| 科目責任者 | 守田 憲崇 |
|---|---|
| 担当者 | 守田 憲崇※ |
| 科目概要 | ２年 （１単位・選択） [医療工学科 診療放射線技術科学専攻] |
デジタル画像の仕組みを理解し、コンピュータプログラムを使用した診療放射線技師に必要な高度で専門的な画像検査・放射線治療の知識と技術の基礎となる「画像処理アルゴリズム」、「データサイエンス・AI利活用の動向」、「データサイエンス・AI利活用の技術」、そして最終的に「データサイエンス・AI利活用の活用事例である画像分類方法」を習得することを目的とする。加えて、「画像」および「ＡＩにおける学習モデル」の評価方法であるROC解析について理解することを目的とする。
この科目は学位授与方針(ディプロマ・ポリシー)の①②③④⑤⑦に関連する。
【教育内容】
「デジタル画像の仕組み」、「基礎的な画像処理方法」、「データサイエンス・AI利活用の動向・活用領域・活用データ」、「データサイエンス・AI利活用の技術」、「データサイエンス・AI利活用の活用事例である画像分類」、「ROC解析による画像および学習モデルの評価方法」について講義および1人コンピュータ1台を使った演習を併用して学習する。
【教育方法】
授業形態：講義
プログラム作成は、情報演習室において1人ずつ1台のコンピュータにより、Google Colaboratory上でプログラミング言語Pyhtonによる演習形式で行う。
資料の配布、課題の提出、連絡等は、適宜Moodleおよび電子メール等のツールを使用し行う。また、課題は授業内で解説を行いフィードバックする。
| 回 | 項目 | 授業内容 | 担当者 | 日時 |
|---|---|---|---|---|
| 第1回 | 【対面】 デジタル画像： 画像のデジタル化と画像ファイルの構成 プログラミング環境の準備： Google Colaboratoryのインストール | 標本化・量子化、デジタル画像ファイルの構成について学ぶ。さらに、Google Colaboratoryをインストールし、プログラミング環境を構築する。 | 守田 憲崇 | 9/6④ |
| 第2回 | 【対面】 画像再構成： 画像のリサイズ ピクセル補間 有効視野の変更 | 「画像のリサイズ」、「ピクセル補間」、「有効視野の変更」処理についてプログラムを作成しその特性を学ぶ。 | 守田 憲崇 | 9/13④ |
| 第3回 | 【対面】 ヒストグラム作成と階調処理： ヒストグラム作成 ガンマ階調処理 ヒストグラム平坦化・伸張 | デジタル画像の「ヒストグラム」を作成し、「ガンマ階調処理」、「ヒストグラム平坦化・伸張」によりコントラスト調整を実現するプログラムを作成しその特性を学ぶ。 | 守田 憲崇 | 9/20④ |
| 第4回 | 【対面】 画像認識処理： 閾値処理 ラベリング 膨張収縮処理 | 画像認識処理の過程で行われる「閾値処理」、「ラベリング」、「収縮膨張処理」を行うプログラを作成し、画像認識処理の流れとその特性を学ぶ。 | 守田 憲崇 | 9/27④ |
| 第5回 | 【対面】 空間フィルタリング： 平滑化 エッジ検出 鮮鋭化 | 空間フィルタリング処理である「平滑化」、「エッジ検出」、「鮮鋭化」を実現するプログラムを作成しその特性を学ぶ。 | 守田 憲崇 | 10/4④ |
| 第6回 | 【対面】 データサイエンス・ＡＩ概論： データサイエンス・AI利活用の歴史と最新動向 社会でのデータサイエンス・AIの活用領域と活用されているデータ | データサイエンス・AI利活用の歴史と最新動向について学習し、自らの生活と密接に結びついているものであることを理解する。さらに、社会でのデータサイエンス・AIの活用領域と活用されているデータは、非常に広範囲であって、日常生活や社会の課題を解決する有用なツールになり得ることを学ぶ。 | 守田 憲崇 | 10/11④ |
| 第7回 | 【対面】 データサイエンス・ＡＩ技術１： データ・AI利活用のための技術（深層学習） 医療現場における活用事例 | データ・AI利活用のための技術である深層学習により、医療における活用事例である画像分類を実現するプログラムを作成し、その導き出す結果と解釈を学ぶ。 | 守田 憲崇 | 10/18④ |
| 第8回 | 【対面】 データサイエンス・ＡＩ技術２： 画像および学習モデル評価方法（ROC解析） | データサイエンス・AI利活用のための技術であるROC解析による「画像」および「ＡＩに利用される学習モデル」の評価方法について学ぶ。 | 守田 憲崇 | 10/25④ |
◆実務経験の授業への活用方法◆
病院での臨床経験を踏まえ、デジタル画像処理を学ぶ意義及び実際の臨床現場でデジタル画像処理およびＡＩがどのように展開されるのかを概説する。
１．デジタル画像処理の基本的な技術およびアルゴリズムを習得し説明できる。（＊知識・理解）
２．基本的な画像処理をPyhtonにより記述し、実行できる。（＊技能）
３．データサイエンス・AI利活用の歴史と最新動向について説明できる。（知識）
４．社会におけるデータサイエンス・AIの活用領域、活用されているデータについて説明できる（知識）
５．データ・AI利活用のための技術である深層学習について説明できる。（知識）
６．データ・AI利活用のための技術である深層学習を実現するプログラムをPyhtonにより記述し、実行できる。（＊技能）
７．データ・AI利活用のための技術であるROC解析（感度・特異度の算出・ROC曲線の作成）ができる。（＊技能）
＊講義中に出される演習課題（60%）とレポート課題（40%）により評価する。
＊この科目の予習・復習およびレポート課題作成を含めた授業時間外に必要な学習時間は、29時間である。
＊資料の配布はMoodleおよびGoogle Driveにより行う。課題の提出は、Moodleにより提出してもらう。Google Drive、Moodleを扱うためには、大学から付与されているメールアドレスが必須であるため各自第1回目の授業までにメールアドレスとそのパスワードを確認しておくこと。
＊予習は、事前に配布する資料を読み、授業予定内容について要点をA4用紙1枚以内にまとめ、疑問点を明らかにしておくこと。
＊復習は、授業内容についてノート、配布資料により概要をA4用紙1枚以内にまとめること。
＊プログラム言語（Pyhton）に対する事前知識は求めないが、一度授業中に行った処理はノート等に流れを記載して、今後のプログラム作成時に利用できるようにすること。
＊授業中に与えられたテーマを完成できなかったときは、次回までに完成させること。
＊授業を欠席した場合は、欠席した回の授業内容を次回までに担当教員に確認し、自習しておくこと。
| 種別 | 書名 | 著者・編者 | 発行所 |
|---|---|---|---|
| 教科書 | 資料を配布する。 | ||
| 参考書 | なし |
科目ナンバリングコード： RT201-SF17