Biomedisinsk dataanalyse (ELE922)

Innhold

Teori: Introduksjon til biomedisinske signaler (og/eller bilder); grunnleggende begrep fra tids- og frekvensdomene; støyfjerning; deteksjon av hendelser og objekter; karakterisering av form- og kompleksitet for bølgeformer og objekter; frekvensdomenekarakterisering; mønstergjenkjenning og diagnostiske beslutninger.

Laboratorieaktiviteter: Introduksjon til dataverktøy og videre laboratorieøvinger knyttet til teori.

Prosjekt: Et prosjekt på PhD-nivå skal gjennomføres og rapport innleveres.

Læringsutbytte

Kunnskap: Formålet med emnet er å gi studenter med klinisk bakgrunn innsikt i viktige konsepter og ferdigheter til å håndtere relevante problemstillinger innen biomedisinsk dataanalyse. Videre skal emnet gi innsikt i sentrale anvendelser av datanalyse med eksempler fra signalbehandling, bildebehandling og mønstergjenkjenning. Kandidatens prosjekt vil bestemme om faget vil vektlegge signal- eller bildebehandling. Emnet skal gi kompetanse som gjør at kandidaten skal forstå og kunne anvende forskningsmetode som forskere med bakgrunn innen teknologiske fag anvender. Dette skal gjøre samarbeid mellom medisinere og teknologer mer effektivt og bidra til å fremme translatorisk forskning.

Ferdigheter: Studenten skal kunne bruke grunnleggende dataverktøy som f.eks. MATLAB eller Python til å utføre oppgavene beskrevet over. En introduksjonen vil gi en innføring i grunnleggende programmering med bruk av kontrollstrukturer. Utførelse av laboratorieøvingene i emnet vil avhenge av at studenten har tilegnet seg tilstrekkelige programmeringsferdigheter.

Generell kompetanse: Etter å ha tatt dette emnet skal studenten kunne kjenne igjen problemstillinger som kan håndteres ved bruk av metoder for dataanalyse. Videre skal studenten kunne presisere og formulere problemstillingen ved bruk av fagterminologien som er tilegnet gjennom emnet. Løsning av problemet innebærer at studenten skal kunne hente ut relevant informasjon (for eksempel i forhold til diagnose) fra et biomedisinsk signal (eller bilde) og bruke denne informasjonen til å støtte en beslutning. Dette kan være en beslutning rettet mot diagnose eller terapi. For å få til dette må studenten kunne håndtere ulike typer teknikker for støyfjerning og karakterisering av hendelser og eventuelt tilstander i det biomedisinske signalet (eller objekter I bilder).

Forkunnskapskrav

Eksamen / vurdering

Vilkår for å gå opp til eksamen/vurdering

Fagperson(er)

Faglærer:

Emneansvarlig:

Faglærer:

Emneansvarlig:

Faglærer:

Instituttleder:

Arbeidsformer

Vanligvis gjennomføres kurset med 10 heldagsseminarer (f.eks. fra 0815 til 1500). Her vil teori presenteres og praktisk arbeid med anvendelser av teori og programmeringsverktøy gjennomføres i fellesskap. Studentene skal bidra med korte foredrag om dagens tema som er forberedt i forkant.

I noen tilfeller vil ledet selvstudium være aktuelt hvor forelesninger i kan avtales.

Åpent for

Emneevaluering

Litteratur