Цифровые технологии анализа
медицинских данных
медицинских данных
Создано при помощи нейросети Kandinsky
Программа дополнительной профессиональной переподготовки «Цифровые технологии анализа медицинских данных» предназначена для подготовки специалистов по информационным ресурсам и обработке медицинских данных.
Срок обучения – 9 месяцев
Форма обучения – очный или очно-заочный с применением дистанционных образовательных технологий (онлайн-обучение)
Присваиваемая квалификация – Специалист по информационным ресурсам и обработке медицинских данных
Стоимость - бесплатно
В ходе обучения Вы научитесь:
Срок обучения – 9 месяцев
Форма обучения – очный или очно-заочный с применением дистанционных образовательных технологий (онлайн-обучение)
Присваиваемая квалификация – Специалист по информационным ресурсам и обработке медицинских данных
Стоимость - бесплатно
В ходе обучения Вы научитесь:
- применять алгоритмы и функции на языке Python, практически работать с библиотеками для языка программирования;
- проводить статистический анализ медицинских данных;
- решать прикладную медицинскую задачу с помощью метода анализа данных с использованием языка Python;
- анализировать медицинские данные при помощи машинного обучения и нейросетей.
Содержание программы
Модуль 1. Основы математического анализа медико-биологических данных
1.1 Электронные таблицы
Введение. Основные элементы электронных таблиц. Редактирование и форматирование документа в электронных таблицах. Знакомство с "Мой Офис Таблица", "Яндекс.Документы", Microsoft Excel
8
1.2 Работа с данными в электронных таблицах
Сортировка, применение фильтров. Условное форматирование. Визуализация данных в электронных таблицах. Построение графиков и диаграмм.
Сортировка, применение фильтров. Условное форматирование. Визуализация данных в электронных таблицах. Построение графиков и диаграмм.
8
1.3 Функции в электронных таблицах
Знакомство с функциями. Математические и статистические функции. Логические функции.
Знакомство с функциями. Математические и статистические функции. Логические функции.
8
1.4 Специализированное программное обеспечение для статистического анализа данных
Jamovi. Введение. Основные элементы окна. Работа с данными. Основные функции
Jamovi. Введение. Основные элементы окна. Работа с данными. Основные функции
8
1.5 Основы работы с данными
Понятие генеральной совокупности и выборки. Типы переменных. Сравнительный анализ количественных признаков. Описательная статистика. Меры центральной тенденции. Меры изменчивости. Доверительные интервалы.
Понятие генеральной совокупности и выборки. Типы переменных. Сравнительный анализ количественных признаков. Описательная статистика. Меры центральной тенденции. Меры изменчивости. Доверительные интервалы.
8
1.6 Плотность распределения случайной величины
Оценка распределения. Построение и интерпретация гистограммы. Построение и интерпретация графика QQ-Plot. Проверка на соответствие выборки "нормальному" распределению с помощью теста Шапиро-Уилка.
Оценка распределения. Построение и интерпретация гистограммы. Построение и интерпретация графика QQ-Plot. Проверка на соответствие выборки "нормальному" распределению с помощью теста Шапиро-Уилка.
8
1.7 Сравнение двух выборок
Методы статистической проверки гипотез. Связанные и несвязанные данные. t-критерий Стьюдента для независимых выборок, парный t-критерий Стьюдента.
Методы статистической проверки гипотез. Связанные и несвязанные данные. t-критерий Стьюдента для независимых выборок, парный t-критерий Стьюдента.
8
1.8 Непараметрические критерии
Сравнение независимых выборок. Критерий Манна-Уитни. Q критерий Розенбаума. Сравнение парных выборок. Критерий знаков. Критерий Вилкоксона.
Сравнение независимых выборок. Критерий Манна-Уитни. Q критерий Розенбаума. Сравнение парных выборок. Критерий знаков. Критерий Вилкоксона.
8
1.9 Сравнительный анализ качественных признаков
Описательная статистика качественных признаков. Точный критерий Фишера. Таблицы сопряженности, критерий хиквадрат. Критерий Мак-Нимара для парных измерений.
Описательная статистика качественных признаков. Точный критерий Фишера. Таблицы сопряженности, критерий хиквадрат. Критерий Мак-Нимара для парных измерений.
8
1.10 Корреляционный анализ
Расчет коэффициента парной линейной корреляции Пирсона. Расчет коэффициента ранговой корреляции Спирмена. Интерпретация результатов.
Расчет коэффициента парной линейной корреляции Пирсона. Расчет коэффициента ранговой корреляции Спирмена. Интерпретация результатов.
8
1.11 Регрессионный анализ
Виды регрессионных моделей. Критерии оценки качества модели. Коэффициент детерминации. Интерпретация результатов анализа.
Виды регрессионных моделей. Критерии оценки качества модели. Коэффициент детерминации. Интерпретация результатов анализа.
6
1.12 Дифференциальная информативность функциональных параметров
Расчет частной и общей дифференциальной информативности функциональных параметров.
Расчет частной и общей дифференциальной информативности функциональных параметров.
6
1.13 Оценка тяжести состояния организма
Оценка частной и общей тяжести состояния организма пациента по нескольким функциональным параметрам.
Оценка частной и общей тяжести состояния организма пациента по нескольким функциональным параметрам.
6
ВСЕГО
100
1.14 Промежуточная аттестация. Тестирование
2
1.15 Промежуточная аттестация. УИРС
6
Модуль 2. «Анализ медицинских данных с помощью языков программирования высокого уровня
2.1 Введение в Python
Основные принципы и понятия языка Python. Основные встроенные типы данных. Основные операции языка Python. Консольный ввод и вывод.
Основные принципы и понятия языка Python. Основные встроенные типы данных. Основные операции языка Python. Консольный ввод и вывод.
6
2.2 Алгоритмы
Понятие алгоритма, формы записи и свойства алгоритма. Вычислительная сложность алгоритма и методы ее оценки.
Понятие алгоритма, формы записи и свойства алгоритма. Вычислительная сложность алгоритма и методы ее оценки.
6
2.3 Алгоритмы общего назначения
Алгоритмы сортировки, поиска максимума, минимума и заданного значения в списке. Быстрые и небыстрые алгоритмы. Реализация их на языке Python.
Алгоритмы сортировки, поиска максимума, минимума и заданного значения в списке. Быстрые и небыстрые алгоритмы. Реализация их на языке Python.
6
2.4 Управляющие конструкции
Алгоритмы. Программные блоки. Логические операторы. Циклы. Условные операторы.
Алгоритмы. Программные блоки. Логические операторы. Циклы. Условные операторы.
6
2.5 Функции
Определение функции. Аргументы функции: обязательные, необязательные. Передача аргументов: по значению, по ссылке. Области видимости переменных. Рекурсия.
Определение функции. Аргументы функции: обязательные, необязательные. Передача аргументов: по значению, по ссылке. Области видимости переменных. Рекурсия.
6
2.6 Работа с коллекциями
Коллекция. Индексация. tuple. list. Срезы. Списковые включения. Операции над списками.
Коллекция. Индексация. tuple. list. Срезы. Списковые включения. Операции над списками.
6
2.7 Организация кода. Работа с файловой системой
Модули. Пакеты, файл __init__.py. Зависимости: ключевое слово import, конструкция from ... import … PYTHONPATH. Точка входа в приложение. Работа с файлами.
Модули. Пакеты, файл __init__.py. Зависимости: ключевое слово import, конструкция from ... import … PYTHONPATH. Точка входа в приложение. Работа с файлами.
6
2.8 Основы объектно- ориентированного программирования (ООП)
ООП. Наследование. Полиморфизм. Инкапсуляция. ООП в Python. Метод __init__. Ключевое слово self. Свойства/атрибуты класса. Методы/функции. Наследование в Python. Статические методы, атрибуты класса.
ООП. Наследование. Полиморфизм. Инкапсуляция. ООП в Python. Метод __init__. Ключевое слово self. Свойства/атрибуты класса. Методы/функции. Наследование в Python. Статические методы, атрибуты класса.
6
2.9 Исключения
Инкапсуляция/сокрытие реализации в Python. Обработка исключительных ситуаций. Конструкция: try … catch … Пользовательские классы исключений.
Инкапсуляция/сокрытие реализации в Python. Обработка исключительных ситуаций. Конструкция: try … catch … Пользовательские классы исключений.
8
2.10 Внешние библиотеки
Загрузка и подключение (импорт) внешних библиотек Python. Библиотеки Numpy, Matplotlib, skimage. Их назначение.
Загрузка и подключение (импорт) внешних библиотек Python. Библиотеки Numpy, Matplotlib, skimage. Их назначение.
8
2.11 Статистический, корреляционный и регрессионный анализ данных
Методы статистической обработки данных медицинских исследований. Корреляционный анализ (параметрические и непараметрические методы), регрессия (одно- и многофакторная). Реализация на языке Python.
Методы статистической обработки данных медицинских исследований. Корреляционный анализ (параметрические и непараметрические методы), регрессия (одно- и многофакторная). Реализация на языке Python.
8
ВСЕГО
70
2.11 Промежуточная аттестация. Тестирование
2
Модуль 3. Применение машинного обучения и искусственного интеллекта в здравоохранении
3.1 Машинное обучение и искусственный интеллект
Современное понятие машинного обучения и искусственного интеллекта. Определение. Основные термины. Классификация алгоритмов.
Современное понятие машинного обучения и искусственного интеллекта. Определение. Основные термины. Классификация алгоритмов.
6
3.2 Визуализация медицинских данных
Представление медицинских данных в виде таблиц. Графическая визуализация исходных данных и результатов их обработки.
Представление медицинских данных в виде таблиц. Графическая визуализация исходных данных и результатов их обработки.
6
3.3 Обработка медицинских изображений
Типовые методы обработки и анализа изображений (контрастирование, удаление шумов, масштабирование). Алгоритмы определения границ объектов на изображениях. Сегментация.
Типовые методы обработки и анализа изображений (контрастирование, удаление шумов, масштабирование). Алгоритмы определения границ объектов на изображениях. Сегментация.
6
3.4 Искусственные нейронные сети (НС)
Понятие НС. Модель нейрона, функция активации. Полносвязанные НС, сверточные и рекуррентные НС и их применение для обработки медицинских данных.
Понятие НС. Модель нейрона, функция активации. Полносвязанные НС, сверточные и рекуррентные НС и их применение для обработки медицинских данных.
8
3.5 Методы математического моделирования для оценки эпидемиологических ситуаций
Математическое моделирование в здравоохранении: базовые понятия математического моделирования, классификация методов. Примеры применения. Имитационное и агентное моделирование эпидемиологических ситуаций – оценка распространения инфекции и нагрузки на медицинские учреждения.
Математическое моделирование в здравоохранении: базовые понятия математического моделирования, классификация методов. Примеры применения. Имитационное и агентное моделирование эпидемиологических ситуаций – оценка распространения инфекции и нагрузки на медицинские учреждения.
8
ВСЕГО
34
3.6 Промежуточная аттестация. Тестирование
2
Итоговая защита
Форма итоговой аттестации: защита проектной работы (созданного программного продукта)
4.1 Постановка задачи и выбор алгоритма ее решения
6
4.2 Разработка программного кода и его апробация
24
4.3 Тестирование программного продукта
6
ВСЕГО
36
