| Relevance of Course Objectives and Core Learning Outcomes(%) |
Teaching and Assessment Methods for Course Objectives |
| Course Objectives |
Competency Indicators |
Ratio(%) |
Teaching Methods |
Assessment Methods |
1. AI 核心技術應用： 建立學生運用 AI 處理非結構化資料（影像、感測器數據）的能力。
2. ESG 思辨能力： 學習如何定義醫療廢棄物減量與能源效率的評估標準。
3. 專題實作： 透過產學指導，完成從問題定義、模型開發到 ESG 成效評估的完整流程。
|
|
|
| topic Discussion / Production |
|
|
| Course Content and Homework/Schedule/Tests Schedule |
| Week |
Course Content |
| Week 1 |
課程解說 務必到教室聽取概要介紹 (蔡鴻旭⽼師 陳⼀⼼⽼師) |
| Week 2 |
環境建置與⼯具熟悉
完成開發環境設定、資料下載與程式執⾏測試 |
| Week 3 |
醫療影像資料理解
完成資料探索（EDA）、類別分布檢查與資料切分規劃 |
| Week 4 |
影像前處理與資料增強
建⽴可重現的前處理流程，並比較不同 augmentation 策略 |
| Week 5 |
AI 模型建⽴
以 CNN/遷移學習完成 baseline 模型訓練與初步結果 |
| Week 6 |
模型評估與誤差分析
以 confusion matrix、precision、recall、F1-score 進⾏分析與解讀專題階段 1專題提案與題⽬確
認 |
| Week 7 |
課程解說 務必到教室聽取概要介紹 (翁旭惠⽼師) |
| Week 8 |
醫學影像概論
週
臨床醫學影像的主要角⾊：診斷、追蹤、治療規劃、介入導引 |
| Week 9 |
影像取得原理與影像品
- 訊號形成機制
- 區別度（resolution）
- 空間解析度、時間解析度、對比解析度
- 雜訊來源（Poisson noise、Gauss noise、MRI 熱雜訊等） |
| Week 10 |
DICOM 影像格式與臨床資料管理
- DICOM 結構（metadata + pixel data） |
| Week 11 |
影像處理技術 |
| Week 12 |
課程解說 務必到教室聽取概要介紹 (劉慶森⽼師) |
| Week 13 |
CSSD 流程與 ESG 指標定義 |
| Week 14 |
影像辨識：器械⾃動清點 |
| Week 15 |
數據驅動的節能排程 |
| Week 16 |
ESG 影響⼒評估模型 |
self-directed
learning |
03.Preparing presentations or reports related to industry and academia.
|
|
| Evaluation |
| 繳交報告或上台報告 依照各個授課⽼師規定 |
| Textbook & other References |
|
| Teaching Aids & Teacher's Website |
技術參考： Python 機器學習、OpenCV 影像處理實務。
• 領域參考： 醫院供應中⼼滅菌作業⼿冊、醫療產業 ESG 永續報告書指南。
• 開發⼯具： TensorFlow/PyTorch, Power BI (⽤於展⽰ ESG 儀表板)
*Python 機器學習* (Sebastian Raschka 著)
*Machine Learning in Python* (Michael Bowles) |
| Office Hours |
|
| Sustainable Development Goals, SDGs(Link URL) |
| include experience courses：N |
|