt forandring i et organ og skal også kunne rationalisere, hvilke organforandringer, der kan frembringe observerede forandringer i biomarkører.
Ingeniører, der beskæftiger sig med diagnostisk signalanalyse, bør have teknisk viden om sensorer, måleprincipper, elektriske kredsløb, statistik og signalbehandling samt sundhedsfaglig viden om organsystemers fysiologi og biofysik. Uddannelsen tilbyder kurser indenfor alle de her nævnte fagområder.
Faglige forudsætninger: Matematik, statistik, programmering, instrumentering, humanbiologi, cellebiologi.