科目名 | 医用データサイエンス | ||
単位数 | 2.0 | ||
担当者 | 医用情報科学専攻 教授 新任教員 | ||
履修時期 | 前期(第1ターム) | ||
履修対象 | 3年次以上 | ||
講義形態 | 講義 | ||
講義の目的 | 医療・医学におけるデータを正しく扱うことは「根拠に基づく医療(EBM : Evidence-Based Medicine)」,そしてこれをサポートする情報科学・技術においても重要な基礎である.医療におけるツールとしての統計解析の基礎から,画像解析や機械学習によるパターン認識処理への応用までをカバーする本講義では,医療・医学のデータ処理を対象とした知識の習得のみならず,ソフトウェアツールの利用による実践技術を実習において学ぶことを目的とする. | ||
到達目標 |
下記にあげた具体的な目標の達成により, 医用データサイエンスにおける基礎的な知識・技能を習得する ・医療・医学におけるデータを正しく扱うための基礎知識および理論を習得する【知識2】 ・フリーウェア「R」を利用してデータ可視化・解析の基礎理論および基本技法を学ぶ【技能1】 ・画像解析や機械学習などの応用例を通して医療・医学におけるデータ解析の実例を理解する【思考力・判断力】 |
||
受講要件 | 線形代数学T・U,解析学T・U,確率統計を受講していることが望ましい.これらの科目の成績に応じて受講を制限する場合があります. | ||
履修取消の可否 | 可 | ||
履修取消不可の理由 | |||
事前・事後学修 |
・講義内容をノートにまとめ,さらに詳しい内容を参考書で調べる ・フリーウェア「R」によるデータ解析に慣れる ・データ解析、特に統計解析に必須の線形代数学,解析学,確率統計などの関連事項を復習する |
||
講義内容 |
第1回 ガイダンス・講義の概要 第2回 数学的準備 第3回 単変量統計と検定 第4回 <実習>Rの基礎・単変量統計と検定 第5回 検定における諸問題と解決法 第6回 多変量解析 第7回 <実習>線形単回帰・重回帰 第8回 生存時間解析・メタアナリシス 第9回 検査・診断の評価 第10回 <実習>ROC解析 第11回 機械学習とパターン認識(I)パラメトリック識別関数 第12回 機械学習とパターン認識(II)ノンパラメトリック識別関数 第13回 <実習>パターン認識 第14回 画像統計解析 第15回 まとめ |
||
期末試験実施の有無 | 実施しない | ||
評価方法・基準 |
レポート(70%)および授業参加度(30%)などにより評価を行う. 評価基準は学生便覧に記載の通り. |
||
教科書等 |
(参考書) ダレル・ハフ:統計でウソをつく法(ブルーバックス):講談社 新谷歩:今日から使える医療統計:医学書院 山田剛史ほか:Rによるやさしい統計学:オーム社 ペーター,ダルガード:Rによる医療統計学:丸善出版 ヒーリー:データ分析のためのデータ可視化入門:講談社 石井健一郎ほか:わかりやすいパターン認識:オーム社 |
||
担当者プロフィール | 核医学などの医用画像の解析と処理、画像再構成を含む画質改善処理の研究、および多施設臨床研究による大規模データの統計解析に従事 | ||
講義に関連する実務経験 | 1998年−2001年京都大学医学部附属病院、2001年−2007年先端医療センターに勤務(映像医療機器を用いた診断・治療に関する研究開発に従事)。2018年−現在神戸市立医療センター中央市民病院臨床研究推進センター客員研究員(多施設臨床研究に従事) | ||
課題や試験に対するフィードバック | レポートに対しての総評を講義時間内にて説明し, 必要に応じて個別評価をメール等を通じて学生個々に伝える. | ||
アクティブ・ラーニング | Project Based Learning(課題解決型学習), ディスカッション | ||
キーワード | 統計的検定,線形単回帰・重回帰, 生存時間解析, 検査・診断の評価, 機械学習とパターン認識, 画像統計解析 | ||
備考 |