Detail předmětu

Umělá inteligence v medicíně

FEKT-AUINAk. rok: 2011/2012

Předmět je orientován na oblasti umělé inteligence, které se uplatňují při rozhodování v medicíně. Zaměřuje se zejména na metody rozpoznávání, úvod do umělých neuronových sítí a základní principy expertních systémů. Všímá si také využití pravděpodobnostních metod pro rozhodování za neurčitostí a využití fuzzy logiky při přibližném usuzování.

Jazyk výuky

čeština

Počet kreditů

5

Garant předmětu

doc. Ing. Jiří Kozumplík, CSc.

Zajišťuje ústav

Ústav biomedicínského inženýrství (UBMI)

Výsledky učení předmětu

Získání základního přehledu v oblastech příznakových metod klasifikace, neuronových sítí a expertních systémů. Schopnost navrhovat jednoduché medicínské klasifikační a rozhodovací systémy.

Prerekvizity

Jsou požadovány znalosti na úrovni středoškolského studia.

Plánované vzdělávací činnosti a výukové metody

Metody vyučování závisejí na způsobu výuky a jsou popsány článkem 7 Studijního a zkušebního řádu VUT.

Způsob a kritéria hodnocení

Podmínky pro úspěšné ukončení předmětu stanoví každoročně aktualizovaná vyhláška garanta předmětu.

Osnovy výuky

Co je umělá inteligence. Rozpoznávání, deterministické a statistické klasifikátory. Učící se klasifikátory, neuronové sítě. Principy expertních systémů. Deduktivní logika, výroková logika, predikátová logika. Rozhodování za neurčitostí a nepřesná inference. Fuzzy množiny, jazyková proměnná, fuzzy logika a přibližné usuzování.

Učební cíle

Seznámit studenty s oblastmi umělé inteligence, které se uplatňují při rozhodování v lékařství. Vysvětlit teoretické principy počítačově podporované diagnostiky v medicíně.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Vymezení kontrolované výuky a způsob jejího provádění stanoví každoročně aktualizovaná vyhláška garanta předmětu.

Základní literatura

Kozumplík, J., Provazník, I.: Umělá inteligence v medicíně. Elektronická skripta. ÚBMI FEKT VUT v Brně, Brno, 2007. (CS)

Doporučená literatura

Šnorek, M.: Neuronové sítě a neuropočítače. Skripta ČVUT, Praha, 2002 (CS)

Zařazení předmětu ve studijních plánech

  • Program BTBIO-A bakalářský

    obor A-BTB , 3 ročník, zimní semestr, povinný

  • Program EEKR-CZV celoživotní vzdělávání (není studentem)

    obor ET-CZV , 1 ročník, zimní semestr, povinný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

doc. Ing. Jiří Kozumplík, CSc.
prof. Ing. Valentine Provazník, Ph.D.

Osnova

Úvod do umělé inteligence (UI), možnosti použití UI v medicíně. Principy rozhodování v medicíně.
Rozpoznávání. Výběr a uspořádání příznaků, příznakové metody rozpoznávání, shluková analýza.
Deterministické klasifikátory. Metoda diskriminančních funkcí. Klasifikace podle minimální vzdálenosti.
Statistické klasifikátory. Kriterium minimální pravděpobnosti chyby rozhodnutí. Bayesovo kriterium.
Učící se klasifikátory. Úvod do neuronových sítí. Jednotlivý neuron, perceptron. Hammingova síť.
Klasifikační možnosti jedno- a vícevrstvých perceptronů. Hopfieldova síť. Učení dopředných sítí.
Expertní systémy. Jazyky expertních systémů, programovací jazyk CLIPS.
Principy expertních systémů. Deduktivní logika, výroková logika, predikátová logika.
Logické systémy a rezoluční metoda. Inference - dopředné a zpětné řetězení.
Neurčitost a nepřesná inference, pravděpodobnost, faktory určitosti, Dempsterova-Shaferova teorie.
Fuzzy množiny a operace s nimi. Jazyková proměnná, fuzzy čísla a fuzzy relace.
Fuzzy logika, přibližné usuzování, kompoziční pravidlo fuzzy inference. Defuzzyfikace.
Znalostní inženýrství, principy a zásady návrhu expertních systémů.

Cvičení na počítači

13 hod., povinná

Vyučující / Lektor

Ing. Marina Filipenská, Ph.D.

Osnova

Počítačová cvičení v prostředí Matlab a CLIPS)
Deterministické klasifikátory a statistické klasifikátory v Matlabu
Neuronové sítě v Matlabu
Seznámení studentů s jazykem CLIPS
Jednoduchý rozhodovací (expertní) systém s použitím jazyka CLIPS
Inference s nejistotami (fuzzy pravidla) v CLIPSu
Konstrukce jednoduchých fuzzy pravidel v CLIPSu