Sztuczna inteligencja w medycynie - ETI PG

advertisement
Politechnika Gdańska, międzywydziałowy kierunek „INŻYNIERIA BIOMEDYCZNA”
KONSPEKT PRZEDMIOTU
DRUGIEGO POZIOMU STUDIÓW STACJONARNYCH
Nazwa przedmiotu Sztuczna inteligencja
Skrót:
Semestry:
Punkty ECTS:
III
Rodzaj przedmiotu:
Liczba godzin w semestrze:
Wykład
Semestr III
30
Specjalność:
chemia w medycynie
kierunkowy w specjalności
IWM
Ćwiczenia
Laboratorium
15
elektronika w medycynie
Osoba odpowiedzialna za przedmiot:
Imię:
Bożena
E-mail: [email protected]
Projekt
15
Seminarium
fizyka w medycynie
Nazwisko:
Telefon:
SINT
6
Łącznie
60
informatyka w medycynie
X
Kostek
583472717
Lokal:
731 WETI
Cele przedmiotu:
Celem przedmiotu jest zaznajomienie studentów z zagadnieniami sztucznej inteligencji, rozumianej jako inteligentne
techniki obliczeniowe, systemy uczące się, systemy decyzyjne czy systemy ekspertowe. Dodatkowo istotnym elementem
wykładu jest zapoznanie studentów z wybranymi metodami inteligentnego przetwarzania danych oraz procesem
przetwarzania wiedzy w oparciu o wnioskowanie formułowane w postaci reguł decyzyjnych. Ważnym celem szczegółowym
jest przedstawienie metod uczenia się, rozumianych jako proces zmiany zachodzącej w systemie na podstawie
doświadczeń, która prowadzi do poprawy jego jakości działania. W ramach przedmiotu student poznaje wiedzę związaną z
metodami akwizycji i reprezentacji danych, podstawowymi rodzajami systemów ekspertowych, typowymi architekturami
sztucznych sieci neuronowych, algorytmami uczenia maszynowego, oraz regułami zdobywania wiedzy dla potrzeb
systemów ekspertowych.
Spodziewane efekty kształcenia - umiejętności i kompetencje:
Student potrafi stosować metody obróbki danych oraz akwizycji sygnałów fonicznych i wizyjnych. Student potrafi
wyznaczyć parametry sygnałów fonicznych i wizyjnych. Student zna zasady tworzenia struktur sieci neuronowych. Umie
stosować wnioskowanie rozmyte. Student posiada kompetencje w zakresie tworzenia systemów decyzyjnych oraz
optymalizacji ich parametrów.
Karta zajęć - wykład
Lp.
Zagadnienie
Poziom
wiedzy
A
B
C
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
Wprowadzenie do wykładu – zakres przedmiotu i literatury
Reprezentacja wiedzy. Rodzaje danych i ich wstępna obróbka.
Metody akwizycji sygnałów fonicznych.
Metody akwizycji sygnałów wizyjnych.
Metody parametryzacji i kwantyzacji atrybutów.
Deskryptory standardu MPEG 7.
Wybrane technologie pozyskiwania wiedzy dla potrzeb
baz wiedzy.
Reprezentacja wiedzy - logika rozmyta.
Wnioskowanie rozmyte: wnioskowanie Mamdaniego i Sugeno.
Rozmyte systemy wnioskujące.
X
X
X
X
X
X
X
X
X
umiejętności
D
E
Liczba
godzin
2
1
1
1
1
1
1
1
1
1
Politechnika Gdańska, międzywydziałowy kierunek „INŻYNIERIA BIOMEDYCZNA”
11.
12.
13.
14
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
Reprezentacja wiedzy – logika przybliżona.
Systemy wnioskujące oparte na zbiorach przybliżonych.
Modelowanie niepewności.
Kolokwium
Metody uczenia maszyn: omówienie typów uczenia, algorytmów
uczenia i struktur uczących się.
Uczenie maszynowe – sztuczne sieci neuronowe. Uczenie z
nadzorem.
Uczenie maszynowe – sztuczne sieci neuronowe. Uczenie z
nadzorem. Uczenie bez nadzoru.
Uczenie maszynowe – algorytmy genetyczne.
Uczenie maszynowe – drzewa decyzyjne.
Systemy ekspertowe.
Systemy wieloagentowe i inteligencja zespołowa: przegląd
zagadnień.
Przegląd zastosowań metod sztucznej inteligencji w systemach
inżynierii biomedycznej.
Przegląd zastosowań metod sztucznej inteligencji w systemach
telemedycznych.
Przykłady zastosowań systemów inteligentnych w różnych
dziedzinach medycyny.
Kolokwium
Karta zajęć - laboratorium
Zagadnienie
Lp.
X
X
1
1
X
2
1
X
1
X
1
X
X
X
X
1
1
1
1
X
2
X
2
X
2
2
Razem: 30
Poziom
wiedzy
A
B
C
1.
2.
3.
4.
5.
6.
7.
Wprowadzenie do laboratorium
Projektowanie prostych systemów logiki rozmytej
Rozpoznawanie izolowanych wyrazów przy pomocy zbiorów
przybliżonych - parametryzacja i testowanie reguł
Badanie algorytmów i struktur sieci neuronowych
Wprowadzenie do systemu WEKA
Klasyfikacja sygnałów z wykorzystaniem SVM
Drzewa decyzyjne
Próg zaliczenia:
Semestr: VI
z wykładu
51/100
z ćwiczeń
Warunki zaliczenia przedmiotu
z laboratorium z projektu
25/50
25/50
Liczba
godzin
umiejętności
D
E
X
X
X
3
2
2
X
X
z seminarium
2
2
2
2
Razem: 15
Z CAŁOŚCI
101/200
Opis form zaliczenia
Wykład (semestr II)
Id
Termin
1.
Tydzień 12
2.
Tydzień 15
3.
Egzamin
Punkty
25
25
50
Razem: 100
Laboratorium (semestr II)
Id
Termin
1
Ćwiczenie 1
2
Ćwiczenie 2
3
Ćwiczenie 3
4
Ćwiczenie 4
5
Ćwiczenie 5
Punkty
10
10
10
10
Zakres
Kolokwium z zakresu zagadnień 1-12, według planu wykładu
Kolokwium z zakresu zagadnień 14-23, według planu wykładu
Egzamin obejmujący całość materiału wykładowego
Zakres
Zrealizowane zadania wg programu ćwiczenia laboratoryjnego nr 1
Zrealizowane zadania wg programu ćwiczenia laboratoryjnego nr 2
Zrealizowane zadania wg programu ćwiczenia laboratoryjnego nr 3
Zrealizowane zadania wg programu ćwiczenia laboratoryjnego nr 4
Zrealizowane zadania wg programu ćwiczenia laboratoryjnego nr 5 (zal. na
Projekt „Przygotowanie i realizacja kierunku inżynieria biomedyczna – studia międzywydziałowe”
współfinansowany ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego.
Politechnika Gdańska, międzywydziałowy kierunek „INŻYNIERIA BIOMEDYCZNA”
6
Ćwiczenie 6
10
Razem: 30
obecność)
Zrealizowane zadania wg programu ćwiczenia laboratoryjnego nr 6
Karta zajęć - projekt
Lp.
Zagadnienie
Poziom
wiedzy
A
B
C
1.
2.
3.
4.
5.
Przedstawienie wymagań dotyczących opracowania dokumentacji
projektowej.
Opracowanie teoretyczne dotyczące wybranego zagadnienia
projektowego.
Wybór algorytmu uczącego, przygotowanie danych do treningu oraz
do testowania.
Implementacja programowa.
Testowanie, walidacja i weryfikacja.
Liczba
godzin
umiejętności
D
E
X
3
X
3
X
3
X
X
3
3
Razem: 15
Uwagi dotyczące kryteriów zaliczenia:
Zaliczenie wykładu odbywa się w formie pisemnej, w połowie semestru odbywa się kolokwium, w sesji egzaminacyjnej
egzamin pisemny. Maksymalna liczba punktów do uzyskania 50 pkt z kolokwiów (50 z egzaminu) . Zaliczenie wykładu na
ocenę dostateczną – uzyskanie co najmniej 50% poprawnych odpowiedzi. Na zaliczeniu poprawkowym obowiązują te
same zasady, jak powyżej. Warunkiem zaliczenia przedmiotu jest zaliczenie wszystkich części przedmiotu: wykładu,
laboratorium i projektu – sumarycznie co najmniej na 50%. Ocena laboratorium odbywa się na podstawie obecności i
oceny jakości przygotowanych sprawozdań (w skali do 50 pkt). Projekt zaliczany jest na podstawie oddanego opracowania
i oceniany jest punktowo w skali do 50 pkt. Ze względu na specyfikę laboratorium, zajęcia dobywają się w grupach
dwuosobowych.
Lp.
1.
Przedmiot
Komputerowe
wspomaganie
decyzji
Przedmioty wyprzedzające wraz z wymaganiami wstępnymi
Zakres
Zagadnienia związane z wnioskowaniem i budowaniem decyzji
2.
Metody dydaktyczne:
Wykład prowadzony będzie z wykorzystaniem projektora, za pomocą którego zaprezentowany będzie materiał obejmujący
kolejne zagadnienia treści przedmiotu. Wykład prowadzony będzie zgodnie z planem zajęć. W trakcie semestru
przewidziane są dwa kolokwia zaliczające wykład, dodatkowo w sesji egzaminacyjnej przewidziany jest egzamin. W
ramach wykładu część zajęć będzie prowadzona w formie seminaryjnej, w trakcie tych zajęć studenci przedstawiają
zagadnienia z zakresu metod sztucznej inteligencji w zastosowaniu do inżynierii biomedycznej.
Praktyczną ilustracją materiału przedstawianego w czasie wykładów są zajęcia laboratoryjne. Zakłada się, że grupy
laboratoryjne będą dwuosobowe. Każda grupa będzie miała do dyspozycji stanowisko komputerowe z zainstalowanym
oprogramowaniem tematycznym. Grupy laboratoryjne będą realizować ćwiczenia według grafiku podanego na początku
semestru. Do każdego ćwiczenia laboratoryjnego udostępniona zostanie (na platformie edukacji na odległość) szczegółowa
instrukcja laboratoryjna. Przygotowanie do zajęć będzie polegać na zapoznaniu się z instrukcją przed terminem danego
laboratorium. Ćwiczenia laboratoryjne będą wykonywane pod opieką i z pomocą prowadzącego. Obowiązkiem studenta
jest oddanie sprawozdania z wykonanego ćwiczenia przed przystąpieniem do kolejnej sesji laboratoryjnej. Ocenie podlegać
będzie przygotowanie studenta do zajęć, realizacja zadań wyznaczonych do samodzielnego wykonania w czasie ćwiczenia
oraz sprawozdanie z wykonanych ćwiczeń. Zajęcia laboratoryjne będą prowadzone równolegle z wykładem w podwójnym
wymiarze zajęć. Dodatkowym elementem przedmiotu są zajęcia projektowe, w ramach których studenci będą realizować
w kilkuosobowych grupach zadany temat projektu. W trakcie semestru będą odbywać się zajęcia Studenci w ramach
spotkań i konsultacji z prowadzącym temat projektu przedstawiają stan realizacji projektu w trakcie semestru. Na
końcowych zajęciach omawiają opracowane zagadnienia.
Wykaz literatury podstawowej:
1. Materiały do przedmiotu opracowane w formie edukacji na odległość, dostęp: http://uno.biomed.gda.pl
2. Rutkowski L., Metody i techniki sztucznej inteligencji. Wyd. Naukowe PWN, Warszawa 2009
3. Zurada J., Barski M., Jędruch W., Sztuczne sieci neuronowe. Wyd. Naukowe PWN, Warszawa 1996.
Projekt „Przygotowanie i realizacja kierunku inżynieria biomedyczna – studia międzywydziałowe”
współfinansowany ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego.
Politechnika Gdańska, międzywydziałowy kierunek „INŻYNIERIA BIOMEDYCZNA”
4.
Krawiec K., Stefanowski J., Uczenie maszynowe i sieci neuronowe. Politechnika Poznańska, Poznań 2004.
Wykaz literatury uzupełniającej:
1. Kostek B., Soft Computing in Acoustics, Applications of Neural Networks, Fuzzy Logic and Rough Sets to Musical
Acoustics, Studies in Fuzziness and Soft Computing, Physica Verlag, Heildelberg, New York 1999.
2
B. Kostek, Perception-Based Data Processing in Acoustics. Applications to Music Information Retrieval and
Psychophysiology of Hearing, Springer Verlag, Series on Cognitive Technologies, Berlin, Heidelberg, New York
2005.
Projekt „Przygotowanie i realizacja kierunku inżynieria biomedyczna – studia międzywydziałowe”
współfinansowany ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego.
Download