授業の目的 【日本語】
Goals of the Course(JPN) | | | 近年、医療分野で生成されるデータ量は飛躍的に増大しています。特に、画像データ（X線、CTスキャン、MRIなど）は、毎日数千枚もの画像が生成され、驚異的な割合に達しています。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、病気の診断や治療に役立てることで、患者さんをはじめ、社会一般に役立つ可能性があります。しかし、その利用はまだ最適化されていません。本講座では、特に人間の脳の情報を含むニューロイメージングデータの解析に焦点を当てます。このコースの目標は、大学院生がこの種のデータを解析するために必要な知識を身につけ、これらの画像から関連情報を抽出できるようになります。 |
|
|
授業の目的 【英語】
Goals of the Course | | | The amount of data generated in the medical field has increased dramatically in recent years. In particular, imaging data (X-rays, CT scans, MRIs, etc.) has reached staggering proportions with thousands of images being 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. However, their use still needs to be optimized. In this course, we will focus specifically on the analysis of neuroimaging data, which contains information about the human brain. The goal of this course is to provide graduate students with the necessary knowledge to analyze this type of data and be able to extract relevant information from these images. |
|
|
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ニューロイメージングデータの解析に応用できること、2）これら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ます。 |
|
|
到達目標 【英語】
Objectives of the Course | | | By the end of this course, students are expected to 1) be able to apply the learned statistical tools to analyze neuroimaging data, and 2) be proficient in using existing software packages that are 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 methods useful for the analysis of neuroimaging datasets from image preprocessing to basic statistical analysis via the general linear model. Advanced methods such as multivariate analysis, machine learning, and graph theory, among others, will also be introduced.
2. Practical hands-on experience in analyzing neuroimaging datasets 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.
このコースは2つのパートに分かれています。
1. ニューロイメージングデータの解析に有用な手法を、画像の前処理から一般線形モデルによる基本的な統計解析まで紹介する講義を行います。また、多変量解析、機械学習、グラフ理論などの高度な手法も紹介します。
2. 前半で学んだ手法を用いたニューロイメージングデータの解析の実習を行います。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します。 |
|
|
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 (15%), assignments (35%) 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（15％）、課題（35％）、期末レポート（50％）で評価します。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ります。 |
|
|
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、読み物を提供します。 |
|
|
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 are also done outside classes.
授業活動（講義・演習）は、ほぼ授業時間内に行います。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ります。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ります。また、宿題も授業時間外に行います。 |
|
|
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 on one’s 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）が必要になります。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ります。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ります。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ります。16GB以上のメモリを搭載したPCを強く推奨します。 |
|
|
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. This is also an intensive course. The class schedule will be decided in consultation with students and announced at NUCT.
授業は原則として対面式で行いますが、遠隔授業が必要となった場合は調整します。こちらも集中科目で、授業日程は学生と相談の上決定し、NUCTでお知らせします。 |
|
|
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) | | |
|