MAKPR450 Kunstig intelligens og innovasjon innen visualisering og bildeanalyse i radiografi

Innhold og oppbygning

Emnet omhandler prinsipper for og bruk av kunstig intelligens innen visualisering og bildeanalyse i radiografi, med særlig vekt på kvantitativ avbildning. I emnet utforskes ulike teorier og metoder for innovasjon relevant i radiografi, og hvordan radiografen kan bidra i utvikling, vurdering og implementering av ulike applikasjoner for kunstig intelligens og kvantitativ avbildning. Studenten får innsikt i hvordan bruk av kunstig intelligens kan komme pasienten til nytte, med utgangspunkt i eksisterende forskning, samt etiske problemstillinger knyttet til bruk av kunstig intelligens. Emnet omhandler også ulike temaer knyttet til grunnlaget for å vurdere om bildemateriale og bildeanalyser oppfyller krav til teknisk kvalitet, diagnostisk kvalitet og klinisk nytteverdi.

Følgende temaer omhandles:

• Kunstig intelligens i visualisering og bildeanalyse: prinsipper og anvendelser
• Planlegging, utvikling, implementering og validering av applikasjoner for kunstig intelligens innen bildediagnostikk
• Thornbury’s nyttehierarki innen bildediagnostikk
• Innovasjonsteori- og metoder relevant for radiografi

Emnet arrangeres i andre halvdel av femte semester.

Læringsutbytte

En student med fullført emne skal ha følgende totale læringsutbytte definert i kunnskap, ferdigheter og generell kompetanse:

Kunnskap: Studenten…

• viser inngående kunnskap om prinsipper for kunstig intelligens ved medisinsk visualisering og bildeanalyse.
• har avansert innsikt i eksisterende forskning om bruk og av kunstig intelligens i visualisering og bildeanalyser ved gitt(e) klinisk(e) problemstilling(er).
• har avansert innsikt i begrepene reliabilitet og validitet i utvikling og evaluering av kvantitative bildedannende metoder.
• har inngående kunnskap om Thornbury`s nyttehierarki som rammeverk for bildediagnostisk forskning.
• kan forklare begrepet innovasjon knyttet til radiografi.

Ferdigheter: Studenten…

• kan benytte relevant(e) programvare(r) for å utføre bildebehandlingsoppgaver der kunstig intelligens anvendes.
• kan gjenkjenne, analysere og demonstrere hvordan kunstig intelligens kan brukes i et medisinsk bildemateriale..
• kan analysere eksisterende teorier og metoder for å anvende kunstig intelligens i medisinsk visualisering eller bildeanalyse ved en gitt klinisk problemstilling.

Generell kunnskap: Studenten…

• kan bidra i diskusjoner om bruk og nytte av kunstig intelligens i medisinsk visualisering og bildeanalyse i radiografi.
• kan bidra til nytenkning rundt bruk av relevante innovasjonsteorier og -metoder i praktiske problemstillinger om medisinsk visualisering.
• kan vurdere spesielle etiske utfordringer knyttet til forsking og anvendelse av kunstig intelligens i medisinsk visualisering og bildeanalyse..

Krav til forkunnskaper

Det er mulig å søke opptak til emnet som enkeltemne for andre som ikke er tatt opp på studieretningen så lenge de oppfyller søknadskriteriene for masterstudiet.

For studenter som tar hele masterløpet må emner i første studieår være bestått.

Anbefalte forkunnskaper

MAKPR420 Prinsipper for bildekvalitet, bildebehandling og bildeanalyseMAKPR430 Profesjonell samhandling med pasient i klinisk radiografiMAKPR440 Biomedisin, visualisering og bildeanalyse

Undervisnings- og læringsformer

Emnet er i hovedsak nettbasert, med én fellessamling på campus (3-5 dager). Undervisning omfatter forelesninger (synkron og asynkron), webinarer, laboratorieøvelser, oppgaveløsning individuelt og i grupper, samt deltakelse i diskusjonsfora på nett. Studenten jobber ut fra ukeplaner med oppsatte studieaktiviteter, herunder lesing av relevant litteratur. Canvas benyttes både til undervisning, aktiviteter tilknyttet selvstudium og til kommunikasjon med medstudenter og faglærere. Det forventes selvstudium utover undervisninger i emnet og en arbeidsinnsats tilsvarende 20 timer per uke.

Det tilrettelegges for praktiske øvelser i bildebehandling med ulik programvare som anvendes både i klinisk praksis og i forskning. Studentene arbeider både individuelt og i grupper.

Obligatorisk læringsaktivitet

Følgende obligatoriske læringsaktiviteter må være godkjent før studenten får fremstille seg til eksamen:

1. Individuelt skriftlig arbeid, maksimalt 2000 ord. Studenten velger en patologisk tilstand eller et spesifikt organ/vev og evaluerer ulike metoder med hensyn på dens evne å detektere/kvantifisere/visualisere patologi, struktur eller funksjon ved hjelp av kunstig intelligens.
2. 80 % tilstedeværelse ved obligatorisk studentaktiv undervisning (gruppearbeid og seminar).

Læringsaktivitetene er gyldige i fire påfølgende semestre.

Vurderingsform

Muntlig eksamen Studenten får tildelt en tematikk. Studenten får en time til å forberede et muntlig innlegg på ca. 30 min inkludert ca. 10 min med påfølgende diskusjon.

Tid og sted for eksamen, se Studentweb.

Vurderingsuttrykk Gradert karakterskala A til F, der A til E er beståtte karakterer og F er ikke bestått.

Ny eksamen Ved ikke bestått karakter tilrettelegges for ny praktisk muntlig presentasjon.

Hjelpemidler ved eksamen

Alle hjelpemidler er tillatt.

Mer om hjelpemidler