egyetemi docens

Valószínűségszámítási alapok, adatstruktúrák és algoritmusok

A kötelező előtanulmányi rend az adott szak honlapján és képzési programjában található.

A tárgy célkitűzése: az intelligens orvosi műszerezés elvi problémáinak rövid, ám igényes bemutatása. Az anyag tanításának lépései:

(1) az általános elvek bemutatása, nem a részletes tervezés, hanem az alapgondolatok bemutatásának, a módszerek jellegzetességének, minősítésének igényével,

(2) az elvekhez kapcsolódó alapfeladatok megoldása,

(3) esettanulmányok bemutatása.

A tárgy a hallgatóknak azokat a képességeit fejleszti, melyek révén képesek lesznek:

- feldolgozni és megérteni a számítástechnikának az orvosi méréstechnikában megjelenő módszereit,

- minősíteni és összehasonlítani az intelligens műszereket,,

- megérteni a számítástechnika és számítástudomány technológiai, ill. koncepcionális lehetőségeit és korlátait,

- megérteni az intelligens eljárások szerepét és korlátait az orvosi rendszerekben.

1. Az orvosi műszerek általános felépítése. A jel, a zaj fogalma, a mérés és modellezés kapcsolata. Az orvosi jelek modellezésének problémái. Az a priori tudás felhasználása. Egy- és többdimenziós jelek folytonos és diszkrét reprezentációja.
2. Jelfeldolgozási eljárások alapjai, alkalmazásuk az orvosi mérésekben. A (mozgó ablak és rekurzív) átlagolás és tulajdonságai. Lineáris eljárások alapelve, szuperpozíció. Nemlineáris eljárások alapjai, a mediánszűrés. A jelek frekvenciatartományban történő reprezentációja. Kapcsolat az idő- és frekvenciatartomány közt Lényegkiemelés. (Esettanulmányok: EKG jelek feldolgozása, az R detektálás, HRV fogalma stb. A röntgenkép feldolgozás alapjai, medián szűrés, morfológiai eljárások, lényegkiemelés.)
3. Becslési és döntési eljárások alapjai, alkalmazásuk az orvosi mérésekben. A felhasznált a priori ismeret, a Bayes becslés alapgondolata. Döntési eljárások. A döntések minősítése szenzitivitás, specificitás, a ROC görbe értelmezése.
4. A mesterséges intelligencia alapvető eszközei és módszerei. Tudásábrázolás, logikai leírás. Szabályalapú rendszerek. Az ellenőrzött, nemellenőrzött és megerősítéses tanulás. A túltanulás problémája. Induktív logikai tanulás (döntési fák, általános logikai kifejezések tanulása). Tanulás neurális és valószínűségi hálókban. Genetikus algoritmusok és evolúciós programozás. Kísérletezés többféle tanulási feladatottal.
5. Döntéstámogató rendszerek. Osztályozási, klaszterezési és regressziós feladatok. A mintaszám és az eredmény megbízhatóságának kapcsolata. Az intelligens döntéstámogatás hatása az orvosi döntésekre.
6. Kitekintés: Elosztott intelligens rendszerek. Nyelvi kommunikáció és együttműködés. A valós-idő kérdése. Esettanulmányok.

előadás

Félév közben (az előadás időpontjában) két – nem a teljes előadási időt igénybe vevő – kiszárthelyi (ZH), amelyek a félév utolsó hetében (az előadástól eltérő időpontban) pótolhatók. A két ZH várhatóan a 6., illetve a 12. oktatási héten lesz. A szükséges minimum szint mindkettőn külön-külön 40%, a megfelelt ZH-k pontszáma a vizsgába is beszámításra kerül.

b.       A vizsgaidőszakban: A vizsga írásbeli és szóbeli részből áll. Szóbeli vizsgát csak az tehet, aki az írásbeli részt megfelelő szinten teljesítette.

A két ZH-n maximum 20-20 pontot lehet elérni, ennek 40%-a (külön-külön) a szükséges minimum. A minimum elérése esetén az elért pontok 0,5-ös szorzóval beszámításra kerülnek a vizsgán (azaz minimum 8, maximum 20 pont a két ZH eredményének összegeként).

Vizsga írásbeli része: elérhető maximum 20 pont, ennek 50%-a a szükséges minimum (10 pont), szóbelit az tehet, aki elérte az 50%-ot.

Vizsga szóbeli része: elérhető maximum 60 pont.

A végleges minősítés:

A vizsga szóbeli pontszáma + a vizsga írásbeli pontszáma + a ZH-k összpontszámának fele. (Az elérhető maximum: 100 pont.)

     Osztályozás:

40 pontig bezárólag elégtelen, 41-től elégséges, 54-tól közepes, 67-tól jó, 80-től jeles.

          Elővizsga: nincs

A ZH-k pótlására a szorgalmi időszak utolsó hetében lesz lehetőség, az előadástól eltérő órarendi időpontban. A pótZH pótlása  a pótlási időszak első hetében egyetlen egy alkalommal a teljes félévi anyagból lehetséges.

Igény esetén a személyi és tárgyi erőforrások függvényében, az előadóval egyeztetett teremben és időpontban.

Egyes kijelölt részek a Mesterséges intelligencia korszerű megközelítésben c. könyvből. (Stuart Russell és Peter Norvig: Mesterséges intelligencia korszerű megközelítésben, Panem Kiadó, Budapest, 1999, ill. az átdolgozott 2005-i kiadás)

A tárgy honlapján található ajánlott olvasmányok, segédanyagok.

dr. Pataki Béla

egyetemi docens

Méréstechnika és Információs Rendszerek Tanszék