| 年度 |
2024年度 |
開講部局 |
総合科学部総合科学科 |
| 講義コード |
ANM23001 |
科目区分 |
専門教育科目 |
| 授業科目名 |
情報数理学特講ＩＩ |
授業科目名
（フリガナ） |
ジョウホウスウリガクトッコウII |
| 英文授業科目名 |
Topics in Mathematical and Information Sciences II |
| 担当教員名 |
石川 雅浩 |
担当教員名
(フリガナ) |
イシカワ マサヒロ |
| 開講キャンパス |
東広島 |
開設期 |
3年次生 前期 集中 |
| 曜日・時限・講義室 |
(集) 集中 |
| 授業の方法 |
講義 |
授業の方法
【詳細情報】 |
|
| 講義中心、演習中心、板書多用、ディスカッション、学生の発表、野外実習、作業、薬品使用 |
| 単位 |
2.0 |
週時間 |
|
使用言語 |
J
:
日本語 |
| 学習の段階 |
3
:
中級レベル
|
| 学問分野（分野） |
25
:
理工学 |
| 学問分野（分科） |
02
:
情報科学 |
| 対象学生 |
総合科学部3, 4年次生 その他画像処理・医用画像処理に興味ある学生 |
| 授業のキーワード |
医用画像処理とその応用，医用画像処理，病理画像処理，コンピュータ診断支援，深層学習，機械学習
|
| 教職専門科目 |
|
教科専門科目 |
|
プログラムの中での
この授業科目の位置づけ
（学部生対象科目のみ） | |
|---|
到達度評価
の評価項目
（学部生対象科目のみ） | 総合科学プログラム
（知識・理解）
・当該の個別学問体系の重要性と特性、基本となる理論的枠組みへの知識・理解
（能力・技能）
・課題の考察のために必要な理論・方法を特定する能力・技能 |
|---|
| 授業の目標・概要等 |
現在，注目されている画像処理技術の中で，特に，医用画像処理とその応用に焦点を当て，基礎技術から応用技術までの理解，修得を目標とし，コンピュータ診断支援, 病理画像処理, ハイパースペクトル画像, MRI, 腎機能推定, 深層学習, Generative Adversarial Networks, 画像処理, Artificial Intelligence, 分光透過率, 画像処理, 医用画像処理, DICOM画像, 機械学習などについて概説する． |
| 授業計画 |
第1回 コンピュータ診断支援
第2回 病理画像処理
第3回 ハイパースペクトル画像
第4回 MRI
第5回 腎機能推定
第6回 深層学習
第7回 Generative Adversarial Networks
第8回 画像処理
第9回 Artificial Intelligence
第10回 分光透過率
第11回 画像処理
第12回 医用画像処理
第13回 医用画像処理
第14回 DICOM画像
第15回 機械学習・まとめ
基本的には，レポートで評価（試験を実施する場合もあり） |
| 教科書・参考書等 |
資料は基本的に配布予定．
参考文献
１．鳥脇純一郎、「３次元ディジタル画像処理」、昭晃堂、2003年3月10日．
２．日本デジタルパソロジー研究会、「デジタルパソロジー入門」、篠原出版新社、2017年9月19日．
３．富野康日己、柏原直樹、成田一衝、「Annual Review 2016 腎臓」、中外医学社、2016年．
４．Nikhil Budubuduma, 「実践Deep Learning」オライリージャパン、2018年4月24日． |
授業で使用する
メディア・機器等 |
|
| 【詳細情報】 |
|
授業で取り入れる
学習手法 |
|
予習・復習への
アドバイス |
予習：事前に配布した資料を読んでおく
復習：重要なポイントをノートにまとめておく |
履修上の注意
受講条件等 |
|
| 成績評価の基準等 |
レポート（ミニレポート40%，最終レポート60%等）により評価．試験を実施する場合は50%,50%で評価する． |
| 実務経験 |
|
実務経験の概要と
それに基づく授業内容 |
|
| メッセージ |
スケジュール(仮)
5日間予定(9/2-9/10の間) |
| その他 |
|
すべての授業科目において，授業改善アンケートを実施していますので，回答に協力してください。
回答に対しては教員からコメントを入力しており，今後の改善につなげていきます。 |