close

Вход

Забыли?

вход по аккаунту

В раздел «Служба АХЧ» добавить;pdf

код для вставкиСкачать
I. Пояснительная записка
Настоящая рабочая программа составлена с учетом современных достижений науки и практики в области организации научных исследований для
повышения качества подготовки специалистов, в соответствии с требованиями Федерального Государственного образовательного стандарта высшего
профессионального образования к уровню подготовки выпускника по специальности 201000 – «Биотехнические системы и технологии» с квалификацией
«бакалавр».
Цель и задачи дисциплины
1.
Целью освоения дисциплины является изучение принципов разработки
и
грамотной
эксплуатации
систем
визуализации
данных
медико-
биологического характера в условиях лечебных учреждений, при проведении
медико-биологических экспериментов и выполнении исследований с использованием медицинской техники.
Задачами освоения дисциплины являются: освоение знаний и приобретение практических навыков, относящихся к психологическим особенностям
взаимодействия человека с системой отображения информации, цифровой
индикации медико-биологических показателей, графической регистрации
медицинских экспериментальных данных, синтезу тестовых изображений,
используемых в лечебно-диагностическом процессе.
2. Место дисциплины в структуре основной образовательной программы:
Дисциплина “ Автоматизация анализа изображений” представляет собой дисциплину вариативной части цикла профессиональных дисциплин
(Б3). Данная дисциплина преподается в 8-ом семестре и базируется на курсах
естественнонаучного и математического цикла дисциплин (Б2), преподаваемых в 1-3 семестрах, на материалах дисциплин “Основы Электротехники”,“Метрологии, стандартизации и технических измерениях”, “Узлы и элементы биотехнических систем ”преподаваемых в 3-6-ом семестрах.
Студенты, обучающиеся по данному курсу должны знать: структуру,
содержание и порядок выполнения основных этапов научных исследований,
взаимосвязь цели, задач, научных и практических результатов.
Дисциплина “ Автоматизация анализа изображений” является основой
для проведения дальнейшей итоговой государственной аттестации студентов.
Наименование
обеспечиваемых
(последующих)
дисциплин
№
п/
п
№№ разделов данной дисциплины, необходимых
для изучения обеспечиваемых (последующих) дисциплин
1
2
3
4
5
6
7
8
9
+
+
10
11
Итоговая государ1.
ственная аттеста-
+
+
ция студентов
3.
Общая трудоемкость дисциплины составляет 3 зачетных единиц,
108 академических часов.
4. Объем дисциплины и виды учебной работы
В том числе:
Лекции
– 12 часов;
Лабораторные работы
– 11 часов;
Практические занятия
– 11 часов;
Аудиторные занятия
– 34 часов;
Самостоятельная работа
– 74 часов.
Вид учебной работы
Аудиторные занятия (всего)
Всего часов
Семестры
34
8
-
-
-
-
-
Лекции
12
8
-
-
-
Практические занятия (ПЗ)
11
8
-
-
-
-
-
-
-
-
Лабораторные работы (ЛР)
11
8
-
-
-
Самостоятельная работа (всего)
74
8
-
-
-
В том числе:
Семинары (С)
В том числе:
-
-
-
-
-
Курсовой проект (работа)
-
-
-
-
-
Расчетно-графические работы
-
-
-
-
-
74
8
-
-
-
-
-
-
-
-
Вид промежуточной аттестации (зачет, экзамен)
Зач.
8
-
-
-
Общая трудоемкость, час
108
8
-
-
-
3
8
-
-
-
Реферат
Другие виды самостоятельной работы
зач. ед.
4.
Результаты обучения
Процесс изучения дисциплины направлен на формирование следующих компетенций:
 способностью осуществлять сбор и анализ исходных данных для
расчета и проектирования деталей, компонентов и узлов биотехнических
систем и биомедицинской техники (ПК-9);
 готовностью выполнять расчет и проектирование деталей, компонентов и узлов биотехнических систем и биомедицинской техники в соответствии с техническим заданием с использованием средств автоматизации
проектирования (ПК-10);
 способностью владеть правилами и методами монтажа, настройки и регулировки узлов биотехнических систем, в том числе связанных с
включением человека-оператора в контур управления биомедицинской электронной техники (ПК-27).
В результате освоения дисциплины “ Автоматизация анализа изображений ” обучающийся должен:
Знать:
- способы представления экспериментальной информации;
- математические модели, лежащие в основе различных способов обр
ботки и анализа информации;
- методы и алгоритмы оценки информативности параметров (признаков), описывающих изучаемые процессы, явления и объекты;
- методы и алгоритмы упорядочения информации в зависимости от выбранных критериев и целей исследования;
- принципы построения и особенности использования систем отображения в условиях управляемого эксперимента;
Уметь:
- формулировать исходные данные к расчету устройств регистрации и
индикации биомедицинской информации;
- выбирать тип индикатора и регистратора, составлять функциональные
схемы синтезаторов изображений, графических регистраторов, алфавитноцифровых и графических дисплеев;
- согласовывать характеристики используемых систем отображения
информации с особенностями представляемых данных и условиями эксплуатации;
Владеть:
- знаниями о перспективных направлениях в развитии техники отображения информации, инженерно-психологических особенностях организации
работы оператора, эргономическом обеспечении рабочего места оператора
информационных систем;
- знаниями о широких методических возможностях биотехнических
систем интерпретации экспериментальных данных в интерактивном режиме;
- умением практического использования технических средств отображения информации и особенностях их применения в условиях учреждений
медико-технического профиля.
Виды учебной работы: лекции, лабораторные работы, практические
занятия.
Изучение дисциплины заканчивается зачетом.
5.
Образовательные технологии
Обучение складывается из аудиторных занятий (34 час.), включающих
лекционный курс, семинарские занятия, практические занятия и самостоятельной работы (74 час.). Основное учебное время выделяется на практическую работу по закреплению знаний и получению практических навыков.
При изучении дисциплины необходимо использовать теоретические знания и освоить практические умения для использования студентами современных технологий в области электроники в своей дальнейшей профессиональной деятельности.
Для успешного освоения компетенций, которые прописаны в ФГОС 3го поколения, реализуются следующие образовательные технологии: традиционная лекция; лекция-визуализация.
Семинарские занятия проводятся с использованием различных способов
и методов обучения: занятие-конференция, метод малых групп, демонстрация слайдов, решения ситуационных задач, ответов на тестовые задания.
В соответствии с требованиями ФГОС-3 ВПО в учебном процессе широко используются активные и интерактивные формы проведения занятий –
групповая работа с лабораторным стендовым оборудованием. Удельный вес
занятий, проводимых в интерактивных формах, составляет не менее 8% от
аудиторных занятий.
Самостоятельная работа подразумевает подготовку студентов к лекционным и семинарским занятиям, на основании материалов лекций и рекомендованных программой учебников и учебных пособий, а также других информационных источников, закрепление теоретических знаний и практических навыков, подготовку к прохождению тестов и реализации контрольных
заданий по усвоению пройденного материала.
6.
Формы промежуточной аттестации
Текущий контроль по дисциплине осуществляется с использованием
контрольных вопросов, расчетных задач, а также тестовых заданий.
Примеры контрольных вопросов:
1.Расскажите про таблицы экспериментальных данных и про методы ее
формирования.
2.
В
чем
принципиальная
разница
между
статистической
и
динамической таблицой.
3. Свойства таблицы экспериментальных данных.
4.Что значит отношение эквивалентности.
5.Приведите оценка однородности групп данных.
6.Расскажите про функционалы разбиения множества экспериментальных данных на однородные классы.
7.Алгоритмические
методы
автоматической
классификации
и
кластеризации данных.
8.Иерархические процедуры.
Пример практического задания:
Применение Math Lab при оптимизации и расчете электрических характеристик и параметров элементов электрических цепей.
1. Дано: α=0.99; rб=100Ом; rэ=40Ом; rк=2Ом; Rк=5кОм.
Найти: Rвх-?, Ku-?
Решение:
R вх 
Кu 
U вх
I вх
U вых
U вх


U вых
Iб  Кu
R к  Iк
R вх  I б


R к  Iк
Iб  Кu
 R к
R вх


 R к
Кu
;
 R к
rб    1 rэ 
.
Rвх  rб    1 rэ  100  99  1 40  4100 Ом;


 99;
1 
Ku=121.
2. Дано: Еэ = 2В; Rэ = 2кОм; Еб = 3В; Rб = 15кОм; Ек = 16В; Rк = 4кОм;  =
0,98; Iкбо = 10мкА. Найти Iк - ?
Решение: Еэ + Еб = IэRэ + IбRб; Iб = Iэ·(1 - ) - Iкбо; Еэ + Еб = IэRэ + (Iэ·(1-)Iкбо)·Rб;
Iк 
Iэ 
Е э  Еб  IкбоR б
;
R э  1     R б Iк = Iэ + Iкбо;
  Е э  Е б  Iкбо R б 
 Iкбо 
R э  1     R б


0,98 2  3  10  10 6  15  103

 10  10 6 
3
3
2  10  1  0,98  15  10
0,98  5,15

 10  10 6  2,2  103 А
3
2  10  300
Промежуточный контроль по дисциплине осуществляется с использованием тестовых заданий.
Пример теста для промежуточного контроля.
Понятие
Виды таблиц
Определение
а – статистическая;
в – динамическая;
с – прогрессивная;
Методы обработки экспертной информации:
а – статистический;
в – алгебраический;
с – шкалирование.
Метод главных компонент
а – Геометрическая интерпретация;
в – экстремальные свойства главных компонент.
Итоговый контроль по дисциплине осуществляется проведением зачетного занятия.
Перечень вопросов итогового контроля по «Автоматизация анализа изображений» для студентов 4 курса специальности «биотехнические системы
и технологии»
1.Предмет дисциплины и ее задачи.
2. Краткие сведения о развитии средств анализа информации.
3.Значение решения проблем автоматизации сбора, обработки и интерпретации
медико-биологических
данных для решения задачи улучшения медицинского
обслуживания населения.
4.Организация государственного и отраслевых фондов алгоритмов и программ по
обработке медико-биологической информации.
5.Структура, содержание дисциплины; ее связь с другими дисциплинами учебного
плана.
6.Место дисциплины в подготовке инженера по специальности "Биомедицинская
техника ".
7.Системный подход как методология разработки методов и технических средств
сбора, представления и анализа медико-биологической информации.
8.Особенности биологического объекта и экспериментальных данных о его
свойствах и состоянии.
9.Основные источники медико-биологических данных.
10.Способы представления медико-биологической информации.
11.Непрерывное и дискретное описание параметров биообъекта.
12.Таблица экспериментальных данных, методы ее формирования.
13. Статистическая и динамическая таблицы.
14.Свойства таблицы экспериментальных данных.
15.Дуализм таблицы.
16.Понятие об однородности данных.
17.Отношение эквивалентности.
18.Функции близости и функции связи.
19.Оценка однородности групп данных.
20.Расстояние между классами как мера близости.
21.Функционалы разбиения множества экспериментальных данных на однородные
классы.
22.Алгоритмические методы автоматической классификации и кластеризации
данных.
23.Иерархические процедуры.
24.Параллельные и последовательные процедуры группировки данных.
Функционалы качества группировки.
25.Анализ многомерных наблюдений с использованием корреляционной связи.
26.Центрирование и нормирование данных.
27.Особенности построения алгоритмов группировки наблюдений с использованием
корреляционного метода.
28.Метод корреляционных плеяд.
29.Алгоритмы экстремальной группировки признаков.
30.Параметрические и непараметрические методы.
31.Случаи полностью известной априорной информации о классах.
32.Байесовское решающее правило.
33.Рандомизированное решающее правило.
34.Случай неизвестных вероятностей появления наблюдений каждого класса.
35.Минимаксное. субминимаксное и комбинированное решающие правила.
36.Неоднозначность в построении решающего правила при отсутствии информации
об объектах разных классов.
37.Критерий среднего ожидаемого качества классификации.
38.Линейные разделяющие функции и поверхности решений.
39.Обобщенные линейные разделяющие функции.
40.Случай двух линейно разделимых классов.
41.Минимизация персептронной функции критерия разбиения.
42.Коррекция ошибок разбиения.
43.Минимизация квадратичной ошибки.
44.Стохастическая аппроксимация.
45.Процедуры линейного программирования.
46.Метод потенциальных функций. Случай многих классов
47.Понятие "геометрической структуры" данных.
48.Анализ многомерных геометрических структур данных.
49.Основные подходы к проблеме снижения размерности пространства исходного
описания данных.
50.Метод главных компонент.
51.Геометрическая интерпретация и экстремальные свойства главных компонент.
52.Применение метода для снижения размерности пространства описания.
53.Главные компоненты в задачах классификации.
54.Факторный анализ, основные проблемы.
55.Модель факторного анализа.
56.Методы оценки факторных нагрузок.
57.Центроидный метод.
58.Метод максимального правдоподобия.
59.Вращение факторов.
60.Факторный анализ и классификация наблюдений.
61.Методы многомерного шкалирования.
62.Алгоритмы нелинейного отображения структур многомерных данных в
пространствах решений.
63.Адаптивные алгоритмы минимизации критериев невязки структур образов.
64.Формализация критериев отображения многомерных структур при формировании
точечных образов многомерных данных.
65.Принятие решения как составная часть процесса анализа информации.
66.Основы процесса выбора альтернатив.
67.Способы задания отношений и операции над ними.
68.Отношения эквивалентности, порядка, доминирования.
69.Функции выбора, порождаемые бинарными отношениями.
70.Логические формы функций выбора.
71.Классы функций выбора.
72.Задача оценивания результатов анализа данных. Общая схема экспертизы.
73.Методы обработки экспертной информации: статистический, алгебраический,
шкалирования. Формирование исходного множества альтернатив.
74.Задача выбора альтернатив. Функция полезности и ее свойства. Оптимизация
функции полезности.
75.Основные задачи структурно-графического анализа данных.
76.Задачи классификации информации и оценки совокупностей параметров,
описывающих изучаемые классы объектов.
77.Статическая и динамическая идентификация наблюдений. Метод "прецедента".
78.Методика прогноза изменения состояния биообъекта по данным анализа его
текущего состояния.
79.Классификация биомедицинских изображений и проблема автоматизации их
анализа.
80.Оптические, радиологические, ультразвуковые и другие изображения,
схема получения.
81.Типы и характеристики, описывающие изображение. Статистические
характеристики. Изображения при электронно-микроскопических исследованиях.
82.Вычислительная техника в задачах обработки плоских изображений. Две задачи
распознавания зрительных образов: классификация и идентификация.
83.Пространство признаков. Источники и характер помех. Отношение сигнал/шум.
84.Фильтрация плоских изображений. Анизотропная и рекуррентная фильтрации.
85.Статистическое оценивание. Фильтрация импульсных помех.
86.Системы признаков при описании изображений.
87.Критерий полезности признаков при распознавании изображений.
88.Детерминированные и вероятностные системы признаков.
89.Геометрические моменты-признаки при распознавании изображений трехмерных
объектов.
90.Оценки эффективности систем признаков при распознавании двух и более
классов объектов.
91.Определение ошибки распознавания методом дихотомии.
92.Информативность статистически независимых признаков и мера надежности.
93.Информативность статистически связанных признаков при распознавании.
94.Связь вероятности распознавания классов с информативностью признаков.
95.Классификация вычислительных систем анализа медико-биологической
информации.
96.Принципы системного анализа данных биомедицинского обследования.
97.Особенности синтеза математического обеспечения. Программно-аппаратные
требования, предъявляемые к системам.
98.Типовое и специализированное математическое обеспечение вычислительных
систем. Роль фондов алгоритмов и программ.
99.Операции поиска и упорядочения данных. Формализованная медицинская
машинная карта.
100.Контроль и защита данных. Основные требования к центральному и
периферическому оборудованию.
101Терминальные системы вычислительных систем. Требования к терминальной
сети. Интерфейсы для связи с центральным оборудованием.
102.Основные тенденции и направления совершенствования методов анализа
медико-биологической информации и их аппаратурного обеспечения.
Методика формирования результирующей оценки.
По итогам обучения по дисциплине " Автоматизация анализа изображений " проводятся 1 зачет (по окончанию 8 ого семестра), который оцени-
вается по выполненным лабораторным работам и результатам зачета. Рейтинг по дисциплине формируется на кафедре в соответствии с внутри кафедральным положением о рейтинге.
II. Учебная программа дисциплины
1.
Содержание дисциплины
№
п/п
1.
Наименование раздела
дисциплины
Введение
2.
Получение и представление медикобиологических данных
3
Анализ
биомедицинской
информации как задача
выделения однородных
групп данных
Содержание раздела
Предмет дисциплины и ее задачи. Краткие
сведения о развитии средств анализа информации.
Значение решения проблем автоматизации сбора,
обработки и интерпретации
медико-биологических
данных для решения задачи улучшения
медицинского обслуживания населения. Организация
государственного и отраслевых фондов алгоритмов и
программ
по
обработке
медико-биологической
информации.
Структура, содержание дисциплины; ее связь с
другими дисциплинами учебного плана. Место
дисциплины в подготовке инженера по специальности
"Биомедицинская техника ".
Системный подход как методология разработки
методов и технических средств сбора, представления и
анализа
медико-биологической
информации.
Особенности
биологического
объекта
и
экспериментальных данных о его свойствах и состоянии.
Основные источники медико-биологических данных.
Способы представления медико-биологической
информации. Непрерывное и дискретное описание
параметров биообъекта. Таблица экспериментальных
данных, методы ее формирования. Статистическая и
динамическая
таблицы.
Свойства
таблицы
экспериментальных данных. Дуализм таблицы.
Понятие об однородности данных. Отношение
эквивалентности. Функции близости и функции связи.
Оценка однородности групп данных. Расстояние между
классами как мера близости. Функционалы разбиения
множества экспериментальных данных на однородные
классы.
Алгоритмические
методы
автоматической
классификации и кластеризации данных. Иерархические
процедуры.
Параллельные
и
последовательные
процедуры группировки данных. Функционалы качества
группировки.
Анализ многомерных наблюдений с использованием
корреляционной связи. Центрирование и нормирование
4
Статистические методы
классификации многомерных наблюдений
5
Методы построения
разделяющих функций
в задачах
классификации медицинских
данных
6
Методы исследования
взаимозависимости
многомерных данных и
снижения размерности
пространства описаний
7
Принятие решения и
вопросы выбора альтернатив при анализе
информации
данных.
Особенности
построения
алгоритмов
группировки
наблюдений
с
использованием
корреляционного метода. Метод корреляционных плеяд.
Алгоритмы экстремальной группировки признаков.
Параметрические и непараметрические методы.
Случаи полностью известной априорной информации о
классах. Байесовское решающее правило. Рандомизированное решающее правило. Случай неизвестных вероятностей появления наблюдений каждого класса. Минимаксное. субминимаксное и комбинированное решающие
правила. Неоднозначность в построении решающего
правила при отсутствии информации об объектах разных
классов. Критерий среднего ожидаемого качества классификации.
Линейные разделяющие функции и поверхности
решений. Обобщенные линейные разделяющие функции.
Случай двух линейно разделимых классов. Минимизация
персептронной функции критерия разбиения. Коррекция
ошибок разбиения. Минимизация квадратичной ошибки.
Стохастическая аппроксимация. Процедуры линейного
программирования. Метод потенциальных функций.
Случай многих классов.
Понятие "геометрической структуры" данных.
Анализ многомерных геометрических структур данных.
Основные подходы к проблеме снижения размерности
пространства исходного описания данных.
Метод
главных
компонент.
Геометрическая
интерпретация и экстремальные свойства главных
компонент.
Применение
метода
для
снижения
размерности
пространства
описания.
Главные
компоненты в задачах классификации.
Факторный анализ, основные проблемы. Модель
факторного анализа. Методы оценки факторных нагрузок.
Центроидный
метод.
Метод
максимального
правдоподобия. Вращение факторов. Факторный анализ и
классификация наблюдений.
Методы многомерного шкалирования. Алгоритмы
нелинейного отображения структур многомерных данных
в пространствах решений. Адаптивные алгоритмы минимизации критериев невязки структур образов. Формализация критериев отображения многомерных структур при
формировании точечных образов многомерных данных.
Принятие решения как составная часть процесса
анализа информации. Основы процесса выбора
альтернатив. Способы задания отношений и операции над
ними.
Отношения
эквивалентности,
порядка,
доминирования.
Функции
выбора,
порождаемые
бинарными отношениями. Логические формы функций
выбора. Классы функций выбора.
Задача оценивания результатов анализа данных.
Общая схема экспертизы. Методы обработки экспертной
информации: статистический, алгебраический, шкалирования. Формирование исходного множества альтернатив.
Задача выбора альтернатив. Функция полезности и ее
свойства. Оптимизация функции полезности.
8
Структурнографический анализ
медико-биологической
информации
9
Типы медицинских
изображений, способы
их обработки
10
Принципы построения
вычислительных
систем анализа медикобиологической
информации.
Основные задачи структурно-графического анализа
данных. Задачи классификации информации и оценки
совокупностей параметров, описывающих изучаемые
классы
объектов.
Статическая
и
динамическая
идентификация наблюдений. Метод "прецедента".
Методика прогноза изменения состояния биообъекта по
данным анализа его текущего состояния.
Классификация биомедицинских изображений и
проблема автоматизации их анализа. Оптические,
радиологические, ультразвуковые и другие изображения,
схема получения. Типы и характеристики, описывающие
изображение.
Статистические
характеристики.
Изображения
при
электронно-микроскопических
исследованиях.
Вычислительная техника в задачах обработки
плоских изображений. Две задачи распознавания
зрительных образов: классификация и идентификация.
Пространство признаков. Источники и характер помех.
Отношение сигнал/шум.
Фильтрация плоских изображений. Анизотропная и
рекуррентная фильтрации. Статистическое оценивание.
Фильтрация импульсных помех.
Системы признаков при описании изображений.
Критерий полезности признаков при распознавании
изображений. Детерминированные и вероятностные
системы признаков. Геометрические моменты-признаки
при распознавании изображений трехмерных объектов.
Оценки эффективности систем признаков при
распознавании двух и более классов объектов.
Определение ошибки распознавания методом дихотомии.
Информативность статистически независимых признаков
и мера надежности. Информативность статистически
связанных признаков при распознавании. Связь
вероятности распознавания классов с информативностью
признаков.
Классификация вычислительных систем анализа
медико-биологической
информации.
Принципы
системного
анализа
данных
биомедицинского
обследования. Особенности синтеза математического
обеспечения.
Программно-аппаратные
требования,
предъявляемые
к
системам.
Типовое
и
специализированное
математическое
обеспечение
вычислительных систем. Роль фондов алгоритмов и
программ.
Операции поиска и упорядочения данных.
11
2.
Заключение.
Формализованная
медицинская
машинная
карта.
Контроль и защита данных. Основные требования к
центральному и периферическому оборудованию.
Терминальные
системы
вычислительных
систем.
Требования к терминальной сети. Интерфейсы для связи с
центральным оборудованием.
Основные тенденции дальнейшего развития и совершенствования методов и средств отображения информации. Роль вычислительной техники в этом процессе.
Перечень практических навыков (умений), которые необходимо освоить студенту
Студент должен уметь: формулировать исходные данные к расчету
устройств регистрации и индикации биомедицинской информации; выбирать
тип индикатора и регистратора, составлять функциональные схемы синтезаторов изображений, графических регистраторов, алфавитно-цифровых и графических дисплеев; согласовывать характеристики используемых систем
отображения информации с особенностями представляемых данных и условиями эксплуатации;
III Рабочая учебная программа дисциплины (учебно-тематический
план)
Разделы дисциплин и виды занятий
1.
Содержание рабочей программы
1
1
-
-
7
Всего
час.
9
2.
Получение и представление медикобиологических данных
1
1
-
-
7
9
1
1
-
-
7
9
1
1
6
-
7
15
1
1
-
-
7
9
№
Наименование раздела дисциплины
п/п
3
4
5
Анализ биомедицинской информации
как задача выделения однородных
групп данных
Статистические методы классификации многомерных наблюдений
Методы построения разделяющих
функций в задачах классификации
медицинских данных
Лекц. Практ. Лаб.
зан.
зан.
Семин
СРС
Методы исследования взаимозависимости многомерных данных и снижения размерности пространства описаний
Принятие решения и вопросы выбора
альтернатив при анализе информации
Структурно-графический анализ медико-биологической информации
Типы медицинских изображений,
способы их обработки
6
7
8
9
10
Принципы
построения
вычислительных систем анализа
медико-биологической информации.
Заключение.
11
Итого
1
1
5
-
7
14
1
1
-
-
7
9
1
1
-
-
7
9
1
1
-
-
6
8
1
1
-
-
6
8
2
1
-
-
6
9
12
11
11
74
108
Перечень лабораторных работ
№
Наименование работы
Статистические методы классификации многомерных наблюдений.
Методы исследования взаимозависимости многомерных данных
1
2
Номер темы
4
2,9
Основные темы практических занятий:
№ п/п
Наименование темы занятия
1
2
3
4
5
6
7
8
9
10
11
Содержание рабочей программы
Получение и представление медико-биологических данных
Трудоемкость
(час.)
1
1
Анализ биомедицинской информации как задача выделения
однородных групп данных
Статистические методы классификации многомерных наблюдений
Методы построения разделяющих функций в задачах классификации медицинских данных
Методы исследования взаимозависимости многомерных данных и
снижения размерности пространства описаний
Принятие решения и вопросы выбора альтернатив при анализе информации
Структурно-графический анализ медико-биологической информации
Типы медицинских изображений, способы их обработки
1
Принципы построения вычислительных систем анализа медикобиологической информации.
Заключение.
1
1
1
1
1
1
1
1
IV. Оценочные средства для контроля уровня сформированности компетенций (текущий контроль успеваемости, промежуточная аттестация по
итогам освоения дисциплины и учебно-методическое обеспечение самостоятельной работы студентов)
Методика подсчета среднего балла за семестр.
1.
Оценочные средства для текущего и рубежного контроля успеваемости
Для проведения текущего контроля успеваемости на кафедре используется
балльно-рейтинговая система (модель№2 ).
Модель основана на использовании среднего балла в качестве характеристики текущей работы студента в семестре. При этой модели: результат работы на каждом практическом занятии оценивается с помощью тестового
контроля или другого вида опроса, в конце семестра высчитывается средний
балл каждого студента, который переводится в балл по 100-балльной системе
(см. таблица 1). Допуск к зачету и экзамену получают студенты, набравшие
от 61 до 100 баллов.
Помимо среднего балла учитываются показатели, дающие штрафы и
бонусы.
средний балл по
балл по 100-балль- средний балл по
5-балльной системе ной системе
5-балльной системе
5.0
100
4.0
4.9
98-99
3.9
4.8
96-97
3.8
4.7
94-95
3.7
4.6
92-93
3.6
4.5
91
3.5
4.4
89-90
3.4
4.3
87-88
3.3
4.2
85-86
3.2
4.1
83-84
3.1
3.0
балл по 100-балль- средний балл по
балл по 100-балльной системе
5-балльной системе ной системе
81-82
2.9
57-60
80
2.8
53-56
79
2.7
49-52
78
2.6
45-48
77
2.5
41-44
76
2.4
36-40
73-74-75
2.3
31-35
70-71-72
2.2
21-30
67-68-69
2.1
11-20
64-65-66
2.0
0-10
61-62-63
Таблица 1. Перевод среднего балла в 100-балльную систему.
2.
Оценочные средства для промежуточной аттестации по итогам
освоения дисциплины
Баллы, которые получает студент по дисциплине в семестре вычисляются по
формуле:
А)если дисциплина не заканчивается зачетом или экзаменом в семестре
Рд = Рдс = балл за текущую работу в семестре + бонусы - штрафы
Б)если дисциплина заканчивается зачетом в семестре
Рд = (Рдс + балл, полученный на зачетном занятии)/2
Если зачет выставляется по результатам зачетного тестирования, то балл начисляется в соответствии с таблицей 1.
В) если дисциплина заканчивается экзаменом в семестре итоговая оценка,
которую преподаватель ставит в зачетную книжку, рассчитывается по формуле и переводится в 5-балльную в соответствии с таблицей 2.
Рд = (Рдс+балл за ответ на экзамене)/2
Если студент получает на экзамене неудовлетворительную оценку, то
рейтинг по дисциплине в семестре равен Рд = Рэ.
Баллы при повторной сдаче экзамена – от 61 до 75 независимо от оценки.
3. Методические указания для самостоятельной работы студента
Самостоятельная работа подразумевает подготовку студентов к лекционным и семинарским занятиям, на основании материалов лекций и рекомендованных программой учебников и учебных пособий, а также других информационных источников, закрепление теоретических знаний и практических навыков, подготовку к прохождению тестов и реализации контрольных
заданий по усвоению пройденного материала.
Работа с учебной литературой рассматривается как вид учебной работы
по дисциплине.
Написание реферата способствуют формированию навыков работы с
научной литературой и анализа статистической информации.
Самостоятельная работа способствует формированию активной жизненной позиции поведения, аккуратности, дисциплинированности.
Также организована внеурочная самостоятельная работа студентов, которая охватывает темы, не вошедшие в практические занятия.
1. На самостоятельное изучение студентам выделены темы, довольно полно
и на современном уровне изложенные в учебниках и обеспеченные дополнительной литературой.
2. К каждой теме на кафедре подготовлены технологические карты, в которых даны вопросы для изучения и рекомендуемая литература. Содержание
материала студент обязан знать. В ходе самоподготовки в специальной общей тетради необходимо, в виде конспектов, изложить изученный материал,
записи проверяются преподавателем. Такие записи помогут студентам не
только закрепить знания, но и будут служить показателем активной работы
над книгой и первоисточниками.
3. Вопросы по каждой теме самостоятельной работы включены в итоговое
занятие.
4. Рекомендованные к самостоятельному изучению темы должны быть проработаны студентами строго в указанные в плане сроки, так как последние
согласованы с датой чтения лекций по этим же или смежным разделам. Невыполнение к указанному в «Плане внеаудиторной самостоятельной работы
для студентов...» сроку очередных тем приводит к появлению пробелов в
знаниях, отставанию, затруднит дальнейшее выполнение программы не только по элементной базе электроники, но и по другим дисциплинам.
5. Выполнение самостоятельной работы отмечается преподавателем в журнале.
6. Студенты, не выполнившие темы по самостоятельной работе, зачет по
дисциплине не получают.
ПЛАН ВНЕАУДИТОРНОЙ САМОСТОЯТЕЛЬНОЙ РАБОТЫ
№
п/п
Тема
Колво
часов
1
Получение и представление
медико-биологических
данных
2
Структурно-графический
анализ медикобиологической информации
Сроки
выполнения
Сроки
отчетности
Формы
отчетности
37
10.02-10.04 10.04-20.04
Конспект, реферат
37
20.04-20.05 20.05-01.06
Конспект, реферат
Примерная тематика рефератов
1. Получение и представление медико-биологических данных электрокардиографа.
2.
Получение и представление медико-биологических данных энцефалографа.
3. Получение и представление медико-биологических данных ямр томографа.
4. Получение и представление медико-биологических данных аппарата узи.
5. Структурно-графический
электрокардиографа.
анализ
медико-биологической
информации
6. Структурно-графический анализ медико-биологической информации энцефалографа.
7. Структурно-графический анализ медико-биологической информации ямр
томографа.
8. Структурно-графический анализ медико-биологической информации аппарата узи.
Моделирование и исследование электрических цепей, устройств с установкой параметров реальных элементов электроники, используемых в лабораторном практикуме, а также с установкой параметров, приводящих к аварийным режимам, недопустимым в реальном эксперименте рекомендуется
проводить в компьютерном классе.
Практические занятия желательно проводить в компьютерном классе
(на 12 ...15 рабочих мест) с выдачей индивидуальных заданий после изучения
решения типовой задачи. На практических занятиях следует осуществлять
деление группы на подгруппы не более 15 человек, так чтобы за компьютером работал только один студент. Работа бригадой в два человека допускается лишь временно и в качестве исключения. Для проведения занятий необходимо использовать сертифицированные учебно-программные продукты, разработанные преподавателями и студентами вузов.
Моделирование электрических цепей и устройств и подбор элементной
базы, а также проверку промежуточных результатов расчета заданий курсовых работ и расчетно-графических заданий следует проводить с использованием программ, выдаваемых студентам на дом.
Проведение контроля подготовленности студентов к выполнению лабораторных и практических занятий, рубежного и промежуточного контроля
уровня усвоения знаний по разделам дисциплины, а также предварительного
итогового контроля уровня усвоения знаний за семестр необходимо проводить в компьютерном классе с использованием тестов и автоматизированной
обработки результатов тестирования.
Настоящая программа составлена в соответствии с утвержденными Государственными образовательными стандартами высшего профессионального образования с учетом обязательного минимума содержания указанной
дисциплины и требований к уровню электротехнической подготовки для бакалавров по электротехническим специальностям в соответствии с перечнем
направлений подготовки и специальностей высшего профессионального образования.
V. Учебно-методическое и информационное обеспечение дисциплины
а) Основная литература:
1. Кобринский Б. А. Медицинская информатика [Текст] : учебник /
Кобринский Б. А., Зарубина Т. В. . - 3-е изд., стер. . - М. : Академия , 2012 . 189, [3] с. : ил. . - (Высшее профессиональное образование. Медицина) . Библиогр. : с. 183-184 . - 293-37
2. Матюшкин И. Моделирование и визуализация средствами MATLAB
физики наноструктур [Текст] / Матюшкин И. . - М. : Техносфера , 2011 . 166, [2] с. : ил., 20 с. цв. вкл. . - (Мир программирования) . - 370-00
3. Шевчук В. П. Моделирование метрологических характеристик интеллектуальных измерительных приборов и систем [Текст] / Шевчук В. П. . М. : ФИЗМАТЛИТ , 2011 . - 320 с. : ил. . - (Математика. Прикладная математика) . - Библиогр. : с. 315-319 . - 278-00
4. Оппенгейм А. Цифровая обработка сигналов [Текст] : пер. с англ.
под ред. С. Ф. Боева / Оппенгейм А., Шафер Р. . - Изд. 3-е, испр. . - М. : Техносфера , 2012 . - 1046, [2] с. : ил. . - (Мир радиоэлектроники) . - Библиогр. :
с. 1027-1043 . - 1300-00
б) Дополнительная литература:
1. Проектирование систем цифровой и смешанной обработки сигналов
[Текст] ; ред. оригин. изд. У. Кестер; пер. с англ. под ред. А. А. Власенко . М. : Техносфера , 2011 . - 326, [2] с. : ил. . - (Мир электроники) . - Библиогр. в
конце глав . - 475-00
2. Ким Д. П. Теория автоматического управления [Текст] : учебник по
направлению 220200 "Автоматизация и управление" / Ким Д. П. . Т. 1 : Линейные системы . - Изд. 2-е, испр. и доп. . - М. : ФИЗМАТЛИТ , 2010 . - 310,
[1] с. : ил. . - Библиогр. : с. 303-304 . - 343-20 . - ISBN 978-5-9221-0857-7
3. Ким Д. П. Теория автоматического управления [Текст] : учебник по
направлению 220200 "Автоматизация и управление" / Ким Д. П. . Т. 2 : Многомерные, нелинейные, оптимальные и адаптивные системы . - Изд. 2-е,
испр. и доп. . - М. : ФИЗМАТЛИТ , 2007 . - 440 с. : ил. . - Библиогр. : с. 433436 . - 509-52 . - ISBN 978-5-9221-0858-4
4.Муха Ю. П. Информационно-измерительные системы с адаптивными
преобразованиями. Управление гибкостью функционирования [Текст] : монография / Муха Ю. П., Авдеюк О. А., Королева И. Ю. ; М-во образования
РФ ; ВолгГТУ . - Волгоград : ИУНЛ ВолгГТУ , 2010 . - 303, [1] с. : ил. . - Библиогр. : с. 208-283 ; 303 . - 50-00 . Режим доступа:
http//volgmed.ru/ru/files/list/3075/?dept=126&rdir=1554
5.Муха Ю. П. Структурные методы в проектировании сложных систем
[Текст] / Муха Ю. П. ; Волгогр. политехн. ин-т . Ч. I . - Волгоград : [Волгогр.
политехн. ин-т] , 1993 . - 79, [1] с. : ил. . - Библиогр. : с. 77-78 . - 20-00 4 Режим доступа: http//volgmed.ru/ru/files/list/3075/?dept=126&rdir=1554
6. Муха Ю. П. Структурные методы в проектировании сложных систем
[Текст] : [учеб. пособие] / Муха Ю. П. ; Волгогр. политех. ин-т . Ч. II . - Волгоград : [Волгогр. политехн. ин-т] , 1993 . - 70, [10] с. : ил. . - 20-00 4 Режим
доступа: http//volgmed.ru/ru/files/list/3075/?dept=126&rdir=1554
в). Программное обеспечение и Интернет-ресурсы:
1. http://www.nsu.ru/matlab/MatLab_RU/books/articles.asp.htm
2. http://www.toehelp.ru/theory.html
VI. Материально-техническое обеспечение дисциплины
Для реализации программы по дисциплине на кафедре имеются:
 тематические слайды, презентации;
 мультимедийный комплекс (ноутбук, проектор, экран), проекторы, видеомагнитофон, ПК.
Приборы, технические и программные средства обучения и контроля
знаний.
1. Персональный компьютер – 12 шт.
2. Ноутбук – 1 шт.
3. Принтер лазерный HP LazerJet – 1 шт.
4. Проектор мультимедийный – 1 шт.
5. Программное обеспечение MathLab – 12шт.
VII. Научно-исследовательская работа студента
Изучение специальной литературы и другой научно-технической информации о
достижениях современной отечественной и зарубежной науки и техники в области элементной базы электроники; участие в проведении научных исследований
или выполнении технических разработок; осуществление сбора, обработки, анализа и систематизации научно-технической информации по теме рефератов.
Приложение к рабочей программе 2
Согласовано:
Председатель УМК ____________
Протокол № ___от _______20___ г.
Утверждаю:
Проректор по учебной работе
профессор__________В.Б. Мандриков
«____» _______________20___ г.
ПРОТОКОЛ
дополнений и изменений к рабочей программе
по___________________________________
наименование дисциплины
по специальности________________________
на _______________учебный год
№
Предложение о
дополнении или
изменении к рабочей
программе
Содержание
дополнения или
изменения
к рабочей программе
Протокол утвержден на заседании кафедры
«____»_______________20___года
Зав. кафедрой
(подпись)
Решение по
изменению или
дополнению к
рабочей программе
1/--страниц
Пожаловаться на содержимое документа