深碗課程
特色與目標
訓練學生的想像力讓其不再死背生化代謝途徑。將時事或疾病連結各類分子的相關性，提高想知的欲望，並以圖像或表格方式重點加深印象。
開設課程
課程：生物化學
特色說明：生化課給人的刻板印象為無趣，因此常讓學生失去學習動力。 為了提高學生的學習興趣並能主動深入了解生化學，會以一些疾病與生活周遭事物讓學生了解生化其實與生活醫療密不可分，藉此提高學生對生化學習的動力，也藉這深入探討各類議題深入學習生化學的知識。
課程規劃：
| 週次 | 授課進度與大綱 | 備註 |
|---|---|---|
| 1 | 課程簡介 | |
| 2 | Carbohydrates and metabolism (I) | |
| 3 | Carbohydrates and metabolism (II) | |
| 4 | Carbohydrate metabolic disease | 分組議題討論 : 醣類代謝相關疾病的致病，參與的代謝途徑、疾病治療 |
| 5 | Lipid and metabolism (I) | |
| 6 | Lipid and metabolism (II) | |
| 7 | Lipid and metabolism (III) | 分組議題討論 : 脂類代謝相關疾病的致病，參與的代謝途徑、疾病治療 |
| 8 | Lipid metabolic disease | |
| 9 | 期中考 | |
| 10 | Amino acid, protein and metabolism (I) | |
| 11 | Enzyme | |
| 12 | Hormone (I) | |
| 13 | Hormone (II) | |
| 14 | Vitamin and Mineral | 分組議題討論 : 討論市面上所販賣各類營養補充物對身體的利弊 |
| 15 | Molecular biology (I) | |
| 16 | Molecular biology (II) | |
| 17 | Tumor marker | |
| 18 | 期末考 |
扎根學堂課程
課程計畫
為使學生了解專業之輪廓並提早體驗創新實作之教學方法，課程內容包括:- 優秀系友生涯發展分享:邀請資深醫檢師分享臨床檢驗工作內容、醫檢師所需資格、其他相關的職業方向。
- 業界實務演說:邀請具有建置檢驗自動化經驗之醫全公司經理，分析目前檢驗醫學實驗室自動化現狀與進展，以及醫檢師在實驗室自動化後所扮演的角色。
- 扎根實作小專題:針對臨床檢驗醫學實務，分成臨床血液檢驗、門診抽血、臨床鏡檢、臨床微生物、臨床血庫、臨床生化免疫、病理檢驗、分子檢驗共八大類，逐類進行介紹基本臨床工作內容與所需的相關知識學科；其中請學員分組針對八類檢驗醫學，藉由訪談、上課、文獻等收集相關資料，進行各類的心得報告。
- 定向產業參訪:安排學生到義大醫院醫檢檢驗部進行見習參訪，了解實際臨床實驗室環境及工作流程。
課程安排
- 安排2次校外教學及2場演講，抵4週課程。
- 每門課期末需繳交相關資料，包括：
- 成果報告書1份。
- 期末成果海報1份(.ppt檔，投影片大小：寬84公分、高114公分)
- 學生學習心得3篇(.doc檔)。
- 專題成果展現、課程相關照片、影音檔案或其他可展現成果之資料(電子檔)。
- 成果報告書1份。
- 期末成果海報1份(.ppt檔，投影片大小：寬84公分、高114公分)
- 學生學習心得3篇(.doc檔)。
- 專題成果展現、課程相關照片、影音檔案或其他可展現成果之資料(電子檔)。
AI+X 課程
介紹
AI+X課程 ”檢驗醫學人工智慧技術應用” (Application of AI in Medical Laboratory Science)
課程安排
本系檢驗醫學人工智慧技術應用課程規劃如下：
| 週次 | 授課進度與大綱 |
|---|---|
| 1 | Python tool與AI套件安裝 |
| 2 | Python list與變數語法介紹 |
| 3 | Python判別語法介紹 |
| 4 | Python loop語法介紹 |
| 5 | 使用AI套件進行資料分類進行機器學習 |
| 6 | 說明AI套件如何進行深度學習 |
| 7 | 利用AI套件如何讀取圖片與影像處理 |
| 8 | 如何利用圖片進行深度學習 |
| 9 | 期中考 |
| 10 | 免疫化學染色技術與臨床應用 |
| 11 | 免疫化學染色影像價數判讀與讀取設計I |
| 12 | 免疫化學染色影像價數判讀與讀取設計II |
| 13 | 免疫化學染色影像價數數據轉換與深度學習 |
| 14 | 專題報告I |
| 15 | 專題報告II |
該課程目前規劃的開課年級為大四學生，並開放二三年級學生上修。於第一週課程中，將概述如何學習Python語言與AI深度學習，並應用於醫學檢驗影像數據的分類，同時將先確認持續選修本課程的學生數，並參照Design Sprint Method的創新團隊規劃，將學生7至8人為一組進行分組來進行多團隊競賽相同AI課程的挑戰。各小組成員依照本身的興趣與專長，由各組員推舉一位團隊領導員、二位原型設計員、二位臨床檢驗數據研究員、二至三位Python程式語言設計員。課程規畫為先訓練學生對Python程式語言環境的熟練度，並先以簡易的Python遊戲程式設計來增加學生的興趣與熱誠，再以漸進性方式導入AI深度學習(TensorFlow機器學習)與臨床檢驗影像數據判讀設計(免疫化學染色影像)。在此課程的實作學習過程，兩位課程老師將會引導學生以IDEO設計公司的Design Thinking執行策略 [ 了解（Understand）、定義（Define）、發想（Diverge）、定案（Decide）、原型（Prototype）、驗證（Validate）] 來完成各組的期末專題報告。