Sztuczna inteligencja w diagnostyce i praktyce medycznej

Charakterystyka studiów:

Ogólne cele kształcenia w ramach studiów podyplomowych pt. Sztuczna inteligencja w diagnostyce i praktyce medycznej koncentrują się na przekazaniu słuchaczom wiedzy dotyczącej zastosowań sztucznej inteligencji w medycynie, nauczeniu słuchaczy praktycznych umiejętności związanych z zastosowaniem sztucznej inteligencji w procedurach medycznych oraz nauczeniu słuchaczy poprawnej interakcji z systemami sztucznej inteligencji, w szczególności wyposażenia słuchaczy w umiejętność interpretowania działania takich systemów oraz rozumienia ich ograniczeń. Podczas zajęć konwersatoryjnych słuchacze, poprzez analizę przypadków, zapoznają się z obszarami zastosowań sztucznej inteligencji w medycynie. Podczas zajęć warsztatowych słuchacze nabędą praktycznych umiejętności związanych z wykorzystaniem systemów sztucznej inteligencji, w tym algorytmów uczenia maszynowego i algorytmów uczenia głębokiego do rozwiązywania praktycznych problemów medycznych.

 

Plan studiów:

SEMESTR STUDIÓW - I :

Lp.

Nazwa przedmiotu

forma zajęć

liczba godzin zajęć

sposób zaliczenia

Liczba punktów ECTS

1.      

Sztuczna inteligencja w diagnostyce obrazowej – studium przypadków

konwersato­rium

30

Praca przejściowa

4

2.      

Metody analizy obrazów medycznych

zajęcia warsztatowe

30

Projekt

4

3.      

Narzędzia open source w analizie obrazów medycznych

zajęcia warsztatowe

15

Projekt

3

4.      

Metody analizy sygnałów medycznych

zajęcia warsztatowe

30

Projekt

4

5.      

Narzędzia open source w analizie sygnałów medycznych

zajęcia warsztatowe

15

Projekt

3

Łączna liczba godzin: 120

Łączna liczba punktów ECTS: 18

 

SEMESTR STUDIÓW - II :

Lp.

Nazwa przedmiotu

forma zajęć

liczba godzin zajęć

sposób zaliczenia

Liczba punktów ECTS

6.      

Implementacja systemów  sztucznej inteligencji w języku Python 

zajęcia warsztatowe

30

Projekt

4

7.      

Metody sztucznej inteligencji

zajęcia warsztatowe

30

Projekt

4

8.      

Metody Deep Learning (DL)

zajęcia warsztatowe

30

Projekt

4

9.      

Metody Deep Learing w medycznej diagnostyce obrazowej – studium przypadków

zajęcia warsztatowe

30

Projekt

4

Łączna liczba godzin: 120

Łączna liczba punktów ECTS: 16

 

Sylwetka absolwenta:

Absolwent studiów podyplomowych uzyskuje kompetencje w obszarze praktycznego wykorzystania metod sztucznej inteligencji w medycynie. Absolwenci są przygotowani do:

  • identyfikacji procedur medycznych, które mogą być wsparte metodami sztucznej inteligencji;
  • identyfikacji metod sztucznej inteligencji, które mogą być użyte do wsparcia procedur medycznych;
  • identyfikacji i wykorzystania technologii, które mogą być użyte do opartej na sztucznej inteligencji automatyzacji procedur medycznych.