Exercises in Healthcare Science

Course Title

Course Title in English

Exercises in Healthcare Science

Course Type

-

コース応用科目

Eligible Students

Graduate School of Information Science

Target Grade

1Year

Course Numbering Code

KIIMD5MCA3

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

演習 (Seminar)

Eligible Year/Semester

Spring semester 2026

Instructor

水野由子,原口亮

Affiliation

情報科学研究科

Language of Instruction

Japanese

Related SDGs

3

Office Hours and Location

水野：月曜日 9:30−10:30 研究室
原口：水曜日 13:00−15:00 研究室

Contact

水野　yuko@gsis.u-hyogo.ac.jp
原口　haraguch@gsis.u-hyogo.ac.jp

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】
信号の解析および処理、モデル化、シミュレーションにより、計測信号の意味づけ、評価を行う手法について学ぶことを目的とする。そのために、基礎的な理論、MATLABおよびPythonを用いた演習により、計測システムとして取り扱えるシステム理論および手法を学ぶことを目的とする。
【到達目標】
計測システムにおいて、信号がどのように流れ、最終的に結果が得られるのかを具体的に理解し、実践できることを目標とする。データ解析の基礎的手法から、実際の研究に役立つ手法を実施することを目標とする。

Subtitle and Keywords of the Class

Course Overview and Schedule

【講義内容】
信号の解析および処理、モデル化、シミュレーションにより、計測信号の意味づけ、評価を行う手法について教授する。そのために、基礎的な理論、MATLABおよびPythonを用いた演習により、計測システムとして取り扱えるシステム理論および手法を教授する。
【授業計画】
授業での内容項目としては以下を予定している。
（水野：前半担当）
1．オリエンテーション：本講義のねらい、全体の概要
2．生体システムと信号解析
3．信号処理の基礎：フーリエ変換
4．信号処理の基礎：信号の離散化と量子化
5．信号処理の基礎：信号のフィルタリング
6．生体信号の統計解析：基礎知識、確率過程
7．生体信号のスペクトル推定：ウェーブレット解析
（原口：後半担当）

8. 信号処理のための数学1 
9. 信号処理のための数学2 
10. 生体信号処理演習 
11. 生体信号解析演習 
12. モデル解析演習 
13. データ処理・記述統計演習 
14. データ解析・検定の演習 
15. まとめ

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。
この授業においては、以下の範囲において、生成AIの利用を許可し、これ以外の範囲での利用は禁止する。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・レポートとして提出してはならない。
利用可の範囲：プログラミングの補正

Textbook

必要に応じて講義内等で指示・紹介する。

References

・Peter Dalgaard 著，岡田昌史監訳， Rによる医療統計学原書2版，丸善出版， 2017年
・中澤港，Rによる保健医療データ解析演習，ピアソン・エデュケーション，2007年
・金明哲，Rによるデータサイエンス第2版，森北出版，2017年
・小野弓絵, MATLABで学ぶ生体信号処理, コロナ社, 2018年
・高井信勝，「信号処理」「画像処理」のための MATLAB 入門，工学社，2002年
・齋藤誠慈，「常微分方程式とラプラス変換」，裳華房，2006年

Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)

事前学習
事前に配布している資料を読み講義内容を把握するとともに，理解できない所を明確にしておく．

事後学習
講義内容を見返し，理解できているかを確認する．理解できていない所があれば，質問するなどして理解に努める．

事前・事後学習に60時間必要である。

Contents of Active Learning

演習は基本的に個人で行なうが，分からない所を学生同士で教え合うことを推奨し，それにより教える力，コミュニケーション能力を養う．
学生による課題プレゼンテーションと学生同士によるディスカッションを行う．

Grading Criteria and Methods

成績評価の基準：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）の到達度に応じてSからDまで成績を与える。
成績評価の方法：授業・課題への取り組み状況（50％），期末レポート・試験（50%）を基準として評価する

How to Disclose Assignments and Exam Results

講義中に出した課題の解説は，講義中に行う．
レポート・試験問題については，教員室等で質問に応じる．

Precautions and Requirements for Course Registration

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.

Syllabus data