BME VIK - Orvosbiológiai informatika

magyar nyelvű adatlap

vissza a tantárgylistához nyomtatható verzió

Orvosbiológiai informatika

A tantárgy angol neve: Biomedical informatics

Adatlap utolsó módosítása: 2009. november 10.

Tantárgy lejárati dátuma: 2011. április 28.

Budapesti Műszaki és Gazdaságtudományi Egyetem
Villamosmérnöki és Informatikai Kar

Mérnök informatikus alapszak

Választható tantárgy

Tantárgykód	Szemeszter	Követelmények	Kredit	Tantárgyfélév
VIMIAV86		3/1/0/v	4

3. A tantárgyfelelős személy és tanszék Dr. Antal Péter,

A tantárgy tanszéki weboldala http://www.mit.bme.hu/oktatas/targyak/vimiav86/

4. A tantárgy előadója

Név:	Beosztás:	Tanszék, Int.:
Pataki Béla Horváth Gábor Antal Péter	egyetemi docens egyetemi docens egyetemi adjunktus	MIT MIT MIT

5. A tantárgy az alábbi témakörök ismeretére épít

Számítástudomány alapjai, adatbázisok, mesterséges intelligencia

6. Előtanulmányi rend

Kötelező:

NEM
( KépzésLétezik( ahol a KépzésKód = "5N-07")
VAGY
KépzésLétezik( ahol a KépzésKód = "5N-A7")
VAGY
KépzésLétezik( ahol a KépzésKód = "5N-M7"))

A fenti forma a Neptun sajátja, ezen technikai okokból nem változtattunk.

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

Ajánlott:

mesterséges intelligencia

7. A tantárgy célkitűzése

Az elektronikai betegnyilvántartás, a képalkotási eljárások fejlődése, az új molekuláris biológiai méréstechnikák kifejlesztése és klinikai gyakorlatba való megjelenése és az új elosztott, távoli megfigyelést lehetővé tevő mérőrendszerek fejlődése új távlatokat nyit meg az orvosi-klinikai informatikai rendszerek területén. Az új adatok és architekturák új elemzési, modellezési és fejlesztői kereteket igényelnek, legyen szó akár statisztikai adatelemzésről, orvosi döntéstámogatásról, orvosbiológiai kódrendszerekről. Ez fokozattan igaz az úgynevezett nagy áteresztő képességű molekuláris biológiai mérések felhasználására és azok klasszikus klinikai információkkal való integrálására, ami elvezethet a személyre (“genetikai profilra”) szabott prevencióhoz, diagnosztikához és kezeléshez.

A tárgy egy modern áttekintést kíván nyújtani az orvosbiológai/klinikai adatokról, azok nyilvántartásáról, elemzéséről, felhasználásáról és integrálásáról, különös tekintettel a képi és molekuláris biológiai mérések felhasználásával dolgozó orvosi döntéstámogatásra.

A tantárgy követelményeit eredményesen teljesítő hallgatóktól elvárható, hogy ismerjék

(1) a modern orvosbiológiai adatokat,

(2) azok elemzésének főbb elveit,

(3) felhasználásuknak és integrálásuknak lehetőségeit.

8. A tantárgy részletes tematikája

• Bevezetés. Az orvosbiológia fejlődése. Az elektronikus betegnyilvántartás. A képalkotási eljárások fejlődése. A nagy áteresztő képességű molekuláris biológiai mérési módszerek: genomika és proteomika. Távlatok: személyre szabott prevenció, diagnózis és kezelés (gyógyszerek).

• Orvosi képalkotási eljárásokból származó adatok. Ultrahang, röntgen, MRI, CT, PET.

• Fiziológiai jelek méréséből származó adatok. Hőmérséklet, pulzus, vérnyomás, bőrellenállás, kézremegés,…, EEG, ECG, EMG.

• A nagy áteresztő képességű molekuláris biológiai mérési módszerekből származó adatok: genotipizálás (SNP-ek, haplotípusok), génexpressziós adatok, CGH adatok, mikroRNs adatok.

• Klinikai informatikai rendszerek. Kódolási rendszerek. Adatbázis kérdések. Személyiségi és adatbiztonsági kérdések.

• Orvosi képfeldolgozási módszerek. A mammográfiás esettanulmány. A petefészekrák esettanulmány.

• Orvosi jelfeldolgozási módszerek. EEG epilepszia spike detekciós esettanulmány.

• Orvosi döntéstámogató eszközök Orvosi protokollok. Hasznossági modellek. Döntési hálók. Elosztott intelligens rendszerek. Távoli megfigyelés és riasztás. Felelősség kérdése szakértők, fejlesztők és felhasználók között.

• Kísérlettervezés és statisztikai adatelemzés. Kísérletek típusai. Adatgyűjtés minőségbiztosítása. Hibás és hiányzó adat kezelése. Tipikus adatelemzések. Adatbányászat. Asszociációs kísérletek tervezése és kiértékelése.

• Molekuláros biológiai adat és tudásbázisok és modellek. Szekvencia adatbázisok, fehérje adatbázisok, génaktivitás-mintázatok adatbázisai, metabolikus hálózat tudásbázisok, mutációs adatbázisok, ontológiák, tezauruszok és publikációs adatbázisok. Szekvenciamodellek: egy gén Rejtett Markov Modellje. Génszabályozási hálózatok Bayes hálós modelljei.

• Gyógyszerkutatás. A gyógyszerkutatás főbb fázisai. Bioinformatikai eszközök felhasználása gyógyszertervezésben. Személyre szabott gyógyászat.

• Közegészségügy. Országos statisztikai adatok és elemzések. Szemantikus világháló előnye és veszélyei orvosi információk közzétételére. Markov hálók alkalmazása járványokra Szűrőprogramok költség/haszon elemzése.

9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium)

A tárgy elméleti része előadás formájában kerül leadásra. Gyakorlati kísérletezésre a házi feladatban, a félév végi előadásokon kerül sor.

10. Követelmények a. A szorgalmi időszakban:

egy kötelező házi feladat. A házi feladat lényege egy adatelemzési feladat elvégzése az előadáson megismert sémák segítségével.

b. A vizsgaidőszakban: írásbeli vizsga. A vizsgára bocsátás feltétele a félévközi házi feladat minimális szintű (“megfelel”) tejesítése.

c. Elővizsga: nincs

11. Pótlási lehetőségek

A TVSZ-ben előírt szükséges módon.

12. Konzultációs lehetőségek

Igény esetén, megbeszélés alapján.

13. Jegyzet, tankönyv, felhasználható irodalom

A tárgy web-lapján közzétett előadási jegyzet, elektronikusan hozzáférhető ajánlott szakirodalom és kiegészítő információ, valamint web-es linkgyűjtemény.

1. Shortliffe and Perreault, Medical Informatics: Computing applications in health care and biomedicine

2. Shortliffe EH, Cimino JJ eds. Biomedical Informatics: Computer Applications in Health Care and Biomedicine (3rd edition). New York: Springer, 2006

3. Bioinformatics: The Machine Learning Approach, Second Edition (Adaptive Computation and Machine Learning) by Pierre Baldi, Soren Brunak, Sren Brunak

4. Bioinformatics: Databases and Systems by Stanley Letovsky (Editor)

5. Stuart Russell és Peter Norvig: Mesterséges intelligencia korszerű megközelítésben, 2., átdolgozott kiadás, Panem Kiadó, Budapest, 2006

6. Altrichter Márta, Horváth Gábor, Pataki Béla, Strausz György, Takács Gábor, Valyon József: Neurális hálózatok, Panem kiadó, 2007.

14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka

Kontakt óra	56
Félévközi készülés órákra
Felkészülés zárthelyire
Házi feladat elkészítése	14
Kijelölt írásos tananyag elsajátítása
Vizsgafelkészülés	50
Összesen	120

15. A tantárgy tematikáját kidolgozta

Név:	Beosztás:	Tanszék, Int.:
Horváth Gábor Antal Péter	egyetemi docens egyetemi adjunktus	MIT MIT

Egyéb megjegyzések A tantárgy neve angolul: Biomedical informatics

Budapest University of Technology and Economics, Faculty of Electrical Engineering and Informatics

Orvosbiológiai informatika