Кафедра біомедичної інженерії

[BMF45] Програмна інженерія в біомедичних дослідженнях

Робоча програма навчальної дисципліни (Силабус)

Реквізити навчальної дисципліни

Рівень вищої освітиПерший (бакалаврський)
Галузь знань16 - Хімічна та біоінженерія
Спеціальність163 - Біомедична інженерія
Освітня програмаВсі ОП
Статус дисципліниВибіркова (Ф-каталог)
Форма здобуття вищої освітиОчна
Рік підготовки, семестрДоступно для вибору починаючи з 3-го курсу, весняний семестр
Обсяг дисципліни4 кред. (Лекц. год, Практ. год, Лаб. год, СРС. год )
Семестровий контроль/контрольні заходиЗалік
Розклад занятьhttps://rozklad.kpi.ua
Мова викладанняУкраїнська
Інформація про керівника курсу / викладачів
Розміщення курсу

Програма навчальної дисципліни

1. Опис навчальної дисципліни, її мета, предмет вивчання та результати навчання

Основною метою навчальної дисципліни «Програмна інженерія в біомедичних дослідженнях» є формування у студентів здатності розв’язувати спеціалізовані задачі й практичні проблеми програмної інженерії в біомедичних дослідженнях, що передбачає застосування програмних засобів для реалізації методів статистики, фільтрації сигналів, обробки зображень, проектування нейронних мереж, взаємодії прикладних програм з мікроконтролерами  на основі спеціалізованих бібліотек на мові програмування Python.

Навчальна дисципліна «Програмна інженерія в біомедичних дослідженнях» вивчає застосування програмних засобів обробки результатів біомедичних досліджень шляхом реалізації спеціальних методів статистики, фільтрації сигналів, обробки зображень, проектування нейронних мереж, взаємодії прикладних програм з мікроконтролерами.

 

Загальні компетентності (ОП введено в дію Наказом ректора НОН/89/2021 від 19.04.2021 р.):

ЗК 1 - Здатність застосовувати знання у практичних ситуаціях.

ЗК 4 - Навички використання інформаційних і комунікаційних технологій.

ЗК 5 - Здатність проведення досліджень на відповідному рівні.

ЗК 8 - Здатність приймати обґрунтовані рішення.

ЗК 11 - Здатність оцінювати та забезпечувати якість виконуваних робіт.

 

Спеціальні (фахові) компетентності (ОП введено в дію Наказом ректора НОН/89/2021 від 19.04.2021 р.):

ФК 1 - Здатність застосовувати пакети інженерного програмного забезпечення для проведення досліджень, аналізу, обробки та представлення результатів, а також для автоматизованого проектування медичних приладів та систем.

ФК 3 - Здатність вивчати та застосовувати нові методи та інструменти аналізу, моделювання, проектування та оптимізації медичних приладів і систем.

ФК 6 - Здатність ефективно використовувати інструменти та методи для аналізу, проектування, розрахунку та випробувань при розробці біомедичних продуктів і послуг.

ФК 11 - Здатність розробляти, планувати і проводити експерименти за заданими технічними та біомедичними методиками, застосовуючи математичні методи в аналізі, моделюванні функціонування живих організмів, систем і процесів в біології та медицині, комп’ютерну обробку, аналіз і синтез отриманих результатів.

 

Програмними результатами навчання після вивчення вибіркової дисципліни «Програмна інженерія в біомедичних дослідженнях» є (ОП введено в дію Наказом ректора НОН/89/2021 від 19.04.2021 р.):

ПРН 5 - Вміти використовувати бази даних, математичне і програмне забезпечення для обробки даних та комп’ютерного моделювання біотехнічних систем.

ПРН 8 - Розуміти теоретичні та практичні підходи до створення та керування медичним обладнанням та медичною технікою.

ПРН 13 - Знання Вміти аналізувати сигнали, які передаються від органів на прилади, та проводити обробку діагностичної інформації (сигнали та зображення).

ПРН 20 - Знання та використання методів дослідження об’єктів біомедичної інженерії, методів і засобів систематизації та обробки експериментальної інформації, методів статистичної обробки для моделювання та симуляції процесів і систем фізичної та біологічної природи, сучасних технологій програмування та інструментарію, які підтримують їх використання, методів проектування цифрових та мікропроцесорних систем медичного призначення.

 

2. Пререквізити та постреквізити дисципліни (місце в структурно-логічній схемі навчання за відповідною освітньою програмою)

Навчальна дисципліна «Програмна інженерія в біомедичних дослідженнях» належить до циклу професійної підготовки та має міждисциплінарний характер. Вона інтегрує відповідно до свого предмету знання з інших навчальних дисциплін: вищої математики, інженерної та комп’ютерної графіки, об'єктно-орієнтованого програмування тощо. За структурно-логічною схемою програми підготовки бакалавра дисципліна тісно пов’язана з іншими дисциплінами загальної та професійної підготовки: «Вища математика», «Основи дискретної математики», «Інженерна та комп’ютерна графіка», «Об'єктно-орієнтоване програмування», «Електротехніка та електроніка».

 

Отримані практичні навички та засвоєні теоретичні знання під час вивчення навчальної дисципліни «Програмна інженерія в біомедичних дослідженнях» рекомендовано використовувати в подальшому під час опанування навчальних вибіркових дисциплін: «Біомедичні прилади, апарати і комплекси», «Аналогова та цифрова схемотехніка»,  «Мікропроцесорна техніка».

 

3. Зміст навчальної дисципліни

Основні розділи та теми, що розглядатимуться в процесі вивчення курсу:

Розділ 1. Графічні можливості модулів Python.

Тема 1.1. Двовимірні графіки модулю matplotlib.

Тема 1.2. Трьохвимірні графіки модулю  matplotlib.

Розділ 2. Алгоритми обчислення елементарних функцій.

Тема 2.1. Алгебраїчні обчислення.

Тема 2.2. Графічні функції модулю mpmath.

Розділ 3. Числові методи у Python.

Тема 3.1. Апроксимація функцій за допомогою модулю SciPy.

Тема 3.2. Інтерполяція функцій за допомогою модулю SciPy.

Розділ 4. Наукові обчислення у Python.

Тема 4.1. Обчислення інтегралів за допомогою модулю SciPy.

Тема 4.2. Звичайні диференційні рівняння і системи.

Розділ 5. Статистичний аналіз з Python.

Тема 5.1. Кількісний аналіз даних у описовій статистиці.

Тема 5.2. Кореляційний аналіз за допомогою модулю NumPy.

Розділ 6. Проектування нейронних мереж у Python.

Тема 6.1. Реалізація функцій активації за допомогою модулів NumPy і SciPy.

Тема 6.2. Нейронна мережа Backpropagation з ваговою матрицею між шарами.

Розділ 7. Обробка зображень у Python.

Тема 7.1. Застосування OpenCV 3 Computer Vision у Python.

Тема 7.2. Згладжування та видалення шуму на зображенні за допомогою модулю cv2.

Розділ 8. Обробка і візуалізація сигналів у Python.

Тема 8.1. Стиснення і розпакування звукового формату WAV за допомогою модулю wave.

Тема 8.2. Фільтрація і обробка біосигналів за допомогою модулю SciPy.

Розділ 9. Взаємодія прикладної програми на Python з мікроконтролерами Arduino.

Тема 9.1. Протокол Firmata на Arduino UNO v3.

Тема 9.2. Робота модулю pySerial на Python 3.6.7.

Тема 9.3. Взаємодія pySerial та Firmata під час візуалізації даних з сенсорів.

 

4. Навчальні матеріали та ресурси

Базова література:

  1. Яковенко А.В. Основи програмування. Python. Частина 1: підручник для студентів які навчаються за спеціальністю 122 «Комп’ютерні науки» спеціалізацією «Інформаційні технології в біології та медицині» / А. В. Яковенко ; КПІ ім. Ігоря Сікорського. – Київ: КПІ ім. Ігоря Сікорського, 2018. – 195 с.
  2. Копей В.Б. Мова програмування Python для інженерів і науковців: Навчальний посібник. Івано-Франківськ: ІФНТУНГ, 2019. 274 c.
  3. Дорогий Я. Ю. Програмування числових методів мовою Python: навч. посіб. / А. Ю. Дорошенко, С. Д. Погорілий, Я. Ю. Дорогий, Є. В. Глушко ; за ред. А. В. Анісімова. – К. : Видавничо-поліграфічний центр "Київ-ський університет", 2013. – 463 с.
  4. Застосування мови Python в практичних схемах автоматизації з використанням Arduino: Методичні вказівки до практичних занять з дисципліни «Електронні пристрої автоматики» за освітнім рівнем «Бакалавр» для студентів спеціальності «151 Автоматизація та комп’ютерно-інтегровані технології» / Укл. О.П. Мисов, М.О. Савченко – Дніпро: ДВНЗ  УДХТУ, 2019. – 25 с.

 

Додаткова література:

  1.   Доля П.Г. Введение в научный Python / П.Г. Доля, ХНУ. – Харків ХНУ, 2016. – 265 с.
  2.  David Steinberg. Modern Statistics A Computer-Based Approach with Python / Peter Gedeck, Ron S. Kenett, Shelemyahu Zacks, Tel Aviv, Israel: Tel Aviv University, 2022. – 438 p.
  3.  Michiel de Hoon. Statistics for Python / Michiel de Hoon, New York: Columbia University, 2010. – 25 с.
  4.  Nikhil Ketkar. Deep Learning with Python: Learn Best Practices of Deep Learning Models with PyTorch, Second Edition / Nikhil Ketkar and Jojo Moolayil, New York: SSBM Finance Inc., 2021. – 306 p.
  5.  Nour Eddine ALAA and Ismail Zine El Abidne. Introdaction to Image Processing with Python / Nour Eddine ALAA and Ismail Zine El Abidne, Cadi Ayyad University: LAMAI Laboratory FST Marrakech, 2021. – 77 p.
  6.  Roger R Labbe Jr. Filters in Python / Kalman and Bayesian, Mountain View: California Inc., 2020. – 262 p.
  7.  Joe Minichino. Learning OpenCV 3 Computer Vision with Python, Second Edition / Joe Minichino and Joseph Howse, Open Source: Packt Publishing, 2015. – 242 p.
  8.  Pratik Desai. Python Programming for Arduino / Pratik Desai, Open Source: Packt Publishing, 2010. – 576 p.

Електроні ресурси:

  1.  Апроксимація функцій за допомогою модулю SciPy: https://pythonpip.ru/examples/podgonka-krivoy-v-python-s-pomoschyu-biblioteki-scipy
  2. Інтерполяція функцій за допомогою модулю SciPy: https://coderlessons.com/tutorials/python-technologies/uchitsia-stsipi/scipy-interpolirovat
  3. Обчислення інтегралів за допомогою модулю SciPy: https://russianblogs.com/article/59071487246
  4.  Звичайні диференційні рівняння і системи (SciPy): https://habr.com/ru/post/418139
  5.  Реалізація функцій активації за допомогою модулів NumPy і SciPy: https://python-course.eu/machine-learning/running-neural-network-with-python.php
  6.  Нейронна мережа Backpropagation з ваговою матрицею між шарами: https://python-course.eu/machine-learning/training-neural-network-with-python.php

 

Навчальний контент

5. Методика опанування навчальної дисципліни (освітнього компонента)

Методика опанування навчальної дисципліни (освітнього компонента)

№ з/п

Тема

Програмні результати навчання

Основні завдання

Контрольний

захід

Термін

виконання

1.

Графічні можливості модулів Python.

ПРН 5

ПРН 8

Практична робота 1, 2

Лабораторна робота 1

3-й тиждень

2.

Алгоритми обчислення елементарних функцій.

ПРН 5

ПРН 8

Практична робота 3, 4

Лабораторна робота 2

4-й тиждень

3.

Числові методи у Python.

ПРН 5

ПРН 13

Практична робота 5, 6

Лабораторна робота 3

5-й тиждень

4.

Наукові обчислення у Python.

ПРН 8

ПРН 20

Практична робота 7, 8

Лабораторна робота 4

6-й тиждень

5.

Статистичний аналіз з Python.

ПРН 5

ПРН 13

ПРН 20

Практична робота 9, 10

Лабораторна робота 5

8-й тиждень

6.

Проектування нейронних мереж у Python.

ПРН 8

ПРН 13

ПРН 20

Практична робота 11, 12

Лабораторна робота 6

9-й тиждень

7.

Обробка зображень у Python.

ПРН 13

ПРН 20

Лабораторна робота 7

10-й тиждень

8.

Обробка і візуалізація сигналів у Python.

ПРН 13

ПРН 20

Лабораторна робота 8

11-й тиждень

9.

Взаємодія прикладної програми на Python з мікроконтролерами Arduino.

ПРН 8

ПРН 13

ПРН 20

Лабораторна робота 9

12-й тиждень

10.

Модульна контрольна робота

 

Практична робота 13

13-й тиждень

11.

Розрахунково-графічна робота

ПРН 5

ПРН 8

ПРН 13

ПРН 20

Оформлення та надсилання роботи

13-14-й тиждень

12.

Залік

 

Практична робота 14

14-й тиждень

 

6. Самостійна робота студента

Одним з основних видів семестрового контролю під час опанування навчальної дисципліни «Програмна інженерія в біомедичних дослідженнях» є написання реферату. Реферативна робота виконується згідно з вимогами, у термін, зазначений викладачем.

Основна ціль написання реферату – вирішення практичної задачі з використанням засвоєного на лекціях та самостійно теоретичного матеріалу, та практичних навичок, отриманих на практичних роботах. Студент може писати реферат тільки на погоджену з викладачем тему.

 

Приблизна тематика рефератів:

1.           Апроксимація функції за допомогою модулю SciPy.

2.           Інтерполяція функції за допомогою модулю SciPy.        

3.           Обчислення інтегралу за допомогою модулю SciPy.

4.           Обчислення диференційного рівняння за допомогою модулю SciPy.

5.           Кореляційний аналіз за допомогою модулю NumPy.

6.           Реалізація функції активації за допомогою модулів NumPy і SciPy.

7.           Реалізація нейронної мережі Backpropagation за допомогою модулів NumPy і SciPy.

8.           Згладжування та видалення шуму на зображенні за допомогою модулю cv2.

9.           Фільтрація і обробка біосигналів за допомогою модулю SciPy.

10.        Взаємодія pySerial та Firmata під час візуалізації даних з сенсорів.

 

Титульний аркуш реферату повинен мати такий зміст: назва університету; назва факультету; назва кафедри; назва спеціальності, назва освітньо-професійної програми, назва навчальної дисципліни; тема реферату; прізвище та ім’я студента, курс, номер академічної групи, рік.

За титульним аркушем слідує детальний план (зміст) реферату, в якому треба виділити вступ, розділи основного змісту (основні теми, що вивчалися), їх підрозділи (за потребою), висновок, список використаних джерел. У змісті праворуч позначаються номери сторінок початку кожного питання. Кожен розділ починається з нової сторінки.

Загальний обсяг реферату в залежності від обраної теми може варіюватися від 20 до 25 сторінок основного тексту (за узгодженням з викладачем). Обсяг реферату визначається вмінням студента стисло і водночас вичерпно розкрити обрану тему.

Обов’язкова вимога: чітке посилання на джерела інформації. Всі цифри, факти, думки вчених, цитати, формули повинні мати посилання у вигляді [2, с. 54] (перша цифра означає номер джерела у наведеному в кінці творчої роботи списку літератури, а друга цифра – номер сторінки у цьому джерелі). Бажано використовувати таблиці, схеми, графіки, діаграми тощо. Список використаних джерел (не менше 10 джерел) оформляється згідно з діючими правилами. Якщо інформація взята з мережі Інтернет, потрібно, як і для звичайної літератури, вказати автора, назву статті, а потім навести адресу сайту в Інтернет.

Реферат оцінюється за критеріями: логічності плану; повноти й глибини розкриття теми; достовірності отриманих даних; відображення практичних матеріалів; правильності формулювання заключень та висновків; оформлення; обґрунтування власної думки студента з цього питання у вигляді висновку.

Граничний термін подання реферату на перевірку: 13-14-й тиждень навчання.

Реферат не перевіряється на плагіат, але повинен відповідати вимогам академічної доброчесності. У разі виявлення академічної не доброчесності, робота анулюється і не перевіряється.

 

Політика та контроль

7. Політика навчальної дисципліни (освітнього компонента)

Відвідування занять

Відвідування лекційних занять не є обов’язковим. Відвідування практичних занять є бажаним, оскільки на них відбувається написання експрес-контрольних робіт / тестових завдань, а також відбувається захист практичних робіт.

Система оцінювання орієнтована на отримання балів за активність студента, а також виконання завдань, які здатні розвинути практичні уміння та навички.

 

Пропущені контрольні заходи

Пропущені контрольні заходи (захист практичних і лабораторних робіт) обов’язково відпрацьовуються на наступних заняттях за умови виконання завдання, яке заплановано на поточному занятті, або на консультаціях.

Пропущення написання модульної контрольної роботи та експрес-контрольних не відпрацьовуються.

Реферат, який подається на перевірку з порушенням терміну виконання оцінюється зі зменшенням кількості вагових балів.

 

Порушення термінів виконання завдань та заохочувальні бали

Заохочувальні бали

Штрафні бали*

Критерій

Ваговий бал

Критерій

Ваговий бал

Вдосконалення практичних робіт

1 бал  (за кожну практичну роботу)

Несвоєчасне виконання і захист практичної та лабораторної роботи

Від -0,5 бали до    -5 балів

(залежить від терміну здачі)

Проходження дистанційних курсів за темами, які узгоджені з викладачами

5 балів

Несвоєчасне виконання та здача реферату

Від -2 балів до -20 балів (залежить від терміну здачі)

Оформлення наукової роботи для участі у конкурсі студентських наукових робіт

10 балів

 

 

Написання тез, статті, участь у міжнародних, всеукраїнських та/або інших заходах або конкурсах за тематикою навчальної дисципліни

5 балів

 

 

* якщо контрольний захід був пропущений з поважної причини (хвороба, яка підтверджена довідкою встановленого зразку) – штрафні бали не нараховуються.

 

Академічна доброчесність

Політика та принципи академічної доброчесності визначені у розділі 3 Кодексу честі Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського». Детальніше: https://kpi.ua/code.

 

Норми етичної поведінки

Норми етичної поведінки студентів і працівників визначені у розділі 2 Кодексу честі Національного технічного університету України «Київський політехнічний  інститут  імені  Ігоря Сікорського». Детальніше: https://kpi.ua/code.

 

Процедура оскарження результатів контрольних заходів

Студенти мають можливість підняти будь-яке питання, яке стосується процедури контрольних заходів та очікувати, що воно  буде  розглянуто  згідно  із  наперед  визначеними процедурами.

Студент має право оскаржити результати контрольного заходу згідно затвердженого положення Про апеляції в КПІ імені Ігоря Сікорського (затверджено наказом №НОН/128/2021 від 20.05.2021 р.) - https://osvita.kpi.ua/index.php/node/182

 

Інклюзивне навчання

Навчальна дисципліна «Програмна інженерія в біомедичних дослідженнях» може викладатися для більшості студентів з особливими освітніми потребами, окрім студентів з серйозними вадами зору, які не дозволяють виконувати завдання за допомогою персональних комп’ютерів, ноутбуків та/або інших технічних засобів.

 

Дистанційне навчання

Дистанційне навчання відбувається через Платформу дистанційного навчання «Сікорський».

Дистанційне навчання через проходження додаткових он-лайн курсів за певною тематикою допускається за умови погодження зі студентами. У разі, якщо невелика кількість студентів має бажання пройти он-лайн курс за певною тематикою, вивчення матеріалу за допомогою таких курсів допускається, але студенти повинні виконати всі завдання, які передбачені у навчальній дисципліні.

Список курсів пропонується викладачем після виявлення бажання студентами (оскільки банк доступних курсів поновлюється майже щомісяця).

Студент надає документ, що підтверджує проходження дистанційного курсу (у разі проходження повного курсу) або надає виконані практичні завдання з дистанційного курсу та за умови проходження усної співбесіди з викладачем за пройденими темами може отримати оцінки за контрольні заходи, які передбачені за вивченими темами (експрес-контрольні / тестові завдання, практичні роботи).

Виконання практичних та лабораторних робіт, а також написання реферату, здійснюється під час самостійної роботи студентів у дистанційному режимі (з можливістю консультування з викладачем через електронну пошту, соціальні мережі).

 

Навчання іноземною мовою

Навчання англійською мовою здійснюється лише для студентів-іноземців.

За бажанням студентів, допускається вивчення матеріалу за допомогою англомовних онлайн-курсів за тематикою, яка відповідає тематиці конкретних занять.

 

8. Види контролю та рейтингова система оцінювання результатів навчання (РСО)

Система оцінювання (поточний контроль):

з/п

Контрольний захід

%

Ваговий

бал

Кіл-ть

Всього

1.

Експрес-контрольні роботи / тестові завдання

14

2

7

14

2.

Виконання та захист практичних робіт

24

2

12

24

3.

Виконання та захист лабораторних робіт

27

3

9

27

4.

Модульна контрольна робота

15

15

1

15

5.

Реферат

20

20

1

20

6.

Залікова робота[1]

80

80

1

80

 

Всього

100

[1] Враховується в суму рейтингу разом з оцінкою за РГР у разі, якщо студент не набрав 60 балів за семестр або він хоче покращити свою оцінку.

 

Здобувач отримує позитивну залікову оцінку за результатами роботи в семестрі, якщо має підсумковий рейтинг за семестр не менше 60 балів та виконав умови допуску до семестрового контролю, які визначені РСО.

 

Зі здобувачами, які виконали всі умови допуску до заліку та мають рейтингову оцінку менше 60 балів, а також з тими здобувачами, хто бажає підвищити свою рейтингову оцінку, на останньому за розкладом занятті з дисципліни в семестрі викладач проводить семестровий контроль у вигляді залікової контрольної роботи або співбесіди.

 

Після виконання залікової контрольної роботи, якщо оцінка за залікову контрольну роботу більша ніж за рейтингом, здобувач отримує оцінку за результатами залікової контрольної роботи.

Якщо оцінка за залікову контрольну роботу менша ніж за рейтингом, застосовується «жорстка» РСО – попередній рейтинг здобувача (за винятком балів за семестрове індивідуальне завдання) скасовується і він отримує оцінку з урахуванням результатів залікової контрольної роботи. Цей варіант формує відповідальне ставлення здобувача до прийняття рішення про виконання залікової контрольної роботи, змушує його критично оцінити рівень своєї підготовки та ретельно готуватися до заліку.

 

Календарний контроль (КК) - провадиться двічі на семестр як моніторинг поточного стану виконання вимог силабусу.

Метою проведення календарного контролю є підвищення якості навчання студентів та моніторинг виконання графіка освітнього процесу студентами.

 

Критерій

Перший КК

Другий КК

Термін календарних контролів

8-ий тиждень

14-ий тиждень

Умови отримання позитивного результату з календарного контролю

Поточний рейтинг

≥ 24 балів

40 балів

Виконання практичних робіт

КП № 1- 6

+

+

КП № 7-12

-

+

Виконання лабораторних робіт

ЛР № 1- 4

+

+

ЛР № 5- 9

-

+

Експрес-контрольні роботи / тестові завдання

Мінімум по 4 будь-яким лекціям

+

-

Мінімум по 8 будь-яким лекціям

-

+

Модульна контрольна робота

Оцінена МКР

-

+

Реферат

Оцінений Реферат

-

-

 

У разі виявлення академічної не доброчесності під час навчання – контрольний захід не зараховується.

 

Семестрова атестація студентів

Обов’язкова умова допуску до заліку

Критерій

1

Поточний рейтинг

RD ≥ 42

2

Отримання позитивної оцінки за реферат

Більше 8 балів

3

Захищено всі практичні роботи

Більше 14 балів

3

Захищено всі лабораторні роботи

Більше 14 балів

4

Написання не менше 6 експрес-контрольних робіт / тестових завдань

Більше 6 балів

 

Результати оголошуються кожному студенту окремо у присутності або в дистанційній
формі (е-поштою). Також фіксуються в системі «Електронний кампус».

 

Необов’язкові умови допуску до заліку:

  1. Активність на практичних заняттях.
  2. Активність на лабораторних заняттях.
  3. Позитивний результат першої атестації та другої атестації.
  4. Відвідування 50% лекційних занять.

 

Таблиця відповідності рейтингових балів оцінкам за університетською шкалою
Кількість балівОцінка
100-95Відмінно
94-85Дуже добре
84-75Добре
74-65Задовільно
64-60Достатньо
Менше 60Незадовільно
Не виконані умови допускуНе допущено

9. Додаткова інформація з дисципліни (освітнього компонента)

Перелік запитань для підготовки до модульної контрольної роботи, а також для підготовки до заліку наведено у додатку 1.

Дистанційне навчання через проходження додаткових он-лайн курсів за певною тематикою допускається за умови погодження зі студентами. У разі, якщо невелика кількість студентів має бажання пройти он-лайн курс за певною тематикою, вивчення матеріалу за допомогою таких курсів допускається, але студенти повинні виконати всі завдання, які передбачені у навчальній дисципліні.

Список курсів пропонується викладачем після виявлення бажання студентами (оскільки банк доступних курсів поновлюється майже щомісяця).

Студент надає документ, що підтверджує проходження дистанційного курсу (у разі проходження повного курсу) або надає виконані практичні завдання з дистанційного курсу та за умови проходження усної співбесіди з викладачем за пройденими темами може отримати оцінки за контрольні заходи, які передбачені за вивченими темами (експрес-контрольні / тестові завдання, практичні роботи).

 

Додаток 1 до силабусу дисципліни

«Програмна інженерія в біомедичних дослідженнях»

 

Перелік запитань для підготовки до модульної контрольної роботи, а також для підготовки до заліку

 

1. Двовимірні графіки модулю matplotlib.

2. Трьохвимірні графіки модулю  matplotlib.

3. Алгебраїчні обчислення модулю mpmath.

4. Графічні функції модулю mpmath.

5. Апроксимація функції за допомогою модулю SciPy.

6. Інтерполяція функції за допомогою модулю SciPy.    

7. Обчислення інтегралу за допомогою модулю SciPy.

8. Обчислення диференційного рівняння за допомогою модулю SciPy.

9. Кількісний аналіз даних у описовій статистиці за допомогою модулю NumPy.

10. Кореляційний аналіз за допомогою модулю NumPy.

11. Реалізація функції активації за допомогою модулів NumPy і SciPy.

12. Реалізація нейронної мережі Backpropagation за допомогою модулів NumPy і SciPy.

13. Застосування OpenCV 3 Computer Vision за допомогою модулю cv2.

14. Згладжування та видалення шуму на зображенні за допомогою модулю cv2.

15. Стиснення і розпакування звукового формату WAV за допомогою модулю wave.

16. Фільтрація і обробка біосигналів за допомогою модулю SciPy.

17. Протокол Firmata на Arduino UNO v3.

18. Робота модулю pySerial на Python 3.6.7.

19. Взаємодія pySerial та Firmata під час візуалізації даних з сенсорів.

20. Числові методи модулю SciPy.

 

Опис матеріально-технічного та інформаційного забезпечення дисципліни

--




Робочу програму навчальної дисципліни (силабус):
Складено Шликов В. В.;
Ухвалено кафедрою БМІ (протокол № 1 від 31.08.2023р. )
Погоджено методичною комісією факультету/ННІ (протокол № 1 від 01.09.2023р. )