Syllabus data
|
Teacher name ： 郷 康広
|
Course Title
Advanced Lecture for Multiｍodal Bioinformatics
Course Title in English
Advanced Lecture for Multiｍodal Bioinformatics
Course Type
-
コース応用科目（健康医療科学）
Eligible Students
Graduate School of Information Science
Target Grade
1Year
Course Numbering Code
KIIMD5MCA1
Credits
2.00Credits
The course numbering code represents the faculty managing the subject, the department of the target students, and the education category (liberal arts / specialized course). For detailed information, please download the separate manual from the upper right 'question mark'.
Type of Class
講義 (Lecture)
Eligible Year/Semester
Fall semester 2026
(Fall semester)
Instructor
郷 康広,Rashed Essam,Fujita Takayuki
Affiliation
情報科学研究科
Language of Instruction
Japanese
講義1~10：日本語
講義11~15：英語 Related SDGs
3
Office Hours and Location
（火）10:00〜12:00・教員研究室（ラシド）
（水）13:00〜15:00・教員研究室（郷） 随時・先端医療工学研究所またはオンライン（藤田） Contact
rashed@gsis.u-hyogo.ac.jp（ラシド）
go@gsis.u-hyogo.ac.jp（郷） fujita@ame.u-hyogo.ac.jp（藤田） Corresponding Diploma Policy
A double circle indicates the most relevant DP number and a circle indicates the associated DP.
Corresponding Undergraduate School DP
ー
Corresponding Graduate School DP
2◎／1〇
Corresponding University-Wide DP
N/a
Academic Goals of Teacher Training Course
ー
Course Objectives and Learning Outcome
【講義⽬的】
DNA・RNA配列を用いたバイオインフォマティクス解析、CTやMRIなどの画像処理、心電図・脳波・ また、細胞・組織が持つマルチモーダルな生物デジタル情報の取得方法・活用方法、医用画像処理装置の仕組みおよび画像診断、光学・圧力・ 合わせて、バイオインフォマティクス関連分野、医用画像分野、生体計測技術の論文調査を通じて、英文論文を理解する能力・まとめる能力を養うとともに、日本語および英語でのプレゼンテーション能力の向上を目指す。 【到達⽬標】 各種の測定原理を理解した上で、研究や解析の必要に応じて計算⼿法を選び、適⽤・実⾏することを⽬標とする。 Subtitle and Keywords of the Class
キーワード：配列解析、統計ゲノム解析、マルチモーダル生物デジタル情報、医用画像、画像フィルタリング、画像診断、医用センシング、測定技術
Course Overview and Schedule
1. オリエンテーション：本講義のねらい、全体の概要ほか（日本語）［郷］
2. ゲノム配列の決定方法（日本語）［郷］ 3. マルチモーダル生物デジタル情報の取得方法と活用方法（日本語）［郷］ 4. 学生による論文調査のプレゼンテーション（日本語）［郷］ 5. 学生による論文調査のプレゼンテーション（日本語）［郷］ 6. 医用センシングの基礎，生体信号と測定技術（日本語）［藤田］ 7. センシング技術とデバイス（日本語）［藤田］ 8. データ処理とAI・IoT技術（日本語）［藤田］ 9. 学生による論文調査のプレゼンテーション（日本語）［藤田］ 10. 学生による論文調査のプレゼンテーション（日本語）［藤田］ 11. Digital Image Processing (デジタル画像処理)（英語）［ラシド］ 12. Image filtering Methods (画像フィルタリング方法)（英語）［ラシド］ 13. Image acquisition and reconstruction (画像取得と画像再構成)（英語）［ラシド］ 14. Medical Image Diagnosis (医療画像診断)（英語）［ラシド］ 15. 学生による論文調査のプレゼンテーション（英語）［ラシド］ In-person/Remote Classification
In-person
Implementation Method and Remote Credit Limit Application
・対⾯授業のみ
・遠隔授業単位上限の適⽤を受けない Uses of Generative AI
Limited permission for use
Precautions for using Generative AI
⽣成AIの利⽤にあたっては『本学の教育における⽣成AIの取扱いについて(学⽣向け)』の記載内容について留意すること。
⽣成AIの利⽤については担当教員の指⽰に従うこと。 教員が認める範囲を超えて⽣成AIを利⽤したことが判明した場合は、単位を認定しない、⼜は認定を取り消すことがある。 ⽣成AIの出⼒した内容について、事実関係の確認や出典・参考⽂献を確認・追記することが重要である。 また、⽣成AIによる出⼒結果をそのまま課題・レポート・論⽂として提出してはならない。 Textbook
必要に応じて講義内等で指示・紹介する
References
必要に応じて講義内等で指示・紹介する
Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)
【予習】
授業に際して指示するテキスト・オンデマンド教材の部分を事前読み込み（10ｈ）、プレゼンテーションの準備（10ｈ） 【復習】 レポート作成（1 回、10ｈ）、講義内容の理解を深め定着させるためにテキスト・オンデマンド教材を読み直し（30ｈ） Contents of Active Learning
最終レポートとして、全学生によるプレゼンテーション（20〜30分）を行います。
Grading Criteria and Methods
【成績評価の基準】
マルチモーダル情報関連分野において、考え⽅、技術、⽅法論などについての知識をベースに、その応⽤に関する具体的な活⽤⽅法を⾝に付けた者について、講義⽬的・到達⽬標に記載する能⼒（知識・技能、思考⼒、判断⼒、表現⼒等）の到達度に基づき、 S（90点以上）, A（80点以上）, B（70点以上）, C（60点以上）による成績評価のうえ、単位を付与する。 【成績評価の⽅法】 学生によるプレゼンテーションの内容や、受講態度（積極的な質問等）を含めて総合的に評価する。 How to Disclose Assignments and Exam Results
全学生によるプレゼンテーションの最後に講評を返す。
Precautions and Requirements for Course Registration
当授業は、原則全ての授業を対面で実施する予定ですが、履修者人数によっては、履修者を複数の教室に分けて教室間をオンラインで繋ぐ方法や、対面授業と自宅でのオンライン授業を隔週実施する方法とする場合があり、自宅等でオンライン授業の受講を視聴できる通信環境（PC・タブレット等の端末やWi-Fi環境）が必要となる場合があります。最終的な授業方法は履修登録後に決定・連絡します。
Practical Education
該当しない
Remarks
In cases where any differences arise between the English version and the original Japanese version, the Japanese version shall prevail as the official authoritative version.
|
