CB01 Analitzar situacions complexes i dissenyar estratègies per resoldre-les CB02 Planificar i organitzar les propostes i projectes CB03 Aplicar criteris de qualitat a les propostes i / o projectes CB04 Avaluar la pròpia activitat i aprenentatge, i elaboració d'estratègies per millorar-los CB05 Prendre decisions per a la resolució de situacions diverses CB06 Coneixement, administració i manteniment de sistemes, dispositius i serveis biomèdics CB07 Utilitzar tecnologies de la informació i la comunicació i especialment la programació i ús d'ordinadors CB08 Recollir, seleccionar i organitzar informació de manera eficaç CT01 Utilitzar la llengua anglesa CT02 Treballar en equip CT03 Comunicar-se oralment i per escrit CT06 Dissenyar propostes creatives CES2 Analitzar problemes computacionals i desenvolupar solucions algorísmiques acord CES4 Desenvolupar algoritmes per al tractament i anàlisi de senyals i imatges biomèdiques CES9 Especificar, dissenyar i avaluar sistemes assistits per ordinador i robotitzats; especialment els d'intervenció quirúrgica CES10 Especificar, dissenyar i avaluar solucions informàtiques integrades per a la gestió dels processos de salut CES11 Dirigir de manera integrada projectes, incloent els processos de desenvolupament i Innovació, en el camp biomèdic CES14 Treballar de forma autònoma en la realització d'un projecte i presentar i defensar els resultats aconseguits davant d'un jurat o col·lectiu expert
1. Reptes actuals per el diagnòstic per la imatge i sistemes d’ajuda al diagnòstic. 2. Mètodes avançats per l’ajut al diagnòstic: intel.ligència artificial i deep learning. 3. Projecte I. Presentació de reptes i casos reals 4. Projecte II. Desenvolupament 5. Projecte III. Retroacció, Avaluació, millora i implantació 6. Projecte IV. Documentació i Presentació oral
Tipus d’activitat Hores amb professor Hores sense professor Hores virtuals amb professor Total Aprenentatge basat en problemes (PBL) 10,00 10,00 0 20,00 Exposició dels estudiants 9,00 25,00 0 34,00 Prova d'avaluació 2,00 5,00 0 7,00 Sessió expositiva 19,00 25,00 0 44,00 Sessió pràctica 10,00 10,00 0 20,00 Total 50,00 75,00 0 125
J. Howard, S. Gugger (2020). Deep Learning for Coders with Fastai and PyTorch.. O'Reilly Media, Inc... Catàleg S. Skansi (2018). Introduction to deep learning. From logical calculus to artificial intelligence. Springer. S.K. Zhou, H. Greenspan, D. Shen (2017). Deep Learning for Medical Image Analysis. MICCAI Society. Catàleg I. Goodfellow, Y. Bengio A. Courville (2016). Deep Learning. MIT press. Catàleg Yoo, Terry S.. (2004). Insight into images :. Wellesley: A K Peters. Catàleg Analoui, Mostafa. Bronzino, Joseph D.. Peterson, Donald R.. (2013). Medical imaging :. Boca Raton: Taylor & Francis/CRC Press. Catàleg
Activitats d'avaluació: Descripció de l'activitat Avaluació de l'activitat % Recuperable Sessions pràctiques de desenvolupament Es realitzarà una avaluación contínua de les sessions pràctiques de desenvolupament del projecte final. Es valorarà l'assistència, desenvolupament de les sessions i correctesa de les solucions emprades. 40 Sí Examen escrit Es realitzarà una prova on s'avaluaran els coneixements adquirits durant el curs tant teòrics com pràctics 20 No Exposició Oral projecte Es valorarà l'exposició oral del projecte: presentació, resposta a preguntes, material de suport. 20 No Documentació del Projecte Es valorarà la documentació del projecte: memòria, codi font i proves d'execució. 20 No
L'avaluació de l'assignatura constarà de l'avaluació de les sessions pràctiques (40%), examen escrit (20%), exposició oral (20%) i documentació del projecte (20%). Criteris específics de la nota «No Presentat»:La realització d'alguna de les activitats OBLIGATÒRIES comportarà l'avaluació final de l'assignatura, i per tant es considerarà com a presentat en la nota final. Avaluació única:L'avaluació única de l'assignatura consistirà en un examen final que inclourà els diferents blocs de l'assignatura. Hi haurà l’opció de fer recuperació d’aquesta prova d’avaluació única sempre que l’estudiant es presenti al primer examen i obtingui una qualificació mínima de 3.5. Requisits mínims per aprovar:Per considerar superada l’assignatura, caldrà obtenir una qualificació mínima de 5.0
Ens podreu fer arribar els vostres dubtes o concertar tutories (tant de teoria com de pràctiques i problemes) via moodle o via mail en el corresponent professor. Les tutories es podran realitzar individualment o per grups, i es faran presencialment o utilitzant videoconferència (google meet).
La comunicació habitual en l’assignatura es farà via moodle. L'assignatura tindrà el fòrum d'avisos on es guardaran totes les notificacions relatives al curs i també es podran crear fòrums específics per cadascuna de les pràctiques. L'interacció individual la podrem fer presencialment als despatxos dels professors sempre que les condicions ho permentin, o bé també via videoconferència (individualment o en grup).