シラバス参照

基本情報／Basic Information
詳細情報／Detailed Information
授業計画詳細情報／Class Schedule Details

基本情報/Basic Information

開講科目名／Course	医用情報科学特論
時間割コード／Course Code	S241000039
ナンバリングコード／Numbering Code
開講所属／Course Offered by	理工学研究科／
曜日コマ／Day, Period	月　4
開講区分／Semester offered	前期／first semester
単位数／Credits	2.0
学年／Year	1,2
主担当教員／Main Instructor	尾﨑　翔／OZAKI SHO
科目区分／Course Group	大学院（博士前期課程）　専門科目
教室／Classroom
必修・選択／Required/Elective	選択
授業形式／Class Format	講義科目
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
尾﨑　翔／OZAKI SHO	理工学研究科／

難易度（レベル）／Level	レベル5
対応するＤＰ／DP	DP1･DP2
授業としての具体的到達目標／Concrete arrival target as the class	○CTやMRIなどの医用画像、遺伝子発現量などのゲノムデータ、レセプトのような時系列データなど、医療分野の様々なデータ形式について理解する．（一般的並びに専門的教養を基礎とする広い視野に立った学識を習得する） ○それらのデータに対して，深層学習や機械学習など情報科学技術を用いて適切に解析する方法を学ぶ．（科学・技術の高度化と多様化に順応し得る幅広い視点から考察できる力を習得する）
授業の概要／Summary of the class	医療現場では、CTやMRIなどの画像情報、がんの放射線治療に用いられる体内の線量分布情報、ゲノム情報など様々な情報が用いられており、患者さんの診断・治療に役立てられている。それらの医療情報をインプットとして、機械学習や深層学習がどのように患者さんの診療に応用されているかを学んでいく．pythonやフレームワークを使った実装も行う．
授業の内容予定／Contents plan of the class	第１回4/15：ガイダンス・イントロダクション第２回4/22：CTやMRI画像第３回5/2：AIを用いた画像診断支援第４回5/13：がんの放射線治療第５回5/20：ゲノム情報の個別化医療への応用第６回5/27：pythonの基礎第７回6/3：機械学習に必要な基本的な数学第８回6/10：Numpyを使った線形回帰の実装第９回6/17：機械学習のライブラリの基礎第１０回6/24：ニューラルネットワークの基礎第１１回7/1：深層学習のフレームワークの基礎第１２回7/8：医用画像のセグメンテーション第１３回7/16：顕微鏡画像からの血液細胞の検出第１４回7/22：深層学習を使ったDNA配列解析第１５回7/29：深層学習を使った時系列解析
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	演習課題(30%)，レポート（20%)，授業への参加度（50%)により総合的に評価する．
予習及び復習等の内容／Contents such as preparations for lessons and the review	授業内容に関して予習・復習しておくこと．
教材・教科書／The teaching materials, textbook	特に指定しない．適宜資料を配布する．
参考文献／bibliography	１．尾川浩一編著『画像・情報処理』（国際文献社）２．荒木不次男編著『放射線治療物理学』（国際文献社）３．中久喜健司著『科学技術計算のためのpython入門』（技術評論社）４．服部成介，水島-菅野純子著，菅野純夫監修『よくわかるゲノム医学』（羊土社）５．https://japan-medical-ai.github.io/medical-ai-course-materials/index.html
留意点・予備知識／Point to keep in mind, back ground	特にない．
授業内容に関する質問・疑義等／Question, doubt about class contents	オフィスアワー火曜日16:00～17:00
Eメールアドレス・HPアドレス／E-mail address, HP address	(sho.ozaki(at)hirosaki-u.ac.jp).
学問分野1（主学問分野）／Discipline 1	I90:人間医工学およびその関連分野
学問分野2（副学問分野）／Discipline 2	該当なし
学問分野3（副学問分野）／Discipline 3	該当なし
地域志向科目／Local intention subject	なし
授業形態・授業方法／Class form, class method	講義および演習
科目ナンバー／The subject number	0
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	特になし

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

開講科目名／Course	医用情報科学特論
時間割コード／Course Code	S241000039
ナンバリングコード／Numbering Code
開講所属／Course Offered by	理工学研究科／
曜日コマ／Day, Period	月　4
開講区分／Semester offered	前期／first semester
単位数／Credits	2.0
学年／Year	1,2
主担当教員／Main Instructor	尾﨑　翔／OZAKI SHO
科目区分／Course Group	大学院（博士前期課程）　専門科目
教室／Classroom
必修・選択／Required/Elective	選択
授業形式／Class Format	講義科目
メディア授業／Media lecture	－

難易度（レベル）／Level	レベル5
対応するＤＰ／DP	DP1･DP2
授業としての具体的到達目標／Concrete arrival target as the class	○CTやMRIなどの医用画像、遺伝子発現量などのゲノムデータ、レセプトのような時系列データなど、医療分野の様々なデータ形式について理解する．（一般的並びに専門的教養を基礎とする広い視野に立った学識を習得する） ○それらのデータに対して，深層学習や機械学習など情報科学技術を用いて適切に解析する方法を学ぶ．（科学・技術の高度化と多様化に順応し得る幅広い視点から考察できる力を習得する）
授業の概要／Summary of the class	医療現場では、CTやMRIなどの画像情報、がんの放射線治療に用いられる体内の線量分布情報、ゲノム情報など様々な情報が用いられており、患者さんの診断・治療に役立てられている。それらの医療情報をインプットとして、機械学習や深層学習がどのように患者さんの診療に応用されているかを学んでいく．pythonやフレームワークを使った実装も行う．
授業の内容予定／Contents plan of the class	第１回4/15：ガイダンス・イントロダクション第２回4/22：CTやMRI画像第３回5/2：AIを用いた画像診断支援第４回5/13：がんの放射線治療第５回5/20：ゲノム情報の個別化医療への応用第６回5/27：pythonの基礎第７回6/3：機械学習に必要な基本的な数学第８回6/10：Numpyを使った線形回帰の実装第９回6/17：機械学習のライブラリの基礎第１０回6/24：ニューラルネットワークの基礎第１１回7/1：深層学習のフレームワークの基礎第１２回7/8：医用画像のセグメンテーション第１３回7/16：顕微鏡画像からの血液細胞の検出第１４回7/22：深層学習を使ったDNA配列解析第１５回7/29：深層学習を使った時系列解析
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	演習課題(30%)，レポート（20%)，授業への参加度（50%)により総合的に評価する．
予習及び復習等の内容／Contents such as preparations for lessons and the review	授業内容に関して予習・復習しておくこと．
教材・教科書／The teaching materials, textbook	特に指定しない．適宜資料を配布する．
参考文献／bibliography	１．尾川浩一編著『画像・情報処理』（国際文献社）２．荒木不次男編著『放射線治療物理学』（国際文献社）３．中久喜健司著『科学技術計算のためのpython入門』（技術評論社）４．服部成介，水島-菅野純子著，菅野純夫監修『よくわかるゲノム医学』（羊土社）５．https://japan-medical-ai.github.io/medical-ai-course-materials/index.html
留意点・予備知識／Point to keep in mind, back ground	特にない．
授業内容に関する質問・疑義等／Question, doubt about class contents	オフィスアワー火曜日16:00～17:00
Eメールアドレス・HPアドレス／E-mail address, HP address	(sho.ozaki(at)hirosaki-u.ac.jp).
学問分野1（主学問分野）／Discipline 1	I90:人間医工学およびその関連分野
学問分野2（副学問分野）／Discipline 2	該当なし
学問分野3（副学問分野）／Discipline 3	該当なし
地域志向科目／Local intention subject	なし
授業形態・授業方法／Class form, class method	講義および演習
科目ナンバー／The subject number	0
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	特になし

授業情報／Class Information

基本情報/Basic Information

担当教員情報/Instructor Information