SylabUZ

Wygeneruj PDF dla tej strony

Automated Medical Diagnosis System - opis przedmiotu

Informacje ogólne
Nazwa przedmiotu Automated Medical Diagnosis System
Kod przedmiotu 06.9-WM-ER-IB-31_18
Wydział Wydział Nauk Inżynieryjno-Technicznych
Kierunek WM - oferta ERASMUS
Profil -
Rodzaj studiów Program Erasmus
Semestr rozpoczęcia semestr zimowy 2023/2024
Informacje o przedmiocie
Semestr 2
Liczba punktów ECTS do zdobycia 5
Typ przedmiotu obowiązkowy
Język nauczania angielski
Sylabus opracował
  • dr hab. inż. Katarzyna Arkusz, prof. UZ
  • dr hab. inż. Marek Kowal, prof. UZ
Formy zajęć
Forma zajęć Liczba godzin w semestrze (stacjonarne) Liczba godzin w tygodniu (stacjonarne) Liczba godzin w semestrze (niestacjonarne) Liczba godzin w tygodniu (niestacjonarne) Forma zaliczenia
Wykład 30 2 - - Zaliczenie na ocenę
Laboratorium 30 2 - - Zaliczenie na ocenę

Cel przedmiotu

- familiarize students with the methods of data collection used in medical diagnosis and the development of skills in the pre-processing of medical data

- familiarize students with the architecture of medical data warehouse and development of skills in the designing and application of analytical systems for medical data

- familiarize students with the methods used to build automated medical diagnosis systems and development of skills allowing the use of decision support and data mining algorithms

Wymagania wstępne

medical imaging techniques, digital signal processing, statistical methods of data analysis

Zakres tematyczny

Methods of data acquisition and processing for automated medical diagnosis.

Radiological imaging. Virtual microscopy. Application of image segmentation algorithms for the extraction of morphometric features. Feature selection methods. Discovering outliers. Completing the missing data.

Methods of storage and analysis of medical data. Medical data warehouse architecture. Analytical systems. Multidimensional data structures. Statistical analysis. Reporting methods and services. Analytical systems review. Overview of public repositories of medical data.

Medical decision support systems. Expert systems. Methods of knowledge representation. Methods of knowledge discovery. Classification algorithms. Artificial intelligence methods.

Medical decision support systems - case studies. Integration of decision support systems with picture archiving and communication systems.

Metody kształcenia

Lectures - conventional lecture, discussion

Laboratory - laboratory exercises, case studies

Efekty uczenia się i metody weryfikacji osiągania efektów uczenia się

Opis efektu Symbole efektów Metody weryfikacji Forma zajęć

Warunki zaliczenia

The final grade is the average of the lab and the lecture, provided they receive both positive grades.

Literatura podstawowa

1. Jiang, R., Zhang, L., Wei, H.-L., Crookes, D., & Chazot, P. (Eds.). (2022). Recent Advances in AI-enabled Automated Medical Diagnosis (1st ed.). CRC Press. https://doi.org/10.1201/9781003176121

2. Schmitz, U., & Wolkenhauer, O. (Eds.). (2016). Systems Medicine. Methods in Molecular Biology. doi:10.1007/978-1-4939-3283-2 

3. Winter, A., Haux, R., Ammenwerth, E., Brigl, B., Hellrung, N., & Jahn, F. (2011). Health Information Systems. Health Informatics. doi:10.1007/978-1-84996-441-8 

Literatura uzupełniająca

Uwagi


Zmodyfikowane przez dr hab. inż. Katarzyna Arkusz, prof. UZ (ostatnia modyfikacja: 01-06-2023 12:12)