Berekningsorientert avbilding, modellering og KI i biomedisin
Masteremne
- Studiepoeng
- 10
- Undervisningssemester
- Vår
- Emnekode
- BMED365
- Talet på semester
- 1
- Undervisningsspråk
- Engelsk
- Ressursar
- Timeplan
Emnebeskrivelse
Mål og innhald
Læringsutbyte
Ved fullført emne skal studenten ha følgjande læringsutbytte definert i form av kunnskap, ferdigheiter og generell kompetanse:
Kunnskap
Studenten ...Har brei kunnskap om omgrepa "fleirskala og multiparametrisk biomedisinsk avbilding",
"berekningsorientert modellering", "big data", "nettverksanalyse", "maskinlæring", "djup læring" og "generativ KI" (t.d. store språkmodellar) og var i stand til å relatera desse omgrepa til døme frå biomedisin, og persontilpassa medisin / presisjonsmedisin.
Ferdigheiter
Studenten ...Kan finna og bruka eit utval av moderne programvareverktøy for dataanalyse, visualisering, rapportering og generativ KI, t.d. eksplorativ dataanalyse, figur- og grafikkproduksjon med Jupyter notebooks, og effektiv prompting av store språkmodellar som ChatGPT. Kan kommunisera om utvalde metodar og programpakker / -bibliotek der desse metodar er implementert og forklara deira relevans i biomedisinsk forsking og medisin.
Generell kompetanse
Studenten ...Erkjenner betydninga av matematiske modellar, berekningsorientering og store språkmodellar for analyse og forståing av komplekse system og sjukdomsprosessar. Erkjenne behovet for tverrfagleg samarbeid innan biomedisinen i framtida. Etiske og regulatoriske aspekt ved biomedisinsk KI. Kan analysera korleis vitskapleg samarbeid i form av «open science», deling av data og «reproduserbar forsking» kan føra vitskapen vidare.
Studiepoeng, omfang
Studienivå (studiesyklus)
Undervisningssemester
Krav til forkunnskapar
Tilrådde forkunnskapar
Studiepoengsreduksjon
Krav til studierett
Studentar teke opp til eit masterprogram ved Det medisinske fakultetet eller Fakultet for naturvitskap og teknologi ved UiB (eller eit anna universitet) og studentar teke opp til ingeniørstudiet ved HVL (eller eit anna universitet, t.d. Erasmusstudent). Kvalifiserte studentar utanfor UiB vil få gjestestudentstatus ved opptak til emnet.
Det er plass til maks. 20 studentar, med 10 plassar reservert for masterstudentar i biomedisin.
Arbeids- og undervisningsformer
Undervisningsstilen er orientert mot "blended learning" og "flipped classroom":
Kurset er delt inn i to blokker. I den første blokka vil det vera to dagar med introduksjons- og motiverande forelesingar, inkludert demonstrasjonar. Det vil vera e-læring/lab-moduler på eit GitHub-repositorium (før, under og tilgjengeleg etter kurset) som tek for seg læringsutbyttet for kurset. Ei innlevering knytt til eit spesifikt emne innan biomedisin, valt blant eit lite utval førehandsdefinerte prosjekt, er obligatorisk. Dette vil bli organisert som prosjekt i små team, der samarbeid mellom studentar med fagretning i ulike tema i sin Bachelor t.d. høvesvis biologi og informatikk («tandem») blir søkt. Dette tverrfaglege teamprosjektet skal presenterast munnleg på eit av dei siste møta i første blokk. Den andre blokka vil fokusera på berekningsorientert biomedisinsk avbilding (MRI, IMC, ...) og modellering. Mellom første og andre blokk skal studentane jobba med sitt eige personlege prosjekt, definert av studenten sjølve innanfor ramma av emnet. Dette prosjektet må leverast før slutten av blokk to og vil bli presentert for resten av studentane som ein "speed postar". Det blir totalt seks "labs"/"treff" med lærarar og undervisningsassistentar. Avsluttande digital eksamen. Kurset føreset at studentane har eigen berbar PC (eller låner ein).
Obligatorisk undervisningsaktivitet
Ei obligatorisk teamprosjekt-deltaking, -innlevering og gruppepresentasjon, etterfølgd av eit individuelt prosjekt med ein "speed-poster" presentasjon, delvis med ein komponent av kvarandre-vurdering. Obligatoriske aktivitetar blir registrerte av emneansvarleg og må beståast før avsluttande eksamen.
Vurderingsformer
Teamprosjekt og gruppepresentasjon i blokk ein, og innlevering av personleg prosjekt og presentasjon av tilsvarande «speed poster» i blokk to skal godkjennast.
Avsluttande digital heimeeksamen (2 timar) med kviss og MCQ med bestått/ikkje bestått.
Karakterskala
Vurderingssemester
Litteraturliste
Litteraturlista og studiemateriale (på GitHub) vil vere klar innan 01.07 for haustsemesteret og 01.12 for vårsemesteret.