• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
vision Версия для слабовидящих
Расширенный поиск по сайту
Меню
Учебные курсы
ФКН
Высшая школа экономики
vision Версия для слабовидящих
Расширенный поиск по сайту
Департамент анализа данных и искусственного интеллекта
Факультет компьютерных наук
Департамент анализа данных и искусственного интеллекта
Контакты

Адрес: 109028, г. Москва, Покровский бульвар, д. 11, корпус S, комната S938 (станции метро "Чистые пруды" и "Курская").

Телефон: +7(495) 772-95-90 *27319

Руководство
Кузнецов Сергей Олегович
Руководитель департамента – Кузнецов Сергей Олегович
Громов Василий Александрович
Заместитель руководителя департамента – Громов Василий Александрович
Антропова Лариса Ивановна
О департаменте

Департамент анализа данных и искусственного интеллекта был создан в 2014 году на базе кафедры анализа данных и искусственного интеллекта. В его состав входят исследователи с мировым именем, активно участвующие в международных исследовательских проектах.

Публикации
Статья
Efficient indexing of peptides for database search using Tide

Acquaye F. L., Kertesz-Farkas A., Stafford Noble W.

Journal of Proteome Research. 2023. Vol. 22. No. 2. P. 577-584.

Статья
Generalized relational tensors for chaotic time series

Vasilii A. Gromov, Yury N. Beschastnov, Korney K. Tomashchuk.

PeerJ Computer Science. 2023. Vol. 9. No.  .

Статья
Language models for some extensions of the Lambek calculus

Kanovich M., Kuznetsov S., Scedrov A.

Information and Computation. 2022. Vol. 287.

Статья
Triclusters of Close Values for the Analysis of 3D Data

Egurnov D., Ignatov D. I.

Automation and Remote Control. 2022. Vol. 83. No. 6. P. 894-902.

Глава в книге
Triclustering in Big Data Setting

Egurnov D., Точилкин Д. С., Ignatov D. I.

In bk.: Complex Data Analytics with Formal Concept Analysis. Springer, 2022. P. 239-258.

Глава в книге
Ontology-Controlled Automated Cumulative Scaffolding for Personalized Adaptive Learning

Dudyrev F., Neznanov A., Anisimova K.

In bk.: Artificial Intelligence in Education. Posters and Late Breaking Results, Workshops and Tutorials, Industry and Innovation Tracks, Practitioners’ and Doctoral Consortium -23rd International Conference, AIED 2022, Durham, UK, July 27–31, 2022, Proceedings, Part II. Springer, 2022. P. 436-439.

Глава в книге
Modeling Generalization in Domain Taxonomies Using a Maximum Likelihood Criterion

Zhirayr Hayrapetyan, Nascimento S., Trevor F. et al.

In bk.: Information Systems and Technologies: WorldCIST 2022, Volume 2. Iss. 469. Springer, 2022. P. 141-147.

Статья
Human knowledge models: Learning applied knowledge from the data

Dudyrev E., Semenkov Ilia, Kuznetsov S. et al.

Plos One. 2022. Vol. 17. No. 10.

Все публикации

Big Data and Machine Learning in Healthcare

2023/2024
Учебный год
ENG
Обучение ведется на английском языке
6
Кредиты
Кто читает:
Департамент анализа данных и искусственного интеллекта
Статус:
Курс по выбору
Когда читается:
2-й курс, 1, 2 модуль

Преподаватель

Пьяных Олег Станиславович

Пьяных Олег Станиславович

Course Syllabus

Full SyllabusAsk Question

Abstract

Medical Informatics (MI) is a new, exponentially-growing field, where information sciences meet modern clinical applications. The main goal of this class in to introduce HSE students to the broad spectrum of MI problems and applications, and to provide the students with the skills necessary for conduction professional MI work.
Learning Objectives

Learning Objectives

  • To develop fundamental knowledge of concepts underlying medical informatics projects.
  • To develop practical skills needed in modern digital medicine.
  • To explain how math and information sciences can contribute to building better healthcare.
  • To give a hands-on experience with real-world medical data analysis.
  • To develop applied experience with medical software, programming, applications and processes.
Expected Learning Outcomes

Expected Learning Outcomes

  • Students are fluent in clinical data acquisition, processing and management, in the areas outlined in the schedule.
  • Students know the basic concepts of MI.
Course Contents

Course Contents

  • Introduction: What is MI, and what it is not
  • Standards: Overview and HL7
  • Standards: DICOM
  • Making sense of standards
  • Computed tomography; Image enhancement
  • Computer-Aided Diagnostics (CAD)
  • Networking and teleradiology
  • Security
  • Scheduling and queuing
  • Simulation/Modeling in Medicine
  • Clinical software development; Medical startups
  • Medical startups
  • Unusual applications
Assessment Elements

Assessment Elements

  • non-blocking Class homework/projects, assigned after each lecture
  • non-blocking Exam
Interim Assessment

Interim Assessment

  • 2023/2024 2nd module
    0.8 * Class homework/projects, assigned after each lecture + 0.2 * Exam
Bibliography

Bibliography

Recommended Core Bibliography

  • Pianykh, O. S. Digital imaging and communications in medicine (DICOM): a practical introduction and survival guide. – Springer Science & Business Media, 2009. – 417 pp.

Recommended Additional Bibliography

  • Pianykh O. S. Digital Image Quality in Medicine. – Springer International Publishing, 2014. – 140 pp.

Authors

  • PYANYKH OLEG STANISLAVOVICH
  • Антропова Лариса Ивановна