13М051СОМ - Системи одлучивања у медицини

Спецификација предмета
Назив		Системи одлучивања у медицини
Акроним		13М051СОМ
Студијски програм		Електротехника и рачунарство
Модул		модул Аудио и видео комуникације, модул Аудио и видео технологије, модул Биомедицински и еколошки инжењеринг, модул Биомедицинско и еколошко инжењерство, модул Електроенергетски системи Смер - Мреже и системи, модул Електроенергетски системи Смер - Обновљиви извори енергије, модул Електроенергетски системи Смер - Постројења и опрема, модул Електроника, модул Електроника и дигитални системи, модул Енергетска ефикасност, модул Информационо комуникационе технологије, модул Микроталасна техника, модул Наноелектроника и фотоника, модул Примењена математика, модул Рачунарска техника и информатика, модул Сигнали и системи, модул Системско инжењерство и радио комуникације, модул Софтверско инжењерство
Тип студија		мастер академске студије
Наставник (предавач)		проф. др Александра Крстић проф. др Сања Вујновић проф. др Александар Ракић
Наставник/сарадник (вежбе)		проф. др Александра Крстић 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 напредним методама за екстракцију и селекцију обележја, напредним статистичким и soft-computing техникама у претраживању скривеног знања и доношењу одлука у медицинском домену и регресионим моделима, као веома битним алатом у моделовању медицинских појава.
Исходи учења (стечена знања)		Исход предмета су да студенти имају вештине да изврше одабир најинформативнијих атрибута из скупа свих доступних атрибута, испројектују напредне технике за доношење одлука попут Бајесових мрежа и Марковљевих модела, као и да се савладају методе моделовања утицаја различитих параметара која се прате у медицинским истраживањима.
Садржај предмета
Садржај теоријске наставе		Теоријске основе и примена напредних техника у медицинском домену: Методе за екстракцију и селекцију обележја. Метода носећих вектора. Бајесове мреже. Марковљеви модели. Неуро-фази системи. Модели линеарне и логистичке рефресије.
Садржај практичне наставе		Овладавање програмском подршком за имплементацију напредних метода за екстракцију и селекцију атрибута, имплементацијом напредних метода за доношење одлука, као и формирање одговарајућих регресионих модела.
Литература
W. Vach, Regression Models as a Tool in Medical Research, CRC Press, 2013. M. Hunink, P. Glasziou, Decision Making in Health and Medicine, Cambridge University Press, 2003. Berka, P. (Ed.), Data Mining and Medical Knowledge Management: Cases and Applications, IGI Global, Berka, P. (Ed.). (2009). Data Mining and Medical Knowledge Management: Cases and Applications: Cases and Applications. IGI Global, 2009. C.M.Bishop, "Pattern Recognition and Machine Learning", Springer, 2006. T. Cleophas, A. Zwinderman. Machine learning in medicine-a complete overview. Cham, Switzerland: Springer International Publishing, 2020.
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	0
Практична настава		0	Усмени испит	40
Пројекти		60
Колоквијуми		0
Семинари		0