Καθηγητές Μαθήματος
Περίγραμμα
| ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ | Ειδικού Υποβάθρου | ||
| ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ: | |||
| ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ: | ΕΛΛΗΝΙΚΑ & ΑΓΓΛΙΚΑ | ||
| ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS | ΝΑΙ | ||
| ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL) | https://bme.uniwa.gr/course/decision-support-systems/ | ||
| (2) ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ | |||
| Μαθησιακά Αποτελέσματα Περιγράφονται τα μαθησιακά αποτελέσματα του μαθήματος οι συγκεκριμένες γνώσεις, δεξιότητες και ικανότητες καταλλήλου επιπέδου που θα αποκτήσουν οι φοιτητές μετά την επιτυχή ολοκλήρωση του μαθήματος. |
|||
| Μετά το τέλος του μαθήματος οι φοιτητές θα έχουν εξειδικευμένες γνώσεις και θα είναι σε θέση να κατανοούν τις βασικές και καινοτόμες τεχνικές που χρησιμοποιούνται στα συστήματα υποστήριξης απόφασης και να μελετήσουν τις εφαρμογές τους στην ιατρική και τη βιολογία. | |||
| Γενικές Ικανότητες Λαμβάνοντας υπόψη τις γενικές ικανότητες που πρέπει να έχει αποκτήσει ο πτυχιούχος (όπως αυτές αναγράφονται στο Παράρτημα Διπλώματος και παρατίθενται ακολούθως) σε ποια / ποιες από αυτές αποσκοπεί το μάθημα;. |
|||
| • Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών • Προσαρμογή σε νέες καταστάσεις • Λήψη αποφάσεων • Αυτόνομη εργασία • Ομαδική εργασία • Εργασία σε διεθνές περιβάλλον • Εργασία σε διεπιστημονικό περιβάλλον. • Παράγωγή νέων ερευνητικών και καινοτόμων ιδεών. • Μπορεί να διαχειρίζεται και να μετασχηματίζει σύνθετα και απρόβλεπτα περιβάλλοντα εργασίας που απαιτούν νέες στρατηγικές προσεγγίσεις. |
|||
| (3) ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ | |||
| • Εισαγωγή, ιστορική αναδρομή, διαγνωστικά σφάλματα, αναγκαιότητα συστημάτων υποστήριξης απόφασης στην ιατρική και τη βιολογία • Διαδικασίες λήψης αποφάσεων στην ιατρική και τη βιολογία • Δομή συστημάτων υποστήριξης απόφασης, συλλογή, επεξεργασία, ανάλυση ιατροβιολογικών δεδομένων, βελτιστοποίηση και λήψη απόφασης, αξιολόγηση αξιοπιστίας • Σχεδιασμός και υλοποίηση συστημάτων υποστήριξης απόφασης, αναγνώριση προτύπων, μηχανική μάθηση, τεχνητή νοημοσύνη, internet, τηλεϊατρική, πληροφοριακά συστήματα υγείας • Παραδείγματα συστημάτων υποστήριξης απόφασης στην ιατρική και τη βιολογία (πρώιμη διάγνωση του μελανώματος, διαβάθμιση κακοήθειας στον καρκίνο εγκεφάλου, διαφοροποίηση καλοήθειας και κακοήθειας στον καρκίνο του μαστού, αναγνώριση βιοδεικτών σε πρωτεομικά φάσματα, μελέτη έκφρασης γονιδίων κ.α.) • Εμπορικά συστήματα, νομικά ζητήματα και ζητήματα βιοηθικής |
|||
| (4) ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ – ΑΞΙΟΛΟΓΗΣΗ | |||
| ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ Πρόσωπο με πρόσωπο, Εξ αποστάσεως εκπαίδευση κ.λπ. |
Πρόσωπο με πρόσωπο στην πανεπιστημιακή αίθουσα. | ||
| ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ Χρήση Τ.Π.Ε. στη Διδασκαλία, στην Εργαστηριακή Εκπαίδευση, στην Επικοινωνία με τους φοιτητές |
Ηλεκτρονικές Παρουσιάσεις στη Διδασκαλία. Χρήση της ηλεκτρονικής πλατφόρμας eClass του Τμήματος στη Διδασκαλία και στην Επικοινωνία με τους φοιτητές. |
||
| ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ | Δραστηριότητα | Φόρτος Εργασίας Εξαμήνου | |
| Περιγράφονται αναλυτικά ο τρόπος και μέθοδοι διδασκαλίας. Αναγράφονται οι ώρες μελέτης του φοιτητή για κάθε μαθησιακή δραστηριότητα καθώς και οι ώρες μη καθοδηγούμενης μελέτης σύμφωνα με τις αρχές του ECTS |
Διαλέξεις (2×13) | 26 | |
| Αυτοτελής μελέτη | 94 | ||
| Σύνολο Μαθήματος | 120 | ||
|
ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ Περιγραφή της διαδικασίας αξιολόγησης Αναφέρονται ρητά προσδιορισμένα κριτήρια αξιολόγησης και εάν και που είναι προσβάσιμα από τους φοιτητές. |
Γλώσσα αξιολόγησης: Ελληνικά. Μέθοδος αξιολόγησης: Θεωρία (100%): Τελική αξιολόγηση με ερωτήσεις σύντομης απάντησης και επίλυση προβλημάτων. |
||
| (5) ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ | |||
| • Berner E., Clinical Decision Support Systems, 1999 • Suzuki K, Chen Y, Artificial Intelligence in Decision Support Systems for Diagnosis in Medical Imaging, 2018 • Tan J., Health Decision Support Systems, 1998 • Mazzoncini de Azevedo-Marques P., Mencattini A., Salmeri M., Rangayyan R., Medical Image Analysis and Informatics: Computer-Aided Diagnosis and Therapy, 2017 • Gonzalez, R.C., R.E. Woods, Ψηφιακή Επεξεργασία Εικόνας, 4η έκδοση, 2018 • Theodoridis, Machine Learning: A Bayesian and Optimization Perspective, 2015 |
|||