PRZEWODNIK DYDAKTYCZNY I PROGRAM NAUCZANIA PRZEDMIOTU FAKULTATYWNEGO NA KIERUNKU LEKARSKIM ROK AKADEMICKI 2016/2017

Transkrypt

1 PRZEWODNIK DYDAKTYCZNY I PROGRAM NAUCZANIA PRZEDMIOTU FAKULTATYWNEGO NA KIERUNKU LEKARSKIM ROK AKADEMICKI 2016/ NAZWA PRZEDMIOTU: SZTUCZNA INTELIGENCJA W MEDYCYNIE 2. NAZWA JEDNOSTKI (jednostek ) realizującej przedmiot: Katedra i Zakład Informatyki i Statystyki 3. Adres jednostki odpowiedzialnej za dydaktykę: Adres: ul. Dąbrowskiego 79, Poznań Tel ; Fax Strona WWW: magda@ump.edu.pl 4. Kierownik jednostki: Prof. dr hab. Jerzy A. Moczko 5. Osoba zaliczająca przedmiot w E indeksie z dostępem do platformy WISUS Prof. dr hab. Jerzy A. Moczko 6. Osoba odpowiedzialna za zajęcia fakultatywne z dostępem do platformy WISUS do list studentów Nazwisko: dr Agnieszka Wiesiołowska Tel. kontaktowy: agnes@ump.edu.pl Osoba zastępująca: dr Barbara Kołodziejczak, dr Izabela Miechowicz Tel. kontaktowy: bkolodziejczak@ump.edu.pl, iza@ump.edu.pl 7. Miejsce przedmiotu w programie studiów: Rok: III-IV Semestr: Liczba godzin ogółem: 15 liczba pkt ECTS: 1

2 Jednostki uczestniczące w nauczaniu przedmiotu Semestr zimowy/letni/ liczba godzin W Ć Ćwiczenia kategoria S Katedra i Zakład Informatyki i Statystyki 15 B (max 12 osób) 9. Cel nauczania przedmiotu Celem przedmiotu jest nabycie podstawowej wiedzy związanej ze sztuczną inteligencją i jej najnowszymi metodami w powiązaniu z medycyną. Zapoznanie z wadami i zaletami sztucznej inteligencji. Przedstawienie zastosowania metod sztucznej inteligencji w wybranych obszarach medycyny. Nabycie umiejętności posługiwania się aplikacjami wspomagającymi podejmowanie decyzji, symulatorami sztucznych sieci neuronowych. Przygotowanie do aktywnego uczestnictwa w społeczeństwie informatycznym. 10.SYLABUS Nazwa przedmiotu/modułu Wydział Nazwa kierunku studiów Poziom kształcenia Forma studiów Język przedmiotu Sztuczna inteligencja w medycynie LEKARSKI I lekarski jednolite magisterskie stacjonarne polski Rodzaj przedmiotu Obowiązkowy fakultatywny Rok studiów/semestr I II III IV V VI Liczba godzin zajęć dydaktycznych z podziałem na formy prowadzenia zajęć Założenia i cele przedmiotu 15, w tym: 0- wykłady, 0- seminaria, 0 ćwiczenia, 15 fakultety Celem przedmiotu jest nabycie podstawowej wiedzy związanej ze sztuczną inteligencją i jej najnowszymi metodami w powiązaniu z medycyną. Zapoznanie z wadami i zaletami sztucznej inteligencji. Przedstawienie zastosowania metod sztucznej inteligencji w wybranych obszarach medycyny. Nabycie umiejętności posługiwania się aplikacjami wspomagającymi podejmowanie decyzji, symulatorami sztucznych sieci neuronowych. Przygotowanie do aktywnego uczestnictwa w społeczeństwie informatycznym. Symbol efektów kształcenia zgodnie ze standardami OPIS KIERUNKOWYCH EFEKTÓW KSZTAŁCENIA WIEDZA (ZGODNIE ZE SZCZEGÓŁOWYMI EFEKTAMI KSZTAŁCENIA) Metody weryfikacji osiągnięcia zamierzonych efektów kształcenia:

3 B.W31. B.W31. B.U11. Zna podstawy technik informatycznych celem obsługi systemów i programów informatycznych. Zna skuteczne metody przeszukiwania internetowych baz danych. UMIEJĘTNOŚCI (ZGODNIE ZE SZCZEGÓŁOWYMI EFEKTAMI KSZTAŁCENIA) Wykorzystuje narzędzia i systemy informatyczne do gromadzenia i przetwarzania danych, następnie analizy metodami sztucznej inteligencji. sprawdzenie realizacji bieżących zagadnień sprawdzenie realizacji bieżących zagadnień; zaliczenie praktyczne przy komputerze KOMPETENCJE SPOŁECZNE (ZGODNIE Z OGÓLNYMI EFEKTAMI KSZTAŁCENIA) PUNKTY ECTS 1 TREŚCI MERYTORYCZNE PRZEDMIOTU: Tematyka 1. Sztuczna inteligencja, podstawowe pojęcia, wprowadzenie - sztuczne sieci neuronowe, - systemy ekspertowe, - drzewa decyzyjne. 2. Zastosowania sztucznej inteligencji w medycynie na przykładach w wersji demonstracyjnej - informatyczne systemy edukacyjne, - wirtualni rozmówcy, doradcy, chat bots, - medyczne bazy danych, zaawansowane algorytmy wyszukiwania informacji, - informatyczne systemy wspomagające naukę w konkretnej dziedzinie, - systemy rozpoznawania sygnałów (dźwięku, obrazu, zdjęć), - systemy wspomagające podejmowania decyzji, - medyczne systemy hybrydowe, - wady i zalety sztucznej inteligencji. 3. Omówienie komercyjnych i darmowych symulatorów sztucznych sieci neuronowych. - akwizycja danych, przetwarzanie i import do symulatora, - modelowanie własnych systemów opartych o sztuczną inteligencję, - dyskusja na temat zastosowanych technik i topologii wytworzonych modeli. 4. Omówienie komercyjnych i darmowych symulatorów sztucznych sieci neuronowych. - rozwiązywanie prostych problemów medycznych w oparciu o sztuczne sieci neuronowe, - dyskusja na temat zastosowanych technik i topologii wytworzonych modeli. Forma (wykłady,semina ria, ćwiczenia, zaj. fakultatywne, itp ) Zaj. fakultatywne (praktyczne) w laboratorium komputerowym

4 5. Przyszłość sztucznej inteligencji w medycynie. LITERATURA PODSTAWOWA I UZUPEŁNIAJĄCA: 1. Tadeusiewicz R., Sieci neuronowe, Akademicka Oficyna Warszawa Zieliński K., Strzelecki M., Komputerowa analiza obrazu biomedycznego. Wstęp do morfologii i patologii ilościowej, Wydawnictwo Naukowe PWN, Warszawa-Łódź Tadeusiewicz R., Inżynieria biomedyczna, Uczelniane Wydawnictwa Naukowo-Dydaktyczne, Kraków WARUNKI UZYSKANIA ZALICZENIA PRZEDMIOTU: Aktywność i obecność na wszystkich zajęciach. Zaliczenie praktyczne przy komputerze. 11.Tematyka poszczególnych ćwiczeń i seminariów Ćwiczenia - Semestr zimowy/letni Ćwiczenie 1. Ćwiczenie 2. Ćwiczenie 3. Ćwiczenie 4. Tematyka ćwiczeń Wstęp do sztucznej inteligencji: zarys historyczny (McCulloch i Pitts, Minsky i Papert), test Turinga, rozwój w różnych obszarach badawczych, baza wiedzy, wspomaganie podejmowania decyzji, wirtualni rozmówcy, chatboter, systemy online i desktop dostępne na rynku. Wstęp do komputerowego przetwarzania obrazu: obrazy rastrowe i wektorowe, akwizycja materiału biomedycznego, metody przetwarzania (współczynniki kształtu, detekcja krawędzi, transformacja obrazu), aplikacje internetowe przetwarzające obraz w czasie rzeczywistym (detekcja twarzy, oczu, rozpoznawanie płci, wieku, rasy, koloru skóry itp.) Systemy ekspertowe jako systemy wspomagania podejmowania decyzji w wybranych aspektach medycznych. Systemy eksperckie jako symboliczne modele rozumowania. Wstęp do sztucznych sieci neuronowych. Kontynuacja zagadnień dotyczących sztucznych sieci neuronowych: matematyczny model neuronu, modele neuronów (Perceptron, RBF, Kohonena) sieci liniowe (problem separowalności liniowej) i nieliniowe, uczenie sztucznych sieci neuronowych (strategie i algorytmy uczenia), przygotowanie zbiorów uczących, problemy związane z uczeniem sztucznych sieci neuronowych. Osoba odpowiedzialna Dr inż. Arkadiusz Majewski

5 Ćwiczenie 5. Omówienie komercyjnych i darmowych symulatorów sztucznych sieci neuronowych: przygotowanie zbiorów danych, podział na zbiory uczące, walidacyjne i testowe. rozwiązywanie prostych problemów medycznych w oparciu o sztuczne sieci neuronowe, dyskusja na temat zastosowanych technik i topologii wytworzonych modeli, porównanie błędów, jakości nauczonych modeli, analiza wrażliwości, uruchamianie poszczególnych przypadków. 12. Organizacja zajęć: Zajęcia fakultatywne odbywają się zgodnie z planem zajęć ustalonym z Dziekanatem. REGULAMIN ZAJĘĆ: 1. Obecność studentów na ćwiczeniach jest obowiązkowa i kontrolowana. 2. Nieobecność na ćwiczeniach musi być usprawiedliwiona i odrobiona w terminie ustalonym indywidualnie z prowadzącym zajęcia, lecz nie później niż przed ostatnimi ćwiczeniami. Nie odrobienie zajęć powoduje niezaliczenie zajęć fakultatywnych, co jest jednoznaczne z otrzymaniem oceny niedostatecznej w pierwszym terminie. Zgodnie z regulaminem studiów (rozdział III, 11) w wyjątkowych sytuacjach dopuszcza się usprawiedliwioną nieobecność na zajęciach. 3. Warunkiem uzyskania zaliczenia z przedmiotu jest: a. aktywność oraz obecność na wszystkich ćwiczeniach, b. oceny cząstkowe z zadań praktycznych na każdych ćwiczeniach oraz sprawozdanie z omówionego materiału i zrealizowanych zagadnień praktycznych (min. 60% wymagań). W przypadku otrzymania oceny niedostatecznej istnieje możliwość dwukrotnego jej poprawienia w terminach uzgodnionych z prowadzącym. 4. Spóźnienia na ćwiczeniach przekraczające 15 minut traktowane są jako nieobecność. 5. Studentów obowiązuje znajomość treści i nabycie umiejętności z zakresu prezentowanego na poprzednich ćwiczeniach. PROGRAM ZAJĘĆ: I. Podstawy teoretyczne Sztuczna inteligencja (SI, ang. AI). Przetwarzanie obrazów biomedycznych. Systemy ekspertowe. Sztuczne sieci neuronowe (SSN, ang. ANN). Symulatory SSN. II. Ćwiczenia praktyczne Aplikacje internetowe wykorzystujące techniki sztucznej inteligencji, - wirtualni rozmówcy, - wirtualni doradcy, - chatboty przygotowywane na test Turinga, boty asystenci, *Porównanie, zestawienie zalet i wad sprawozdanie. - przetwarzanie obrazów w czasie rzeczywistym, porównanie jakości przy losowych zakłóceniach (oświetlenie, zmiana położenia twarzy), - sprawdzenie ograniczeń dostępnych systemów, sprawdzanie podstawowych parametrów wieku, płci, kolrou skóry, rasy, masy ciała itd. *Porównanie, zestawienie zalet i wad sprawozdanie.

6 Przetwarzanie i analiza obrazów biomedycznych, - współczynniki kształtu, - detekcja krawędzi, - opracowanie, przygotowanie i przetworzenie obrazów na potrzeby edukacji sztucznych sieci neuronowych, - modelowanie neuronowe w oparciu o przygotowane zbiory danych, - dyskusja na temat wytworzonych modeli. PROGRAM NAUCZANIA Wymagania wstępne: wiedza na poziomie szkoły średniej Przygotowanie do zajęć: utrwalenie umiejętności nabytych na dotychczasowych zajęciach z tego przedmiotu Wymagania końcowe: student potrafi zgromadzić dane biomedyczne, przetworzyć je i poddać analizie za pomocą wybranej metody sztucznej inteligencji. 13.Kryteria zaliczenia przedmiotu: Zaliczenie kryterium zaliczenia Aktywność oraz obecność na wszystkich zajęciach. Oceny cząstkowe z zadań praktycznych na każdych ćwiczeniach. Sprawozdanie z omówionego materiału i zrealizowanych zagadnień praktycznych. 14. Literatura: 1. Tadeusiewicz R., Sieci neuronowe, Akademicka Oficyna Warszawa Zieliński K., Strzelecki M., Komputerowa analiza obrazu biomedycznego. Wstęp do morfologii i patologii ilościowej, Wydawnictwo Naukowe PWN, Warszawa-Łódź Tadeusiewicz R., Inżynieria biomedyczna, Uczelniane Wydawnictwa Naukowo- Dydaktyczne, Kraków Podpis osoby odpowiedzialnej za nauczanie przedmiotu lub koordynatora