シラバス参照

授業情報/Class Information

科目一覧へ戻る 2024/01/19 現在

基本情報/Basic Information

開講科目名
/Course
医用機械知能工学演習
時間割コード
/Course Code
5232000046
ナンバリングコード
/Numbering Code
開講所属
/Course Offered by
医学部保健学科/
曜日コマ
/Day, Period
月/Mon 1
開講区分
/Semester offered
後期/second semester
単位数
/Credits
1.0
学年
/Year
2,3,4
主担当教員
/Main Instructor
野坂 大喜/NOZAKA HIROYUKI
科目区分
/Course Group
専門教育科目 専門科目
教室
/Classroom
必修・選択
/Required/Elective
必修
授業形式
/Class Format
演習科目
メディア授業
/Media lecture

担当教員情報/Instructor Information

教員名
/Instructor
教員所属名
/Faculty/Department
野坂 大喜/NOZAKA HIROYUKI 保健学研究科/
難易度(レベル)
/Level
レベル2
対応するCP/DP
/CP/DP
CP・DP 2 解決していく力
授業としての具体的到達目標
/Concrete arrival target as the class
○医療用AIモデルの構築方法について基礎的知識を修得する (解決していく力)
○学習用データがAI診断に及ぼす影響を踏まえ,AIの有用性と限界について理解する (解決していく力)

授業の概要
/Summary of the class
○人工知能(AI)やモノのインターネット(IoT)など情報技術を統合した新たな医用システム技術について,知識と手法を学びます。
○医療における自動診断技術や自動制御技術について演習を通じて,利点と限界点を検証していきます。
授業の内容予定
/Contents plan of the class
第01回 人工知能(AI)の基礎的知識と医療利用
第02回 深層学習(ディープラーニング)の基礎(パーセプトロンと伝搬)
第03回 ニューラルネットワークにおける処理と活性化関数
第04回 ニューラルネットワークによるAIモデルの構築の基本操作 画像分類(文字認識)
第05回 ニューラルネットワークによるAIモデルの構築の基本操作 画像分類(文字認識)
第06回 ニューラルネットワークによるAIモデルの構築の基本操作 画像分類(一般画像認識)
第07回 ニューラルネットワークによるAIモデルの構築の基本操作 画像分類(一般画像認識)
第08回 ニューラルネットワークによる医用AIモデルの構築 画像分類(血液細胞)
第09回 ニューラルネットワークによる医用AIモデルの構築 画像分類(血液細胞)
第10回 ニューラルネットワークによる医用AIモデルの構築 画像分類(血液細胞)
第11回 ニューラルネットワークによるAIモデルの可視化技術
第12回 ニューラルネットワークによるAIモデルの構築の基本操作 テキストデータからの分類予測
第13回 ニューラルネットワークによるAIモデルの構築の基本操作 テキストデータからの分類予測
第14回 ニューラルネットワークによる医用AIモデルの構築 検査データからの疾病判定
第15回 ニューラルネットワークによる医用AIモデルの構築 検査データからの疾病判定
第16回 医用機械知能工学のまとめと振り返り(期末試験を含む)
成績評価方法及び採点基準
/A scholastic evaluation method and marking standard
○3分の2以上の出席が必要です。規定出席回数に満たない者は不合格とします。
○成績評価は期末試験(70%)と課題(30%)をもって100点満点で評価します。
○原則としてともに60点以上を合格基準とします。
予習及び復習等の内容
/Contents such as preparations for lessons and the review
○情報処理の基礎知識(特に数理・データサイエンスリテラシー)について事前学習が重要です。
○1単位の取得には学則に基づき30時間の演習に対して15時間の自学・自習を行うことが必要です。
教材・教科書
/The teaching materials, textbook
Excelでわかるディープラーニング超入門 涌井良幸,涌井貞美著 技術評論社 ISBN 978-4-7741-9474-5
参考文献
/bibliography
○初めてのディープラーニング リックテレコム
○初めてのTensor Flow リックテレコム
○Watson Studioで始める機械学習・深層学習 リックテレコム
○機械学習入門 秀和システム
○Neural Network Console入門 リックテレコム
留意点・予備知識
/Point to keep in mind, back ground
○履修にあたり,関連する既習科目(特に数理・データサイエンスリテラシー)の内容を理解していることが必要です。
○端末を使用して演習を行いますが,自らパソコン等での復習も心がけてください。
授業内容に関する質問・疑義等
/Question, doubt about class contents
オフィスアワー
月曜日:13:00~15:30 Teamsにて事前連絡してください
Eメールアドレス・HPアドレス
/E-mail address, HP address
hnozaka「A」hirosaki-u.ac.jp
「A」は@と置き換える
学問分野1(主学問分野)
/Discipline 1
J60:情報科学、情報工学およびその関連分野
学問分野2(副学問分野)
/Discipline 2
J62:応用情報学およびその関連分野
学問分野3(副学問分野)
/Discipline 3
Z95:学際・新領域
実務経験のある教員による授業科目について
/About the class subject by the teacher with the work experience
実務経験
地域志向科目
/Local intention subject
なし
授業形態・授業方法
/Class form, class method
講義:スライドを用いて授業を行います。課題を課す場合があります。
演習:個人でPCを使用した演習を行います。時間内での演習の他、自宅等での追加演習課題とレポート提出を課します。
科目ナンバー
/The subject number
メディア授業による著作物利用の有無について
/Whether or not copyrighted works are used in media classes
無/Nothing
その他
/Others
○Teamsを用いて資料配付を行うので,アプリをインストールしておいてください。
○履修登録の情報をもとに,Teams上に履修者として登録するので,本科目が登録されているか確認してください。
○登録されていない場合は,保健学研究科学務グループ(Email : jm5913@hirosaki-u.ac.jp )へ問い合わせてください。
○臨床検査技師/民間企業システム開発担当としての実務経験を踏まえた講義(演習、実習)の内容としています
No. 回(日時)
/Time (date and time)
主題と位置付け(担当)
/Subjects and instructor's position
学習方法と内容
/Methods and contents
備考
/Notes
該当するデータはありません

科目一覧へ戻る