Subject » BMEVIIIAV05
Biostatistics and Control Engineering in Pathophysiological Modeling
Biostatisztikai és szabályozástechnikai módszerek alkalmazása kórélettani modellezésben
A tantárgyleírás hatályossága
Hatályosság kezdete:
—
Hatályosság vége:
—
| Subject name (Hungarian, English) |
Biostatisztikai és szabályozástechnikai módszerek alkalmazása kórélettani modellezésben
Biostatistics and Control Engineering in Pathophysiological Modeling
|
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Subject code | BMEVIIIAV05 | ||||||||||||
| Subject type | — | ||||||||||||
| Training Level | — | ||||||||||||
| Course types and hours (weekly/semester) |
|
||||||||||||
| Assessment type | vizsga | ||||||||||||
| Credits | 4 | ||||||||||||
| Subject coordinator |
Kovács Levente
|
||||||||||||
| Responsible department |
—
|
||||||||||||
| Faculty | |||||||||||||
| Subject website | — | ||||||||||||
| Primary curriculum type | — | ||||||||||||
| Direct prerequisites – Strong prerequisite | none | ||||||||||||
| Direct prerequisites – Weak prerequisite | none | ||||||||||||
| Direct prerequisites – Parallel prerequisite | none | ||||||||||||
| Direct prerequisites – Milestone prerequisite | none | ||||||||||||
| Direct prerequisites – Exclusion | none |
Objectives
Programme
A tárgy két részre épít: biostatisztikára és szabályozástechnikára.
- hét: Bevezetés a biostatisztikába (A statisztika fogalma, feladatai, adatainak jellemzői. A statisztikai módszerek alkalmazásának oka, célja és jelentősége a modern orvosi kutatásokban. Alkalmazási területek és motivációk: bizonyítékokon alapuló orvoslás, epidemiológia, bioinformatika stb.). A modellalkotás lépései és kórélettani specifikációi (nemlinearitás, diszkrét és folytonos rendszerek, statikus és dinamikus rendszerek, kísérlettervezés, mérési hibák, élettani és mérnöki szabályozások).
- hét: Számítógépes programok a biostatisztikában és a szabályozástechnikában: R, SPSS, Mathematica, MATLAB.
- Leíró statisztika (A statisztikai információsűrítés eszközei egy- és többváltozós adatbázisok leírására. Analitikus eszközök (átlag, szórás, ferdeség, csúcsosság, medián, kvantilisek, MAD, IQR, trimmelt és winsorizált mutatók stb.), grafikus eszközök (empirikus eloszlásfüggvény, hisztogram, nemparaméteres sűrűségfüggvény-becslés, szóródási diagram stb.), exploratív adatelemzés.). Kitekintés az idősorelemzésre (Determinisztikus és sztochasztikus idősorelemzés. Dekompozíciós idősor-modellek, Box-Jenkins-modellezés.).
- hét: Statisztikai következtetéselmélet I. (Bevezetés az induktív statisztikába: mintavételi helyzet és következményei, becsléselmélet, hipotézisvizsgálat.)
- hét: Statisztikai következtéselmélet II. (A biostatisztika legfontosabb tesztjei (z-próba, t-próba, Welch-próba, Mann-Whitney U-próba, Brunner-Munzel teszt, F-próba, Levente-teszt, ANOVA). Értékelésük (alkalmazási feltételek, robusztusság), használatuk gyakorlati kérdései.)
- hét: Statisztikai következtetéselmélet III. Gyakorlati példák.
- hét: Haladó többváltozós adatelemzési technikák (Főkomponens- és faktoranalízis (SVD-felbontás, rotálás, értelmezési kérdések), klaszteranalízis (hierarchikus klaszterezés (távolságmetrikák, klaszteregyesítési stratégiák), centroid-alapú klaszterezés (k-means), kitekintés a sűrűség-alapú klaszterezése (DBSCAN, OPTICS), spektrális klaszterezés.)
- hét: Regressziós modellezés I. (Többváltozós lineáris regresszió alapfogalmai, célja, értelme. Az OLS-becslés, modellfeltevései, tulajdonságai. Hipotézisvizsgálat a lineáris regressziós modellben. Heteroszkedaszticitás, multikollinearitás.)
- hét: Regressziós modellezés II. (Nemlineáris kiterjesztések, nominális magyarázóváltozók. Logisztikus regresszió, klasszifikációs eljárások. A regressziós modellezés gyakorlati kérdései.)
- hét: Lineáris rendszerek (parametrikus, nemparametrikus modellezés, állapotteres leírás). Identifikációs módszerek (AR, ARX, ARMAX, OE, LS, IV). Gyakorlati példák.
- hét: Nemlineáris rendszerek modellezése (Volterra, Wiener sorok és modellek, Wiener-Bose modell, nemparametrikus modellezés, parametrikus modellezés, moduláris és kapcsolt modellezés). Gyakorlati példák.
- hét: Fuzzy rendszerek és neurális hálózatok. Gyakorlati példák.
- hét: Többváltozós rendszerek. Nemstacioner rendszerek modellezése. Gyakorlati példák.
- hét: Áttekintés, ismétlés, konzultáció.
A különféle betegségek (vagy általában: élettani,
kórélettani jelenségek, folyamatok) matematikai szabatosságú leírása egyre
inkább előtérbe kerül napjaink orvostudományi kutatásaiban. A XX. század –
részint a matematikai, mérnöki eszközök fejlődése, részint az orvostudományi
ismeretek nagymértékű bővülése révén – magával hozta annak a lehetőségét, hogy
számos kórélettani folyamatra gyakorlati szempontokból is kielégítő pontosságú
matematikai modellt konstruáljunk. Az ilyen feladatok többsége kétféle
ismeretanyagra épít: biostatisztikára (a vizsgálati eredmények kiértékeléséhez,
a nagy adathalmazokban új összefüggések felismeréséhez és a meglevőek
ellenőrzéséhez, a különféle változók alakulására vonatkozó modell
felállításához), valamint szabályozástechnikára (a rendszerként felfogható emberi
szervek, szervrendszerek, folyamatok viselkedésének megértésére, elemzésére és
leírására, befolyásolási lehetőségeik feltárására és értékelésére, mesterséges
úton történő szabályozására). A tantárgy célja, hogy integrált bevezetést
nyújtson e két diszciplínába, és, hogy a hallgatók a tárgy sikeres elvégzése
után képesek legyenek valós élettani, kórélettani folyamatok modellezésével,
modellalkotásával kapcsolatos kutatási feladatokat elemezni és megoldani.
A cél a két tématerület (biostatisztika és
szabályozástechnika) együttes megismerése és művelése az interdiszciplináris
egészségügyi mérnöki (angolul: biomedical engineering) tématerületben
jelentkező alapvető problémák (nevezetesen az éppen vizsgált folyamat
matematikai leírása, modellezése) kezelésére és megoldására.
Learning outcomes
Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:
Knowledge
No learning outcomes recorded.
Skills
No learning outcomes recorded.
Attitudes
No learning outcomes recorded.
Autonomy and responsibility
No learning outcomes recorded.
Oktatási módszertan
Előadás és gyakorlat.
Tanulástámogató anyagok
Not provided.
Recommended preliminary knowledge for completing the subject
Knowledge type competencies
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
Valószínűségszámítás, Jelek és rendszerek, Szabályozástechnika / Folyamatszabályozás
Skill type competencies
(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
Recommended (non-compulsory) preliminary competencies
(azon ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák összessége, amelyek jelentősen hozzájárulnak a tantárgy eredményes teljesítéséhez)
Valószínűségszámítás, Jelek és rendszerek, Szabályozástechnika / Folyamatszabályozás
General rules
Követelmények:
a. A szorgalmi időszakban: 2 házi feladat elkészítése (egy a biostatisztika, egy a szabályozástechnika részből).
b. A vizsgaidőszakban: Írásbeli, majd szóbeli vizsga.
Pótlási lehetőségek:
Az házi feladatok különeljárási díj megfizetése mellett a pótlási időszak végéig adhatóak le késedelmesen.
Assessment methods
In-term assessments
No detailed assessments provided.
Weight of in-term assessments
No weights provided.
Exam-period assessments
No detailed assessments provided.
Weight of exam elements
No weights provided.
Grade calculation
No grade thresholds provided.
Attendance requirements
No attendance requirements provided.
Rules for retake and resubmission
Not provided.
Short description
Not provided.
Detailed description
Not provided.
Recommended courses
-
Workload to complete the subject
No workload breakdown provided.
Validity of subject requirements
Requirements valid from:
—
Requirements valid until:
—
Curriculum placement
No curriculum placements recorded for this subject version.