Цифровые технологии в медицине

О программе

Программа магистратуры посвящена передовым методам и технологиям разработки интеллектуальных систем, преимущественно в системе здравоохранения. Проводится разбор научно-практических кейсов анализа биомедицинских данных (результаты обследований, сигналы, изображения и т.д.) в контексте разработки систем поддержки принятия врачебных решений. Большое внимание уделяется современным моделям и технологиям глубокого обучения. Магистерская работа может быть посвящена развитию существующей Медицинской информационной системы «Байкал» или разработке взаимодействующих с ней цифровых сервисов различного назначения.

Преподаватели

Раднаев Мунко Баянович

Генеральный директор ООО «Байкалмедсистемс», профессор практики кафедры информационных систем и методов искусственного интеллекта. Специализация: разработка и сопровождение медицинских информационных систем (разработчик МИС «Байкал»). Контакты: munkokizh@mail.ru

Дармаев Тумэн Гомбоцыренович

Кандидат физико-математических наук

Доцент кафедры информационных систем и методов искусственного интеллекта, «Почетный работник высшего профессионального образования РФ». Специализация: технология разработки программного обеспечения, CASE-технологии, моделирование информационных систем. Контакты: dtumen@mail.ru

Архинчеев Валерий Ефимович

Доктор физико-математических наук

Профессор кафедры информационных систем и методов искусственного интеллекта. Специализация: квантовая информатика, теоретическая физика, наноэлектроника, кинетические явления в неоднородных средах. Контакты: varkhin@yahoo.com

Дудин Сергей Александрович

Кандидат технических наук

Старший преподаватель кафедры информационных систем и методов искусственного интеллекта, «Лауреат Всесоюзного конкурса научных работ по техническим наукам», «Медалист Министерства просвещения». Специализация: анализ биомедицинских данных, разработка аппаратно-программного диагностического комплекса. Контакты: dudin_sa@mail.ru

Цыбиков Анатолий Сергеевич

Кандидат педагогических наук

Заведующий кафедрой информационных систем и методов искусственного интеллекта, «Лауреат премии мэра г. Улан-Удэ для молодых ученых». Специализация: прикладной анализ данных, машинное обучение и искусственный интеллект. Контакты: cas313@rambler.ru

Брагин Александр Фёдорович

Старший преподаватель кафедры информационных систем и методов искусственного интеллекта. Победитель 1/4-финалов и призер 1/2-финалов студенческих чемпионатов мира ACM по спортивному программированию. Разработчик перспективных стартап-проектов. Специализация: инновационные бизнес-проекты, передовые технологии разработки ПО, культура разработки ПО. Контакты: agarb7@gmail.com

Что будете изучать?

Прикладные модели машинного обучения

Задачи типа Sec2Sec. Модели, основанные на модели внимания. Трансформеры. Анализ и применение передовых сверточных архитектур детекции, классификации, сегментации, трекинга объектов: ResNet, EfficientNet, Vision Transformers, FCN, U‑Net, Mask R‑CMM, YOLO. Модели для распознавания лиц: face recognition, FaceNet и т.п. Перенос обучения. Инструменты разметки данных.

Применение технологий искусственного интеллекта в практиках восточной медицины

Применение методов и технологий искусственного интеллекта для разработки систем поддержки принятия решений на основе данных, полученных методами восточной медицины. Технологии регистрации, обработки и анализа пульсовых сигналов: разработка датчиков, оценка достоверности сигналов, фильтрация и подавление помех, алгоритмы извлечения информативных признаков. Проблемы разработки аппаратно-программного комплекса дистанционного мониторинга состояния здоровья человека.

Информационные системы искусственного интеллекта в медицине

Обзор медицинских информационных систем. Обработка разнородных наборов медицинских данных. Технологии извлечения, преобразования и загрузки данных. Концепции организации хранения данных. Искусственный интеллект в медицинских системах. Технологии оперативного и интеллектуального анализа данных. OLAP-системы и Data mining.

Методы обработки и анализа медицинских изображений

Курс посвящен автоматической обработке и анализу видеоданных и изображений в интеллектуальных видеокомпьютерных медицинских системах. Основное внимание уделяется методам и алгоритмам цифровой обработки медицинских изображений и видеоданных, методам видеоаналитики, машинного обучения и анализа данных для решения задач обнаружения, сегментации, классификации объектов интереса. Изучаются методы глубокого обучения, а также смарт-технологии визуализации и формирования видеоизображений.

Учебная программа

1 курс

Прикладные задачи глубокого обучения
Информационные системы искусственного интеллекта в медицине
Обработка и анализ биомедицинских сигналов
Объектно-ориентированное проектирование
Технология разработки программного обеспечения

2 курс

Прикладные модели машинного обучения
Методы обработки и анализа медицинских изображений
Применение технологий искусственного интеллекта в практиках восточной медицины
Технологии и методы преобразования цифровых данных анатомической диагностики в трехмерные прототипы

Будущая карьерная траектория

Data Scientist — научно-практическая аналитика данных
Data Engineer — инженер данных, в т.ч. в медицинских системах
Инженер-программист — разработка и сопровождение медицинских ИС
Преподаватель-исследователь — образовательная и научная деятельность
Руководитель/исполнитель стартап-проектов
Менеджер проектов — координация, контроль и управление проектами

Будущее резюме

Образование

Бурятский государственный университет имени Доржи Банзарова, направление 01.04.02 Прикладная математика и информатика, профиль «Цифровые технологии в медицине»

Опыт работы (производственная практика и стажировка)

ООО «БайкалМедСистемс» (МИС «Байкал»)
ГБУЗ «Республиканский медицинский информационно-аналитический центр»
АО «БАРС-Груп» (департамент цифровизации здравоохранения)
ООО «Мегабайт ПЛЮС» (фармацевтическая деятельность)

Профессиональные навыки и качества — анализ данных и ИИ

Машинное обучение: KNN, K-means, DBSCAN, SVM, Байесовский классификатор, SGD
Глубокое обучение: модели компьютерного зрения (ResNet, EfficientNet, Vision Transformers, FCN, U‑Net, Mask R‑CMM, YOLO, face recognition, FaceNet); обработка и анализ естественного языка (NLP): RNN, BERT, LLM, GPT, Transformer-X
Языки программирования: Python
Фреймворки и библиотеки: NumPy, Pandas, Matplotlib, Scikit-learn, TensorFlow, Keras, PyTorch, Statistica (пакет статистического анализа)

Профессиональные навыки и качества — разработка ИС

Проектирование ИС: ER-диаграммы, DFD-диаграммы потоков данных, UML-диаграммы
Языки программирования: C++ / C# / Python / PHP / JavaScript / Go
Фронтенд технологии: HTML5, CSS
Базы данных: PostgresSQL, MS SQL, MySQL
Фреймворки: Laravel (PHP), VueJS (JS), Tailwind, Bootstrap, Visual Studio

Награды и достижения

Победитель в номинации «Лучший доклад» на научно-практической конференции; Опыт выступлений и научной аргументации в профессиональной деятельности

Выпускной проект

Разработка информационно-аналитической системы/модуля/сервиса