Τεχνητή νοημοσύνη και συστήματα υποστήριξης ιατρικής διάγνωσης και απόφασης
| Τίτλος | Τεχνητή νοημοσύνη και συστήματα υποστήριξης ιατρικής διάγνωσης και απόφασης / Artificial intelligence and medical diagnosis & decision support systems |
| Κωδικός | ΒΜ010 |
| Σχολή | Πολυτεχνική |
| Τμήμα | Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών |
| Κύκλος / Επίπεδο | 1ος / Προπτυχιακό, 2ος / Μεταπτυχιακό |
| Περίοδος Διδασκαλίας | Εαρινή |
| Υπεύθυνος/η | Αναστάσιος Ντελόπουλος |
| Κοινό | Ναι |
| Κατάσταση | Ενεργό |
| Course ID | 600020752 |
Πρόγραμμα Σπουδών: ΔΠΜΣ ΒΙΟΪΑΤΡΙΚΗ ΜΗΧΑΝΙΚΗ
Εγγεγραμμένοι φοιτητές: 8
| Κατεύθυνση | Τύπος Παρακολούθησης | Εξάμηνο | Έτος | ECTS |
|---|---|---|---|---|
| ΚΟΡΜΟΣ | Επιλογής | 2 | 1 | 5 |
| Τίτλος | Τεχνητή νοημοσύνη και συστήματα υποστήριξης ιατρικής διάγνωσης και απόφασης |
| Ακαδημαϊκό Έτος | 2024 – 2025 |
| Περίοδος Τάξης | Εαρινή |
| Διδάσκοντες μέλη ΔΕΠ | |
| Ώρες Εβδομαδιαία | 4 |
| Class ID | 600262970
|
Τύπος Μαθήματος
Eιδίκευσης / Kατεύθυνσης
Τρόπος Παράδοσης
- Πρόσωπο με πρόσωπο
- Eξ απoστάσεως εκπαίδευση
Ηλεκτρονική Διάθεση Μαθήματος
- e-Οδηγός Σπουδών https://qa.auth.gr/el/class/1/600262970
- Στον ιστοχώρο του Τμήματος: https://bme.web.auth.gr/courses/
- eLearning (Moodle): https://elearning.auth.gr/course/view.php?id=16652
Γλώσσα Διδασκαλίας
- Αγγλικά (Διδασκαλία, Εξέταση)
Προαπαιτήσεις
Γενικές Προαπαιτήσεις
Εξοικίωση με τη ανάλυση, θεωρία πιθανοτήτων, τη στατιστική, την επεξεργασίας σήματος
Γνώση προγραμματισμού σε python
Γενικές Ικανότητες
- Εφαρμογή της γνώσης στην πράξη
- Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
- Αυτόνομη εργασία
- Ομαδική εργασία
- Εργασία σε διεπιστημονικό περιβάλλον
- Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
Περιεχόμενο Μαθήματος
Σκοπός του μαθήματος είναι να εισάγει τις έννοιες (α) των συστημάτων απόφασης και των βασικών μεθοδολογιών που συνδέονται με αυτά (έμπειρα συστήματα, ασαφή συστήματα, μανθάνοντα συστήματα) και (β) των μεθόδων αυτόματης ιατρικής διάγνωσης, να παρουσιάσει τη χρήση των συστημάτων αυτών στις βασικές λειτουργίες της ιατρικής πρακτικής (αποτίμηση κινδύνου (risk assessment), στρωματοποίηση (stratification), διάγνωση (diagnosis), κλινική διαχείριση (care pathway), και να παρουσιάσει τα κριτήρια και τις μεθοδολογίες οργανωμένης αξιολόγησης των συστημάτων απόφασης και διάγνωσης. Τα περιεχόμενα περιλαμβάνουν: 1) βελτιστοποίηση αποφάσεων, 2) συστήματα απόφασης βασισμένα στη γνώση, 3) έμπειρα και ασαφή συστήματα αποφάσεων, 4) συστήματα που μαθαίνουν από τα δεδομένα. Οι εφαρμογές με αντίστοιχα παραδείγματα καλύπτουν τη διάγνωση, την εκτίμηση ρίσκου παθήσεων, τη στρωματοποίηση και την κλινική διαχείριση. Θα συζητηθούν θέματα ηθικής, αξιοπιστίας και ερμηνευσιμότητας των συστημάτων τεχνητής νοημοσύνης στην υγεία (ethical, trustworthy and explainable AI).
Τύποι Εκπαιδευτικού Υλικού
- Σημειώσεις
- Διαφάνειες
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
Χρήση Τ.Π.Ε.
- Χρήση Τ.Π.Ε. στη Διδασκαλία
- Χρήση Τ.Π.Ε. στην Εργαστηριακή Εκπαίδευση
- Χρήση Τ.Π.Ε. στην Επικοινωνία με τους φοιτητές
- Χρήση Τ.Π.Ε. στην Αξιολόγηση των Φοιτητών
Οργάνωση Μαθήματος
| Δραστηριότητες | Φόρτος Εργασίας | ECTS | Ατομικά | Ομαδικά | Erasmus |
|---|---|---|---|---|---|
| Διαλέξεις | 26 | 1,0 | ✓ | ||
| Μελέτη και ανάλυση βιβλίων και άρθρων | 10 | 0,4 | |||
| Εκπαιδευτικές επισκέψεις και παρακολούθηση συνεδρίων / σεμιναρίων / εκδηλώσεων | 2 | 0,1 | ✓ | ||
| Εκπόνηση μελέτης (project) | 16 | 0,6 | ✓ | ||
| Συγγραφή εργασίας / εργασιών | 4 | 0,2 | ✓ | ||
| Σύνολο | 58 | 2,3 |
Αξιολόγηση Φοιτητών
Μέθοδοι Αξιολόγησης Φοιτητών
- Γραπτή Εργασία (Διαμορφωτική, Συμπερασματική)
- Δημόσια Παρουσίαση (Διαμορφωτική, Συμπερασματική)
- Έκθεση / Αναφορά (Διαμορφωτική, Συμπερασματική)
Βιβλιογραφία
Επιπρόσθετη βιβλιογραφία για μελέτη
[1] Bishop, Christopher M., and Nasser M. Nasrabadi, “Pattern recognition and machine learning”. Vol. 4. No. 4. New York: springer, 2006.
[2] Goodfellow, Ian, Yoshua Bengio, and Aaron Courville, “Deep learning”. MIT press, 2016. (Available Online: https://www.deeplearningbook.org/)
[3] Dey, Nilanjan, et al., eds, “Machine learning in bio-signal analysis and diagnostic imaging”. Academic Press, 2018.
[4] Stuart J. Russell and Peter Norvig, “Artificial Intelligence: A Modern Approach”, Third Edition, Prentice Hall, 2010
[5] Saravanan Krishnan, Ramesh Kesavan, B. Surendiran, G. S. Mahalakshmi, (editors), “Handbook of artificial intelligence in biomedical engineering”, Apple Academic Press Inc., 2021
[6] Greener, Joe G., et al. "A guide to machine learning for biologists." Nature Reviews Molecular Cell Biology 23.1 (2022): 40-55.
Τελευταία Επικαιροποίηση
11-03-2024
