Автоматизация обработки биомедицинской информации
Beschreibung: Дисциплина посвящена изучению способов представления экспериментальной информации различной физической природы в биомедицинской практике; математических моделей, лежащих в основе способов обработки и анализа информации; математических методов и алгоритмов оценки информативности параметров; инновационных технологий, используемых при автоматизации биомедицинских исследований.
Betrag der Credits: 5
Пререквизиты:
- Интегральная и микропроцессорная схемотехника
Arbeitsintensität der Disziplin:
Unterrichtsarten | Uhr |
---|---|
Vorträge | 15 |
Praktische Arbeiten | |
Laborarbeiten | 30 |
AASAL (Autonomes Arbeiten der Schüler unter Anleitung des Lehrers) | 30 |
SE (Studentisches Eigenarbeiten) | 75 |
Endkontrollformular | экзамен |
Form der Endkontrolle | устный экзамен |
Komponente: Компонент по выбору
Zyklus: Базовые дисциплины
Цель
- формирование у магистрантов компетенций, необходимых для разработки, внедрения и применения методов и технологий автоматизации в обработке биомедицинских данных.
Задача
- Изучение принципов автоматизации процессов сбора, обработки и анализа данных, получаемых из биомедицинских исследований и диагностики.
- Изучение алгоритмов для автоматизированного анализа биомедицинских данных, что повышает точность и оперативность диагностики, а также поддержку принятия клинических решений.
- Освоение современных технологий и программных средств для автоматизации анализа биомедицинской информации, включая системы искусственного интеллекта, машинное обучение и анализ больших данных.
- Освоение подходов к интеграции биомедицинских данных из различных источников, обеспечение совместимости и стандартизации данных для более эффективного их использования в цифровой медицине.
Результат обучения: знание и понимание
- Описывать принципы и методы автоматизации биомедицинской обработки данных, включая использование технологий искусственного интеллекта, машинного обучения и анализа больших данных для решения медицинских задач.
- Обсуждать системные и архитектурные особенности информационных систем, предназначенных для обработки и интеграции биомедицинских данных, а также показывать их совместимости со стандартами медицинской информатики.
Результат обучения: применение знаний и пониманий
- Разрабатывать алгоритмы и программные модули для автоматизированного анализа и обработки биомедицинских данных, например, для задач диагностики, мониторинга и прогнозирования состояния пациента.
- Применять методы анализа больших данных для выявления скрытых закономерностей в биомедицинских данных и построения моделей, способных поддерживать клинические решения.
- Интегрировать биомедицинские данные из различных источников, включая устройства для мониторинга здоровья, лабораторные данные и данные электронных медицинских карт, с соблюдением стандартов совместимости и безопасности.
Результат обучения: формирование суждений
- Оценивать точность и надежность данных, выявлять и корректировать ошибки обработки для обеспечения качества данных, поддерживающих диагностику и лечение.
Результат обучения: коммуникативные способности
- Представлять результаты анализа и интерпретации биомедицинских данных, включая объяснение сложных технических аспектов не техническим специалистам.
Результат обучения: навыки обучения или способности к учебе
- Применять инструменты и технологии для автоматизации обработки биомедицинских данных, включая программное обеспечение и платформы для анализа данных, визуализации и предсказательной аналитики, системы поддержки принятия медицинских решений.
Bewertung des Wissens der Studierenden
Period | Art der Aufgabe | Gesamt |
---|---|---|
1 Bewertung | Лабораторная работа "Обработка медицинских данных в информационных системах" | 0-100 |
Лабораторная работа "Фильтрация и предобработка биомедицинских сигналов" | ||
Лабораторная работа "Автоматизация обработки медицинских изображений " | ||
Рубежный контроль 1 | ||
2 Bewertung | Лабораторная работа "Использование методов машинного обучения для анализа биомедицинских данных" | 0-100 |
Лабораторная работа "Интеграция данных с биомедицинских сенсоров и носимых устройств " | ||
Лабораторная работа "Разработка алгоритмов поддержки принятия решений в медицине" | ||
Рубежный контроль 2 | ||
Endkontrolle | экзамен | 0-100 |
Die Bewertungspolitik der Lernergebnisse nach Arbeitstyp
Art der Aufgabe | 90-100 | 70-89 | 50-69 | 0-49 |
---|---|---|---|---|
Exzellent | Gut | Befriedigend | Ungenügend | |
лабораторная работа | Проявлена превосходная теоретическая подготовка. Необходимые навыки и умения полностью освоены. Результат лабораторной работы полностью соответствует её целям. | Проявлена хорошая теоретическая подготовка. Необходимые навыки и умения в основном освоены. Результат лабораторной работы в основном соответствует её целям. | Проявлена удовлетворительная теоретическая подготовка. Необходимые навыки и умения частично освоены. Результат лабораторной работы частично соответствует её целям. | Проявлена неудовлетворительная теоретическая подготовка. Необходимые навыки и умения не своены. Результат лабораторной работы не соответствует её целям. |
Устное собеседование (письменный ответ) по контрольным вопросам | В ответе качественно раскрыто содержание темы. Ответ хорошо структурирован. Прекрасно освоен понятийный аппарат. Продемонстрирован высокий уровень понимания материала. Превосходное умение формулировать свои мысли, обсуждать дискуссионные положения. | Основные вопросы темы раскрыты. Структура ответа в целом адекватна теме. Хорошо освоен понятийный аппарат. Продемонстрирован хороший уровень понимания материала. Хорошее умение формулировать свои мысли, обсуждать дискуссионные положения. | Тема частично раскрыта. Ответ слабо структурирован. Понятийный аппарат освоен частично. Понимание отдельных положений из материала по теме. Удовлетворительное умение формулировать свои мысли, обсуждать дискуссионные положения. | Тема не раскрыта. Понятийный аппарат освоен неудовлетворительно. Понимание материала фрагментарное или отсутствует. Неумение формулировать свои мысли, обсуждать дискуссионные положения. |
Bewertungsbogen
Итоговая оценка знаний обучающего по дисциплине осуществляется по 100 балльной системе и включает:
- 40% результата, полученного на экзамене;
- 60% результатов текущей успеваемости.
Формула подсчета итоговой оценки:
И= 0,6 | Р1+Р2 | +0,4Э |
2 |
где, Р1, Р2 – цифровые эквиваленты оценок первого, второго рейтингов соответственно; Э – цифровой эквивалент оценки на экзамене.
Итоговая буквенная оценка и ее цифровой эквивалент в баллах:
Буквенная система оценки учебных достижений обучающихся, соответствующая цифровому эквиваленту по четырехбалльной системе:
Оценка по буквенной системе | Цифровой эквивалент | Баллы (%-ное содержание) | Оценка по традиционной системе |
---|---|---|---|
A | 4.0 | 95-100 | Отлично |
A- | 3.67 | 90-94 | |
B+ | 3.33 | 85-89 | Хорошо |
B | 3.0 | 80-84 | |
B- | 2.67 | 75-79 | |
C+ | 2.33 | 70-74 | |
C | 2.0 | 65-69 | Удовлетворительно |
C- | 1.67 | 60-64 | |
D+ | 1.33 | 55-59 | |
D | 1.0 | 50-54 | |
FX | 0.5 | 25-49 | Неудовлетворительно |
F | 0 | 0-24 |
Темы лекционных занятий
- Введение в автоматизацию обработки биомедицинской информации
- Основы медицинских информационных систем
- Цифровая обработка биомедицинских сигналов и изображений
- Алгоритмы предобработки медицинских данных
- Методы интеллектуального анализа данных в медицине
- Автоматизированные системы поддержки принятия решений
- Интеграция данных из медицинских сенсоров и носимых устройств
- Программные инструменты для обработки биомедицинской информации
- Технологии машинного обучения в анализе медицинских данных
Основная литература
- Кубланов В.С., Долганов А.Ю., Костоусов В.Б. Биомедицинские сигналы и изображения в цифровом здравоохранении: хранение, обработка и анализ. – Екатеринбург: УрФУ, 2021. – 350 с.
- Омельченко В.П., Демидова А.А. Медицинская информатика: учебник. - ГЭОТАР-Медиа, 2023. 528с.
Дополнительная литература
- Фролов А.В.Цифровая обработка биомедицинских сигналов и изображений. – Москва: МГТУ им. Н.Э. Баумана, 2020. – 400 с.
- Васильев В.Г., Куженькин С.Н.Прикладная обработка биомедицинских изображений в среде MATLAB. – Санкт-Петербург: Лань, 2019. – 280 с.
- Сергиенко, А. Б. Цифровая обработка сигналов: учебное пособие / А. Б. Сергиенко. - 2-е изд. - СПб. : Питер, 2006. - 751 с.
- Дианов С. В. Автоматизация обработки экспериментальных данных: конспект лекций. - Вологда: ВоГТУ, 2010. - 82 с.