Hjem

Utdanning

Masteremne

Introduksjon til beregningsorientert medisin og biomedisinsk ingeniørfag

  • Studiepoeng6
  • UndervisingssemesterVår
  • EmnekodeELMED219
  • Talet på semester1
  • SpråkNorsk (engelsk vil bli brukt dersom utvekslingsstudenter følger kurset). Alt kursmateriell er på engelsk.
  • Ressursar

Undervisningssemester

Første fire uker av vårsemesteret.

Mål og innhald

Kurset vil adressere

  • «The computational mindset», maskinlæring og kunstig intelligens i fremtidens medisin - pro et con
  • En veiledet «reise» gjennom utvalgte matematiske og statistiske modelleringsteknikker innen biomedisinske og kliniske anvendelser. Eksempler og demonstrasjoner vil bli relater til in vivo avbildning og integrativ kvantitativ fysiologi, bildebaserte biomarkører, omicsdata og sensordata.
  • Prinsipper for virkemåten til utvalgte sensorer og måleutstyr brukt i (bio)medisinsk forskning og klinisk praksis - fra smarttelefoner til MR-scannere.
  • Begrepene «big data», «data analytics», «maskinlæring» og «deep convolutional neural networks» med eksempler fra persontilpasset og prediktiv medisin.
  • Gjennom hele kurset vil studentene benytte prinsipper og verktøy fra numerisk programvare, dataanalyse, og beregningsvitenskap innen medisinske anvendelser. Dette vil gi studentene en introduksjon til f.eks. R, Python og Jupyter notebooks og bruk av «skyen» for datalagring og beregninger.
  • Begrepene og betydningen av «open science», deling av data og «reproducible research».

Læringsutbyte

Studenten skal ved avslutta emne ha følgande læringsutbyte definert i kunnskapar, ferdigheiter og generell kompetanse:

Kunnskapar

Studenten..

  • Har kjennskap til prinsipper for virkemåten av utvalgte sensorer/måleutstyr brukt i (bio)medisinsk forskning og klinisk praksis.
  • Har kjennskap til begrepene «big data», «data analytics», «maskinlæring» og «deep convolutional neural networks» og gi eksempler fra persontilpasset og prediktiv medisin.
  • Har kjennskap til begrepene og betydningen av «open science», deling av data og «reproducible research».

Ferdigheiter

Studenten..

  • Kan finn frem til og bruke et utvalg av moderne programvare for dataanalyse, visualisering og rapportering (e.g. figur og grafikk produksjon med Jupyter notebooks).
  • Kan kommunisere om utvalgte metoder og programvare der disse er implementert og forklare relevans for medisinsk forskning og klinisk praksis.

Generell kompetanse

Studenten..

  • Erkjenner betydningen av matematiske modeller og beregninger for analyse og forståelse av komplekse fysiologiske systemer og sykdoms-prosesser og behovet for tverrfaglig samarbeid i fremtidens medisin.

Krav til forkunnskapar

Fortrinnsvis gjennomført første to år på medisinstudiet, eller første to år på ingeniørstudiet med fagretning innen data, elektronikk, maskin, kjemi, eller første to år på bachelorstudiet i matematikk / informatikk / fysikk / kjemi / biologi.

Tilrådde forkunnskapar

Medisinerstudenter bør ha forkunnskaper innen organfysiologi, anatomi og cellebiologi / molekylærbiologi tilsvarende andre års studium, samt interesser innen teknikk / matematikk / informatikk. Forskerlinjestudenter er velkomne til å ta kurset. Ingeniørstudenter og realfagstudenter bør ha forkunnskaper innen kalkulus / lineær algebra og programmering tilsvarende andre års studium, samt interesse for fenomener og anvendelser innen biologi og medisin.

Krav til studierett

Studenter tatt opp ved Det medisinske fakultet eller Det matematisk-naturvitenskapelige fakultet ved UiB (eller annet universitet) og studenter opptatt til ingeniørstudiet ved HVL (eller annet universitet/høgskole e.g. Erasmus student). Studenter utenfra UiB vil få gjestestudent-status ved opptak til emnet.

Undervisningsformer og omfang av organisert undervisning

Undervisningsformen er orientert mot «blended learning» og «flipped classroom»:

  • To dager med introduksjon- og motivasjons-forelesninger, inklusive demonstrasjoner. Studentene medbringer egen laptop.
  • e-lærings moduler (før, under, og tilgjengelig etter kurset) med fokus på læringsutbytte for emnet. Vil omfatte refleksjonsspørsmål og tematiske flervalgsspørsmål.
  • To innleveringer med hverandre-vurdering (peer assessment): (i) én innlevering relatert til e-infrastruktur innen moderne beregningsvitenskap (programmerings omgivelser / IDE, data repositorier, kildekode-versjonskontroll [GitHub] etc.), (ii) én innlevering relatert til spesifikke tema innen (bio)medisin, valgt blant et lite utvalg på forhånd definerte prosjekter der en tilstreber samarbeid mellom én medisinerstudent og én ingeniørstudent (i.e. «tandem»). Dette samarbeidsprosjektet skal presenteres muntlig ved en av de fire samlingene.
  • Fire «meet-ups» (én TBL sesjon) / samlinger med lærere og undervisnings-assistenter.
  • Avsluttende digital eksamen.

Emnet vil baseres seg på at studenten har egen eller lånt laptop.

Obligatorisk undervisningsaktivitet

To obligatoriske innleveringer og én muntlig presentasjon, dels med hverandre-vurdering. Obligatoriske aktiviteter registreres av emneansvarlig og skal være bestått før eksamen.

Vurderingsformer

Avsluttende digital eksamen med flervalgsoppgaver.

Hjelpemiddel til eksamen

Ingen hjelpemidler til eksamen.

Karakterskala

Bestått / ikke bestått

Emneansvarleg

Institutt for biomedisin, prof. Arvid Lundervold

- i samarbeid med Avdeling for ingeniørfag, Høgskolen på Vestlandet, førsteamanuensis Alexander S. Lundervold

Administrativt ansvarleg

Institutt for biomedisin

Kontakt

Kontaktinformasjon

Studierettleiar kan kontaktast her: info@med.uib.no

Tlf 55 58 64 00

Emneansvarlig

Arvid Lundervold

arvid.lundervold@uib.no