13Е053СОМ - Системи одлучивања у медицини

Спецификација предмета
Назив		Системи одлучивања у медицини
Акроним		13Е053СОМ
Студијски програм		Електротехника и рачунарство
Модул		модул Биомедицинско и еколошко инжењерство, модул Физичка електроника - смер Биомедицински и еколошки инжењеринг, модул Физичка електроника - смер Биомедицински и нуклеарни инжењеринг, модул Физичка електроника - смер Наноелектроника и фотоника
Тип студија		мастер академске студије,основне академске студије
Наставник (предавач)		проф. др Александра Крстић проф. др Сања Вујновић проф. др Жељко Ђуровић
Наставник/сарадник (вежбе)		ас. мс Марија Новичић, дипл. инж. ел. и рач.
Наставник/сарадник (ДОН)		проф. др Александра Крстић ас. мс Марија Новичић, дипл. инж. ел. и рач.
Број ЕСПБ		6.0	Статус предмета	изборни
Условљност другим предметима		нема
Циљеви изучавања предмета		Циљ предмета је да студенти овладају основним методама за селекцију и екстракцију обележја, техникама статистичког препознавања облика у медицинском домену, неуралним мрежама за потребе доношења одлуке у медицини, као и мерама за евалуацију пројектованих система одлучивања.
Исходи учења (стечена знања)		По завршетку курса студенти ће имати вештине које се односе на избор релевантних обележја и формулисање квалитетних обучавајућих/тестирајућих скупова, пројектовање и тестирање одговарајућих система одлучивања, осносно техника за класификацију или кластеризацију обележја.
Садржај предмета
Линк ка страници предмета		https://automatika.etf.bg.ac.rs/sr/13e053som
Линк ка предавањима		https://teams.microsoft.com/l/team/19%3Al3hvwNFoTadTV0IW6wHFDmBz77KIXOFPSIL6G9rAbrs1%40thread.tacv2/conversations?groupId=ca7944ef-362e-4238-a31e-445d615c7df3&tenantId=1774ef2e-9c62-478a-8d3a-fd2a495547ba
Садржај теоријске наставе		Случајне променљиве и случајни вектори. Методе за екстракцију и селекцију обележја. Тестирање хипотеза Бајесовском анализом. Пројектовање линеарних и квадратних параметарских класификатора. Пројектовање непараметарских класификатора. Стабла одлучивања. Основе неуралних мрежa.
Садржај практичне наставе		Овладавање програмском подршком (Phyton ili Matlab) за селекцију најинформативнијих атрибута у процесу одлучивања, пројектовањe система одлучивање, као и процену ефикасности синтетисаних система, а у контексту доношења одлука у медицини разматрањем релеватних база података.
Литература
C.M.Bishop, Pattern Recognition and Machine Learning, Springer, 2006. T.Hastie, R. Tibshirani, J. Friedman, The Elements of Statistical Learning, Data Mining, Inference, and Prediction, Springer, 2001. J. Rahman, Brief Guidelines for Mehods and Statistics in Medical Research, Springer, 2015. K. Fukunaga, Introduction to Statistical Pattern Recognition, Prentice Hall, 1992. T. Cleophas, A. Zwinderman, Machine learning in medicine-a complete overview, Cham; Heidelberg: Springer International Publishing, 2015.
Број часова активне наставе недељно током семестра/триместра/године
Предавања	Вежбе	ДОН	Студијски и истраживачки рад	Остали часови
3	1	1
Методе извођења наставе		Предавања (45), аудиторне вежебе (15) и вежбе на рачунару (15).
Оцена знања (максимални број поена 100)
Предиспитне обавезе		Поена	Завршни испит	Поена
Активности у току предавања		0	Писмени испит	70
Практична настава		30	Усмени испит	0
Пројекти
Колоквијуми		0
Семинари		0