DTE-2804 Smart teknologi for assistanse, helse og velferd - 10 stp

Kurset gir en introduksjon til bruk av "smart teknologi" og IoT til forbedring av helsetjenester og velferd.

Vekt er på bruk av sensorer, f.eks. i personlige "wearables" eller annet utstyr, som tilbyr assistanse, og støttesystemer for pasientbehandling. Eksempelvis sensorer for overvåking av puls.

I løpet av semestret gjennomgås hele veien fra fysisk innsamling av sensordata, til prosessering av disse med ulike teknikker fra signalprosessering og maskinlæring. Vi ser også på hvordan man kan anvende maskinlæring på større innsamlede datasett, f.eks. OCR eller bruk av Convolutional Neural Networks for bildegjenkjenning.

Overordnet arkitektur av slike systemer er vesentlig i emnet, herunder bruk av Robot Operating System.

Eksterne søkere: 1. juni for emner som tilbys i høstsemesteret og 1. desember for emner som tilbys i vårsemesteret.

Studenter med aktiv studierett ved UiT tar kontakt via TopDesk for påmelding

Generell studiekompetanse og Matematikk R1+R2 og Fysikk 1. 

Søkere som kan dokumentere ett av følgende kvalifiserer også for opptak:

• generell studiekompetanse og bestått realfagkurs, eller
• bestått 1-årig forkurs for ingeniørutdanning, eller
• 2-årig teknisk fagskole etter rammeplan fastsatt av departementet 1998/99 og tidligere studieordninger

*For å få opptak til enkeltemner på grunnlag av Y-veien, må søkeren oppfylle opptakskriteriene for Y-vei til studieprogrammet som emnet inngår i. I tillegg må søkeren oppfylle eventuelle forkunnskapskrav som er spesifisert for det konkrete emnet de søker opptak til. Det gis begrenset studierett til det spesifikke emnet - på samme måte som realkompetansesøkere.

Søknadskode: 9391

Kunnskaper og forståelse:

• Kjennskap til ulike analoge og digitale sensorer.
• Hvordan data hentes fra ulike sensorer.
• Hvordan data fra ulike sensorer kan kombineres.
• Presentasjon og tolking av sensordata.
• Programvarearkitektur for sensorsystemer.
• Kjenne til hensikt og behov for virksomhet/livskritiske sanntids sensorsystemer.
• Forståelse for problemstillinger som oppstår i forhold til den store mengden sensordata som skal prosesseres, og mulighetene for informasjonstap og feil.
• Strategier for behandling av til dels usikker informasjon.
• Forhold for, og vurderinger rundt, lokal versus sentral lagring prosessering og overføring av dataene.
• Muligheter med personlige helsesensorer.
• Utfordringer rundt personvern i relasjon til helsesensorer og overvåkning.
• Energibruk og energiforsyning til helserelaterte sensorbaserte systemer.

Ferdigheter:

• Konstruksjon av enkle sensorkretser, og tilkobling til egnede "embedded" systemer (som BeagleBoneBlack, Rasperry Pi, eller lignende). Det er ingen forkunnskapskrav innen småelektronikk (systemene er svært enkle). Det er dog mulig å "slå seg litt løs"  for de som ønsker det.
• Programmering av systemer som henter inn sensorinformasjon.
• Håndtering av sensordata med for eksempel bruk av ROS (Robot Operating System).
• Prosessering av data med signalprosesserings- og maskinlæringsalgoritmer som for eksempel disktret filtrering, Convolutional Neural Networks (Deep-Learning) og selv-utviklende programmer (genetiske algoritmer).

Kompetanse:

• Kjenne samspillet mellom teknologi, samfunnskonsekvenser og utviklingsmetodikk rundt sensorbaserte systemer for assistanse, helse og velferd.
• Refleksjon rundt egen faglig utøvelse og læringsprosess og kunne justere disse etter veiledning.
• Dokumentering av faglig utøvelse.

Hovedvekt på praktiske øvinger på lab/nett, knyttet til spesifikke delmål.

Øvinger vurderes løpende (vurdering for læring).

Forelesninger, primært gjennom forberedende videogjennomgang, men tidvis tradisjonelle forelesninger som streames i nettmøte (opptak av stream gjøres tilgjengelig på nett).

Undervisningsspråk er normalt norsk, men kan være engelsk dersom det deltar studenter som har behov for det.

Eksamen og vurdering

Mappevurdering: En samlet vurdering av 4 obligatoriske oppgaver og 2 obligatoriske e-tester, hvorav inntil 1 øving kan leveres på nytt.

Karakterskala A til F, hvor F er ikke bestått.

Alle vurderingselementer må oppnå karakter E eller bedre for å få karakter i emnet. Dersom det mangler vurderingselementer blir det ikke gjort en samlet vurdering, og det gis ikke karakter i emnet.

Det er adgang til kontinuasjon dersom emnet ikke bestås, altså mulighet til å levere ny mappe ved neste gjennomføring av emnet.

Mappen (øvinger) kan leveres på norsk eller engelsk.

Eksamensdato er foreløpig og vil kunne bli endret. Endelig eksamensdato kunngjøres ved oppslag på det enkelte fakultet primo mai for vårsemesteret og primo november for høstsemesteret.