Tantárgy » BMEVIMIA023
Intelligens orvosi műszerek
Intelligent Medical Instruments
A tantárgyleírás hatályossága
Hatályosság kezdete:
2026. March 21.
Hatályosság vége:
—
| Tantárgy neve (magyarul, angolul) |
Intelligens orvosi műszerek
Intelligent Medical Instruments
|
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Tantárgykód | BMEVIMIA023 | ||||||||||||
| Tantárgyjelleg | — | ||||||||||||
| Képzési szint | — | ||||||||||||
| Kurzustípusok és óraszámok (heti/féléves) |
|
||||||||||||
| Tanulmányi teljesítmény/értékelés típusa | vizsga | ||||||||||||
| Tantárgy kreditértéke | 3 | ||||||||||||
| Tantárgyfelelős |
Dr. Dobrowiecki Tadeusz Pawel
beosztás: egyetemi docens
elérhetőség:
dobrowiecki.tadeusz@vik.bme.hu
|
||||||||||||
| Tantárgyat gondozó oktatási szervezeti egység |
Mesterséges Intelligencia és Rendszertervezés Tanszék
|
||||||||||||
| Kar | Villamosmérnöki és Informatikai Kar | ||||||||||||
| Tantárgy weboldala | — | ||||||||||||
| Tantárgy elsődleges mintatantervi jellege | — | ||||||||||||
| Közvetlen előkövetelmények – Erős előkövetelmény | nincs | ||||||||||||
| Közvetlen előkövetelmények – Gyenge előkövetelmény | nincs | ||||||||||||
| Közvetlen előkövetelmények – Párhuzamos előkövetelmény | nincs | ||||||||||||
| Közvetlen előkövetelmények – Mérföldkő előkövetelmény | nincs | ||||||||||||
| Közvetlen előkövetelmények – Kizáró feltétel | nincs |
Célkitűzés
Tantárgyprogram
- Az orvosi műszerek általános felépítése. A jel, a zaj fogalma, a mérés és modellezés kapcsolata. Az orvosi jelek modellezésének problémái. Az a priori tudás felhasználása. Egy- és többdimenziós jelek folytonos és diszkrét reprezentációja.
- Jelfeldolgozási eljárások alapjai, alkalmazásuk az orvosi mérésekben. A (mozgó ablak és rekurzív) átlagolás és tulajdonságai. Lineáris eljárások alapelve, szuperpozíció. Nemlineáris eljárások alapjai, a mediánszűrés. A jelek frekvenciatartományban történő reprezentációja. Kapcsolat az idő- és frekvenciatartomány közt Lényegkiemelés. (Esettanulmányok: EKG jelek feldolgozása, az R detektálás, HRV fogalma stb. A röntgenkép feldolgozás alapjai, medián szűrés, morfológiai eljárások, lényegkiemelés.)
- Becslési és döntési eljárások alapjai, alkalmazásuk az orvosi mérésekben. A felhasznált a priori ismeret, a Bayes becslés alapgondolata. Döntési eljárások. A döntések minősítése szenzitivitás, specificitás, a ROC görbe értelmezése.
- A mesterséges intelligencia alapvető eszközei és módszerei. Tudásábrázolás, logikai leírás. Szabályalapú rendszerek. Az ellenőrzött, nemellenőrzött és megerősítéses tanulás. A túltanulás problémája. Induktív logikai tanulás (döntési fák, általános logikai kifejezések tanulása). Tanulás neurális és valószínűségi hálókban. Genetikus algoritmusok és evolúciós programozás. Kísérletezés többféle tanulási feladatottal.
- Döntéstámogató rendszerek. Osztályozási, klaszterezési és regressziós feladatok. A mintaszám és az eredmény megbízhatóságának kapcsolata. Az intelligens döntéstámogatás hatása az orvosi döntésekre.
- Kitekintés: Elosztott intelligens rendszerek. Nyelvi kommunikáció és együttműködés. A valós-idő kérdése. Esettanulmányok.
A tárgy célkitűzése: az intelligens orvosi műszerezés elvi
problémáinak rövid, ám igényes bemutatása. Az anyag tanításának lépései:
(1) az általános elvek bemutatása, nem a részletes tervezés,
hanem az alapgondolatok bemutatásának, a módszerek jellegzetességének,
minősítésének igényével,
(2) az elvekhez kapcsolódó alapfeladatok megoldása,
(3) esettanulmányok bemutatása.
A tárgy a hallgatóknak azokat a képességeit fejleszti, melyek
révén képesek lesznek:
- feldolgozni
és megérteni a számítástechnikának az orvosi méréstechnikában megjelenő
módszereit,
- minősíteni és összehasonlítani az intelligens műszereket,,
- megérteni a
számítástechnika és számítástudomány technológiai, ill. koncepcionális lehetőségeit
és korlátait,
- megérteni az intelligens eljárások szerepét és korlátait
az orvosi rendszerekben.
Tanulmányi eredmények
Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:
Tudás
Nincsenek rögzített tanulási eredmények.
Képességek
Nincsenek rögzített tanulási eredmények.
Attitűd
Nincsenek rögzített tanulási eredmények.
Autonómia és felelősség
Nincsenek rögzített tanulási eredmények.
Oktatási módszertan
előadás
Tanulástámogató anyagok
Online források
Egyes kijelölt részek a Mesterséges; intelligencia korszerű megközelítésben c. könyvből. (Stuart Russell és Peter; Norvig: Mesterséges intelligencia korszerű megközelítésben, Panem Kiadó,; Budapest, 1999, ill. az átdolgozott 2005-i kiadás); ; A tárgy honlapján található ajánlott; olvasmányok, segédanyagok.
A tantárgy teljesítéséhez ajánlott előzetes ismeretek
Tudás típusú kompetenciák
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
Valószínűségszámítási alapok, adatstruktúrák és algoritmusok
Képesség típusú kompetenciák
(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
Ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák
(azon ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák összessége, amelyek jelentősen hozzájárulnak a tantárgy eredményes teljesítéséhez)
Valószínűségszámítási alapok, adatstruktúrák és algoritmusok
Általános szabályok
Követelmények:
Félév közben (az előadás időpontjában) két –
nem a teljes előadási időt igénybe vevő – kiszárthelyi (ZH), amelyek a félév
utolsó hetében (az előadástól eltérő időpontban) pótolhatók. A két ZH várhatóan
a 6., illetve a 12. oktatási héten lesz. A szükséges minimum szint mindkettőn
külön-külön 40%, a megfelelt ZH-k pontszáma a vizsgába is beszámításra kerül.
b. A vizsgaidőszakban: A vizsga írásbeli és
szóbeli részből áll. Szóbeli vizsgát csak az tehet, aki az írásbeli részt
megfelelő szinten teljesítette.
A két ZH-n maximum 20-20 pontot
lehet elérni, ennek 40%-a (külön-külön) a szükséges minimum. A minimum elérése
esetén az elért pontok 0,5-ös szorzóval beszámításra kerülnek a vizsgán (azaz
minimum 8, maximum 20 pont a két ZH eredményének összegeként).
Vizsga írásbeli része: elérhető
maximum 20 pont, ennek 50%-a a szükséges minimum (10 pont), szóbelit az tehet,
aki elérte az 50%-ot.
Vizsga szóbeli része: elérhető
maximum 60 pont.
A végleges minősítés:
A vizsga szóbeli pontszáma + a vizsga
írásbeli pontszáma + a ZH-k összpontszámának fele. (Az elérhető maximum: 100
pont.)
Osztályozás:
40 pontig bezárólag elégtelen,
41-től elégséges, 54-tól közepes, 67-tól jó, 80-től jeles.
Elővizsga: nincs
Pótlási lehetőségek:
A ZH-k pótlására a szorgalmi időszak
utolsó hetében lesz lehetőség, az előadástól eltérő órarendi időpontban. A
pótZH pótlása a pótlási időszak első hetében egyetlen egy alkalommal
a teljes félévi anyagból lehetséges.
Teljesítményértékelési módszerek
Szorgalmi időszakban végzett teljesítményértékelések részletes leírása
Nincs megadva részletes értékelés.
Szorgalmi időszakban végzett teljesítményértékelések részaránya
Nincs megadva részarány.
Vizsgaidőszakban végzett teljesítményértékelések részletes leírása
Nincs megadva részletes értékelés.
Vizsgarészek részaránya
Nincs megadva részarány.
Érdemjegy megállapítása
Nincs megadva érdemjegy határ.
Jelenléti és részvételi követelmények
Nincs megadva jelenléti követelmény.
Javítás, ismétlés és pótlás különös szabályai
Nincs megadva.
Rövid leírás
Nincs megadva.
Részletes leírás
Nincs megadva.
Ajánlott tantárgyak
Algebra, valószínűségelmélet
Kötelező:
VISZA063 Adatstruktúrák és algoritmusok
A tantárgy elvégzéséhez szükséges tanulmányi munka
Nincs megadva munkaidő bontás.
Tantárgykövetelmények hatályossága
Tantárgykövetelmények hatályosságának kezdete:
—
Tantárgykövetelmények hatályosságának vége:
—
Tantervi elhelyezés
Nincsenek rögzített tantervi elhelyezések ehhez a tárgyverzióhoz.