rpd000010872 (201000 (12.03.04).Б4 Инженерное дело в медико-биологической практике), страница 2

Прикрепленные файлы: Экзамен (8 семестр).doc

1. УЧЕБНО-МЕТОДИЧЕСКОЕ И ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ

а)основная литература:

1. Горелик А.Л., Скрипкин В А. Методы распознавания. - М. Высшая школа, 2004 г. - 262с.

2. Кремер Н.Ш. Теория вероятнос¬тей и математическая статистика.— М.: ЮНИТИ-ДАНА, 2007. - 551 с.

3. Ричард Лайонс. Цифровая обработка сигналов. Пер. с англ. — М.: ООО «Бином-Пресс», 2006 г. — 656 с.

4. Гонсалес Р. Цифровая обработка зображений / Р. Гонсалес, Р. Вудс. – М.: Техносфера, 2005. – 1072 с.

5. Математические методы обработки экспериментальных данных. Учебное пособие - Кемеро-во: КузГТУ, 2003.- 123 с.

б)дополнительная литература:

в)программное обеспечение, Интернет-ресурсы, электронные библиотечные системы:

1. МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ

Компьютерный класс, учебные стенды, плакаты, справочная литература, рекламно-информационные проспекты и журналы,планшеты

Приложение 1
к рабочей программе дисциплины
«Автоматизация обработки биомедицинской информации »

Аннотация рабочей программы

Дисциплина Автоматизация обработки биомедицинской информации является частью Профессионального цикла дисциплин подготовки студентов по направлению подготовки Биотехнические системы и технологии. Дисциплина реализуется на 9 факультете «Московского авиационного института (национального исследовательского университета)» кафедрой (кафедрами) 901.

Дисциплина нацелена на формирование следующих компетенций: ПК-2 ,ПК-10 ,ПК-20 ,ПК-28 ,ПК-30.

Содержание дисциплины охватывает круг вопросов, связанных с: автоматическими и автоматизированными системами, комплексами и устройствами анализа экспериментальной информации о состоянии биообъекта в различных условиях функциониро-вания

Преподавание дисциплины предусматривает следующие формы организации учебного процесса: Лекция, мастер-класс, Практическое занятие, Лабораторная работа.

Программой дисциплины предусмотрены следующие виды контроля: промежуточная аттестация в форме Экзамен (8 семестр).

Общая трудоемкость освоения дисциплины составляет 5 зачетных единиц, 180 часов. Программой дисциплины предусмотрены лекционные (32 часов), практические (32 часов), лабораторные (16 часов) занятия и (73 часов) самостоятельной работы студента.

Приложение 2
к рабочей программе дисциплины
«Автоматизация обработки биомедицинской информации »

Cодержание учебных занятий

1. Лекции

1.1.1. Особенности биомедицинской информации (АЗ: 4, СРС: 4)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

1.2.1. Обнаружение сигнала (АЗ: 4, СРС: 4)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

1.3.1. Однородность данных (АЗ: 2, СРС: 4)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

1.3.2. Классификация многомерных наблюдений (АЗ: 4, СРС: 5)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

1.4.1. Геометрическая структура данных (АЗ: 6, СРС: 4)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

1.5.1. Классификация биомедицинских изображений (АЗ: 4, СРС: 4)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

1.5.2. Анализ биомедицинских изображений (АЗ: 4, СРС: 4)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

1.6.1. Совершенствование методов анализа биомедицинской информации (АЗ: 4, СРС: 4)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

1. Практические занятия

1.2.1. Исследование алгоритмов распознавания биомедицинских данных (АЗ: 6, СРС: 4)

Форма организации: Практическое занятие

1.2.2. Исследование методов фильтрации биоэлектрических сигналов (АЗ: 6, СРС: 4)

Форма организации: Практическое занятие

1.5.1. Изучение методов обработки биологических изображений (АЗ: 8, СРС: 6)

Форма организации: Практическое занятие

1.6.1. Изучение методов классификации экспериментальных данных с использованием процедуры экспертного анализа (АЗ: 6, СРС: 4)

Форма организации: Практическое занятие

1.6.2. Перспективы применения телемедицины для обработки экспериментальных данных (АЗ: 6, СРС: 4)

Форма организации: Практическое занятие

1. Лабораторные работы

1.1.1. Изучение возможностей применения системы Matlab для автоматизации анализа экспериментальных данных (АЗ: 4, СРС: 4)

Форма организации: Лабораторная работа

1.1.2. Изучение пакета Simulink системы Matlab для построения автоматизированных систем анализа экспериментальных данных (АЗ: 4, СРС: 4)

Форма организации: Лабораторная работа

1.5.1. Исследование алгоритмов распознавания биомедицинских данных в системе Matlab (АЗ: 4, СРС: 4)

Форма организации: Лабораторная работа

1.6.1. Изучение способов построения нейросетей в пакете Simulink системы Matlab (АЗ: 4, СРС: 6)

Форма организации: Лабораторная работа

1. Типовые задания

Приложение 3
к рабочей программе дисциплины
«Автоматизация обработки биомедицинской информации »

Прикрепленные файлы

Экзамен (8 семестр).doc

Промежуточная аттестация №1

Экзамен (8 семестр)

Семестр: 8

Вид контроля: Э

Вопросы:

1. Особенности биологи­ческого объекта и экспериментальных данных о его свойст­вах и состоянии.

2. Основные источники медико-биологических данных.

3. Способы представления медико-биологической инфор­мации.

4. Непрерывное и дискретное описание параметров биообъекта.

5. Классификация, источники и характеристики данных.

6. Общая характеристика и модели экспериментальных данных - сигналов и числовых массивов.

7. Обработка и анализ сигналов: амплитудный и частотный анализ;

8. Корреляционный и спектральный анализ сигналов.

9. Мо­дель помех, сопровождающих процесс регистрации сигнала.

10. Нормальный шум.

11. Обнаружение сиг­нала при однократном предъявлении.

12. Метод накопления.

13. Обнаруже­ние неполностью известных сигналов.

14. Восстановление ис­ходного сигнала.

15. Критерии обнаружения.

16. Фильтрация биологических сигналов.

17. Понятие об однородности данных.

18. Отношение эквива­лентности.

19. Оценка од­нородности групп данных.

20. Алгоритмические методы автоматической классифика­ции и кластеризации данных.

21. Классификация многомерных наблюдений: методы построения разделяющих функций в задачах классификации;

22. Методы исследования взаимозависимости многомерных данных.

23. Выбор альтернатив при анализе данных информации.

24. Понятие «геометрической структуры» данных.

25. Анализ многомерных геометрических структур данных.

26. Метод главных компонент.

27. Анализ изображений: типы изображений и способы их описания.

28. Методы предварительной обработки; фильтрация.

29. Алгоритмы измерения параметров изображений; интерактивный режим обработки изображений.

30. Основные тенденции и направления совершенствования методов анализа медико-биологической информации и их аппаратурного обеспечения.

Версия: AAAAAATDGMs Код: 000010872