授業の目的 【日本語】
Goals of the Course(JPN) | | | 近年、医療分野のデータは大幅に増加している。特に画像データ（X線、CTスキャン、MRIなど）は、毎日数千枚という驚異的な量に達しています。これらの画像には、臓器やその機能に関する情報が含まれており、病気の診断に役立ったり、治療に役立ったりと、特に患者さんや社会一般に恩恵をもたらす可能性がある。しかし、その活用はまだ最適化されていない。本コースの目的は、このようなデータセットを解析し、生の画像から関連情報を抽出できるようになるために必要な解析ツールを大学院生に身に付けてもらうことである。具体的には、脳画像データを例として、データ解析を行う。 |
|
|
授業の目的 【英語】
Goals of the Course | | | Data in the medical field have increased considerably in recent times. Imaging data (X-rays, CT-scan, MRI, etc.), in particular, is reaching staggering amounts with thousands of images generated every day. These images contain information about internal organs and their functions that could be useful in diagnosing diseases, helpful in treating patients, and provide other benefits to patients in particular, and to society in general. Yet, their utilization remains to be optimized. The aim of this course is to equip graduate students with the needed analytical tools in order to analyze these types of datasets and be able to extract relevant information from raw images. Specifically, we will utilize brain imaging data as examples for data analysis. |
|
|
到達目標 【日本語】
Objectives of the Course(JPN) | | | 本コース終了時には、1）学習した統計ツールを脳画像の解析に応用できること、2）この種のデータの解析に有用な既存のソフトウェアパッケージの使用に習熟することが期待される。 |
|
|
到達目標 【英語】
Objectives of the Course | | | By the end of this course, students are expected to 1) apply the learned statistical tools to analyze brain images, and 2) familiarize themselves with the use of existing software packages useful for the analysis of these types of data. |
|
|
授業の内容や構成
Course Content / Plan | | This course will be divided into two parts:
1. Lectures introducing statistical methods useful for the analysis of brain imaging datasets. Analysis methods that will be covered will include basic statistical analysis, multivariate analysis, machine learning, and graph theory, among others. Although the target dataset are mainly brain images, these tools can be widely applied to other types of datasets.
2. Practical hands-on experience in analyzing brain images using the methods learned in the first part. Here, students will use existing software packages developed specifically to analyze actual datasets including SPM, FSL, and FreeSurfer, among others.
Assignments will be given to supplement what will be learned during classes. A final report to assess students' full understanding of the topics covered will also be required.
このコースは2つに分かれています。
1. 脳画像データの解析に有用な統計手法を紹介する講義。解析手法としては、基本的な統計解析、多変量解析、機械学習、グラフ理論などを取り上げる予定である。対象となるデータセットは主に脳画像データですが、これらのツールは他の種類のデータセットにも広く適用することができる。
2. 前半で学んだ手法を用いた脳画像データの解析の実践的な体験。ここでは、SPM、FSL、FreeSurferなど、実際のデータセットを解析するために特別に開発された既存のソフトウェアパッケージを使用する。
授業で学んだことを補足するために、宿題を出す。また、授業で学んだトピックの完全な理解度を評価するための期末レポートが必要である。 |
|
|
履修条件・関連する科目
Course Prerequisites and Related Courses | | There are no prerequisites for taking this course.
このコースを受講するための前提条件はありません。 |
|
|
成績評価の方法と基準
Course Evaluation Method and Criteria | | Students will be evaluated based on the following criteria: class participation (20%), assignments (30%) and final report (50%). To pass the course, students need to get a total score of 60% or higher.
授業への参加度（20％）、課題（30％）、期末レポート（50％）で評価する。合格するには、合計で60％以上のスコアを取得する必要がある。 |
|
|
教科書・テキスト
Textbook | | There will be no textbook for this class. If necessary, reading materials will be provided.
このクラスには教科書はありません。必要であれば、読み物を提供する。 |
|
|
参考書
Reference Book | | There will be no reference book for this class.
この授業では、参考書はありません。 |
|
|
課外学習等（授業時間外学習の指示）
Study Load(Self-directed Learning Outside Course Hours) | | Class activities (lecture/practice) will be mostly done during class hours. However, to optimize lecture/practice times, students will be asked to install and setup relevant software packages outside class hours. Some materials may also be required to be read before class hours. Assignments and preparation for the final report are also done outside classes.
授業活動（講義・演習）は、ほぼ授業時間内に行う。ただし、講義・演習時間の最適化のため、授業時間外に関連するソフトウェアのインストールやセットアップをお願いすることがある。また、一部の教材は授業時間前に読んでおくことが必要な場合がある。また、宿題と期末レポートも授業時間外に行う。 |
|
|
授業の進め方
How to proceed with the class | | |
|
注意事項
Notice for Students | | A laptop personal computer (PC) will be needed for the practical hands on analysis of actual datasets during class. In addition, students may need to install relevant software packages in their PCs. Most of the software packages may also involve some knowledge in Linux environment such as running commands in command windows/bash shell. So it is also imperative to have this environment installed in your PC. A PC with at least 16GB of memory is highly recommended.
授業中に実際のデータセットを使った実践的な解析を行うため、ノートパソコン（PC）が必要である。また、関連するソフトウェアパッケージをPCにインストールする必要な場合もある。ほとんどのソフトウェアパッケージは、コマンドウィンドウ/bashシェルでコマンドを実行するなど、Linux環境に関する知識も必要になる場合がある。そのため、この環境もPCにインストールしておくことが必須となる。16GB以上のメモリを搭載したPCを強く推奨する。 |
|
|
本授業に関する参照Webページ
Reference website for this Course | | |
|
担当教員からのメッセージ
Message from the Instructor | | |
|
使用言語
Language(s) for Instruction & Discussion | | |
|
授業開講形態等
Lecture format, etc. | | In principle, classes will be held face-to-face, but adjustments will be made if remote classes become necessary. If there are changes, it will be announced using the NUCT site.
授業は原則として対面式で行うが、遠隔授業が必要な場合は調整する。変更がある場合は、NUCTサイトで案内する。 |
|
|
遠隔授業（オンデマンド型）で行う場合の追加措置
Additional measures for remote class (on-demand class) | | |
|