Tampere University Biomedical Informatics (Biomedical Technology) Master's Thesis Guide: 2026-2027 বাংলা সংস্করণ

সংক্ষিপ্ত উত্তর: এটি কোন Biomedical Informatics route?

এই guide Biomedical Technology-এর Biomedical Informatics, অর্থাৎ Master of Science / Natural Sciences route-এর জন্য। এটি আলাদা Biomedical Sciences and Engineering Master of Science route নয়। Degree 120 ECTS এবং current BBTM.BMI-S14 Advanced Studies in Biomedical Informatics at least 80 ECTS।

Current thesis route হলো BBT.MJS.109 Thesis Seminar, Natural Sciences - 2 ECTS, pass/fail এবং BBT.OPN.002 Master´s Thesis, Natural Sciences - 30 ECTS, 0-5 graded। এছাড়া BBT.OPN.EXT.002 Research Associated with MSc Thesis - 10 ECTS, pass/fail optional thesis-associated research হিসেবে laboratory, computational বা clinical-data work cover করতে পারে। এটি 30 ECTS thesis-এর অংশ নয় এবং সবার জন্য compulsory নয়।

1. Natural Sciences route Natural Sciences route নয়

Tampere-তে Biomedical Informatics দুইটি master context-এ আছে। এখানে governing route Biomedical Technology / Master of Science / Natural Sciences এবং advanced-studies object BBTM.BMI-S14, at least 80 ECTS। Engineering BBTM.TEK-S20 বা Technology-thesis administration এখানে import করবেন না।

Subject overlap থাকতে পারে, কিন্তু degree title এবং thesis object আলাদা। Shared course methodological evidence হিসেবে ব্যবহার করা গেলেও অন্য degree-এর thesis rules apply করে না।

2. Thesis 30 ECTS; seminar এবং optional research আলাদা

BBT.OPN.002 হলো 30 ECTS, 0-5 graded Natural Sciences thesis। এটি supervised experimental বা computational research-এর ওপর ভিত্তি করে scientific report তৈরি করে। Project শুরুর আগে MSc specialisation-এর responsible professor-এর accepted project plan দরকার এবং maturity examination complete করতে হয়।

BBT.MJS.109 আলাদা 2 ECTS pass/fail seminar। এখানে thesis plan এবং পরে result presentation, methods, interpretation, conclusion ও future direction নিয়ে scientific discussion হয়।

BBT.OPN.EXT.002 আলাদা 10 ECTS pass/fail optional research unit। Laboratory, computational বা clinical-data acquisition work থাকতে পারে, কিন্তু supervisor-এর সঙ্গে initial thesis plan-এ define করতে হবে। এটিকে 30 ECTS thesis-এর সঙ্গে যোগ করে “40 ECTS thesis” বলবেন না।

3. Final dataset ছোঁয়ার আগেই project plan শক্ত করুন

BBT.OPN.002 project plan require করে। Research question, data source/experiment, experimental unit, primary outcome, validation, ethics/permission, analysis এবং fallback scope আগে define করুন। BBT.OPN.EXT.002 নিলে তার research activity এবং thesis-এর সঙ্গে সম্পর্ক আলাদা করে লিখুন।

Natural Sciences Biomedical Informatics experimental বা computational - দুইভাবেই হতে পারে। Genomics, healthcare data, image/signal analysis, systems biology বা mixed laboratory-computational project fit করতে পারে যদি biomedical question এবং evidence chain defensible হয়।

4. Algorithm নয়, biomedical question দিয়ে শুরু করুন

“Deep learning use করব” thesis question নয়। কী biomedical/health question, কোন unit, outcome, population/data-generating process এবং কোন evidence claim দরকার - আগে define করুন। তারপর method/algorithm বাছুন। BBTM.TEK-S20 system, algorithm, software, model এবং method design শেখায়, কিন্তু AI-এর limitation-ও বুঝতে বলে। Algorithm method; scientific objective নয়।

5. Data provenance table বানান

প্রতিটি dataset-এর source, cohort/system, collection context, inclusion/exclusion, observation unit, outcome, missingness, prior processing এবং permission constraint লিখুন। Molecular, cell, visit, patient, admission বা hospital-level row এক জিনিস নয়। একই dataframe-এ থাকলেও statistical meaning আলাদা। Provenance table পরে claim এবং analysis unit ঠিক রাখতে সাহায্য করে।

6. Experimental unit আগে ঠিক করুন

এক donor-এর হাজার cell, এক patient-এর শত image slice, এক person-এর বহু visit independent patient নয়। Claim patient-level হলে split patient-level হতে হবে; donor-level biology হলে cell donor-এর মধ্যে nested। Statistics এবং validation-এ hierarchy preserve করুন। নইলে pseudoreplication confidence artificially বাড়ায়।

7. Participant/sample leakage বন্ধ করুন

Same person-এর related record train এবং test দুদিকে গেলে performance falsely high হতে পারে। Row-wise random split repeated visit/image/cell leak করতে পারে। Normalisation, feature selection, imputation বা dimensionality reduction পুরো dataset দিয়ে fit করলেও leakage হয়। আগে grouping/split define করে data-dependent preprocessing training fold-এর ভেতরে fit করুন।

8. Tuning এবং final test আলাদা

Validation/cross-validation model এবং hyperparameter choose করতে পারে। Final test untouched evidence হওয়া উচিত। Test দেখে বারবার pipeline বদলালে test-ও tuning data হয়ে যায়। Small biomedical dataset-এ nested cross-validation বা equivalent separation useful হতে পারে। মূল principle: model choice এবং final performance estimate একই information দিয়ে optimize করবেন না।

9. Baseline বাধ্যতামূলক scientific comparison

Complex model meaningful baseline-এর চেয়ে ভালো কি না দেখুন। Logistic regression, simple rule, prevalence baseline, clinical score বা established bioinformatics method relevant হতে পারে। Deep model simple model-এর চেয়ে ভালো না হলে সেটিও valuable result। Performance-এর সঙ্গে calibration, interpretability, computation এবং deployment trade-off discuss করুন।

10. Metric claim অনুযায়ী আগে বাছুন

Imbalanced data-তে accuracy misleading হতে পারে; AUC probability calibration নয়; p-value prediction usefulness নয়। Regression/survival/clinical decision support-এর metric আলাদা। Primary metric আগে define করুন, threshold/false-positive/false-negative consequence explain করুন। Uncertainty দিন এবং statistical improvement ও clinical meaningfulness আলাদা রাখুন।

11. Missing data transparent রাখুন

কোন variable missing, কতটা, কেন এবং outcome-এর সঙ্গে missingness related হতে পারে কি না লিখুন। Full dataset-এ imputation fit করে পরে split করলে leakage হয়। Training process-এর ভিতরে fit করুন। Complete-case analysis population বদলে দিলে selection effect discuss করুন। Reasonable alternative handling-এ result বদলায় কি না sensitivity analysis useful।

12. Confounding-কে biological signal ভাববেন না

Model age, sex, hospital, batch, scanner, protocol, calendar time বা coding convention শিখতে পারে। Outcome group-এর মধ্যে confounder distribution check করুন। Site/time-aware validation করুন যেখানে relevant। High prediction accuracy causal mechanism prove করে না। Feature importance এবং biological causality আলাদা।

13. Internal, site, temporal, external validation আলাদা

Random cross-validation same environment-এর held-out data test করে। Site-separated test অন্য organisation/instrument context, temporal test future data, external validation broader transportability test করে। কোনটা করেছেন স্পষ্ট লিখুন। Internal split-কে external validation বলবেন না এবং single-site retrospective result সব health system-এ generalize করবেন না।

14. BBT.021: omics pipeline version করুন

BBT.021 Bioinformatics DNA-seq, RNA-seq, scRNA-seq, epigenetics, proteomics, alignment, annotation, database এবং enrichment cover করে। Reference genome/build, annotation/database version এবং key tools/pipeline record করুন। Omics type-এর measurement process আলাদা; সব matrix-কে generic tabular data হিসেবে treat করবেন না। QC এবং feature construction explain করুন।

15. Multiple testing control করুন

BBT.BI.202 multiple testing explicitly cover করে। হাজার gene/protein/feature test করলে raw p-value অনেক false positive তৈরি করবে। কোন correction/FDR logic ব্যবহার করেছেন এবং কোন test family-তে apply করেছে লিখুন। Enrichment analysis-এ selected gene list, background universe এবং database version document করুন।

16. PCA/cluster exploratory evidence

Heatmap, PCA/embedding বা cluster visually সুন্দর হলেই biological class prove হয় না। Scaling, feature selection, batch correction, distance এবং parameter geometry বদলায়। Cluster label independent biology বা sensitivity analysis দিয়ে support করুন। Exploratory হলে exploratory বলুন; overclaim করবেন না।

17. Single-cell-এ cell নয়, donor hierarchy মনে রাখুন

BBT.021 এবং BBT.INT.809 single-cell computational environment support করে। এক donor-এর হাজার cell হাজার donor নয়। Donor/sample ID QC, split এবং statistics-এ preserve করুন। Cell-level classifier patient/donor generalisation claim করলে same donor-এর cell train/test দুদিকে যাবে না।

18. Systems biology network model, mechanism নয়

BBT.MJS.102 Systems Biology graph theory, co-expression network, community detection, functional analysis এবং knowledge graph cover করে। Edge correlation/database relation হতে পারে; physical interaction automatically নয়। Node/edge/threshold/data source define করুন। Network structure hypothesis generate করতে পারে, causal mechanism prove করে না।

19. Survival analysis-এ time semantics লিখুন

Time origin, event, censoring এবং follow-up define করুন। Predictor prediction time-এ available ছিল কি না check করুন; future information leakage তৈরি করে। Repeated update হলে landmark/time-varying design explain করুন। Concordance high হলেই absolute risk calibrated নয়। Ranking risk, estimating risk না causal explanation - goal স্পষ্ট করুন।

20. Healthcare data workflow থেকে তৈরি হয়

BBT.038 healthcare process, record, standards এবং ICT architecture cover করে। EHR biology-এর neutral measurement নয়; care workflow, documentation, reimbursement, test availability এবং clinician decision data shape করে। Missing test “random missing” নাও হতে পারে। Data-generating workflow describe না করলে interpretation দুর্বল হয়।

21. Interoperability claim exact করুন

BBT.MJS.144 HL7, CDA, IHEসহ interoperability cover করে। “System interoperable” broad claim। কোন standard/profile/version, terminology এবং exchange test করেছেন লিখুন। Syntax exchange, semantic consistency এবং workflow integration আলাদা। Confidential production configuration public thesis-এ expose করবেন না।

22. Security/privacy শুরু থেকেই requirement

BBT.MJS.144 security, privacy, data protection explicitly cover করে। Data flow, role, access এবং processing environment design-এর শুরুতে define করুন। Pseudonymised হলেই secure/anonymous নয়। Selected control test করা enterprise-wide security prove করে না। Credential, patient ID বা restricted architecture screenshot thesis-এ দেবেন না।

23. Decision support autonomous clinical decision নয়

BBT.HTI.509 healthcare decision-support environment দেয়। User এবং decision define করুন। Retrospective performance prospective safety বা patient benefit prove করে না। False positive/negative consequence, threshold এবং calibration explain করুন। Academic decision-support evaluation-কে authorised autonomous clinical system হিসেবে লিখবেন না।

24. Health-software regulation intended use-এর উপর depend করে

BBT.MJS.144 health-software regulation cover করে। Thesis technical requirement, interoperability বা security test করতে পারে; কিন্তু automatically CE marking, certification বা market authorisation claim করতে পারে না। Intended use, technical verification, clinical evaluation, privacy/security এবং formal conformity status আলাদা রাখুন।

25. Human/clinical/genomic data আগে govern করুন

Patient record, genomic data বা identifiable/pseudonymised participant data access-এর আগে ethics/permission/data-protection route resolve করুন। Research group-এর কাছে data আছে মানেই student automatically use করতে পারে না। Approved source, allowed variables, secure environment এবং role document করুন। Notebook, filename, screenshot বা AI prompt-এ protected data leak করবেন না।

26. Pseudonymised data personal data থাকতে পারে

Name-এর বদলে study ID দিলেই anonymous নয়। Re-identification key বা অন্য information থাকলে data pseudonymised personal data। Genomic data বিশেষভাবে sensitive। Variable minimise, access restrict এবং public thesis-এ rare subgroup/identifier exposure check করুন।

27. Research AI এবং writing AI আলাদা করুন

Programme নিজেই AI method study করে, আবার university-wide AI use rule আছে। Research model-এর data, architecture/version, training, evaluation document করুন। Generative writing/coding assistance acknowledgement rule অনুযায়ী use করুন। Protected clinical/genomic/company data external AI-তে approved basis ছাড়া দেবেন না। Final code reproducible রাখুন।

28. Reproducibility শুধু Git নয়

Data version/approved extract, code commit, package environment, database/reference version, random seed এবং final workflow record করুন। Manual correction/relabelling log করুন। Processed dataset regenerate করা যায় বা clearly documented হওয়া উচিত। কোন version final figure তৈরি করেছে examiner যেন trace করতে পারে।

29. Methods এবং data dictionary early লিখুন

Variable name, meaning, unit, coding, source এবং missing value data dictionary-তে লিখুন। Split strategy, preprocessing এবং primary metric final result repeatedly দেখার আগে document করুন। Early writing duplicate patient, ambiguous label, leakage এবং hidden transformation ধরতে সাহায্য করে। Result ledger-এ question → data → script → figure → conclusion link রাখুন।

30. Project plan, supervision এবং data dependency

Natural Sciences route-এ project শুরু করার আগে MSc specialisation-এর responsible professor-এর accepted project plan দরকার। Question, dataset/experiment, supervisor, milestone, ethics/permission, computing environment এবং fallback scope সেখানে clear করুন। Clinical/genomic/partner data হলে access এবং lawful processing আগে resolve করুন।

BBT.OPN.EXT.002 ব্যবহার করলে 10 ECTS research activity initial plan-এ define করুন এবং BBT.OPN.002 30 ECTS thesis থেকে credit ও purpose আলাদা রাখুন।

31. Best run নয়, whole evaluation report করুন

Predefined primary analysis, meaningful baseline, uncertainty এবং justified sensitivity/subgroup analysis report করুন। Best seed, fold, threshold বা preprocessing variant-কে একমাত্র analysis হিসেবে দেখাবেন না। Omics-এ multiple testing, clinical prediction-এ calibration/threshold এবং health systems-এ technical interoperability বনাম real clinical benefit আলাদা রাখুন।

32. Maturity, Turnitin, Trepo এবং final audit

BBT.OPN.002 maturity examination require করে। Current Tampere maturity instruction অনুযায়ী applicable route follow করুন। Supervisor permission-এর পরে originality check/Turnitin এবং final Trepo submission complete করুন। Master’s thesis 0-5 graded। University-wide normal examiner period 21 days; additional maturity test লাগলে 28 days হতে পারে।

Final freeze-এর আগে question → cohort/sample → preprocessing → split/design → model/statistics → raw output → figure → conclusion trace করুন। Public thesis-এ personal/restricted data নেই, AI use current rule মেনে হয়েছে, software/database version recorded এবং clinical/biological claim tested evidence-এর বাইরে যায়নি - সব verify করুন।

33. Final Natural Sciences Biomedical Informatics checklist

নিজের Sisu plan-এ BBTM.BMI-S14, BBT.MJS.109 2 ECTS pass/fail এবং BBT.OPN.002 30 ECTS, 0-5 verify করুন। BBT.OPN.EXT.002 10 ECTS pass/fail নিলে supervisor-এর সঙ্গে define হয়েছে কি না এবং thesis credit-এর অংশ হিসেবে ভুল report হচ্ছে কি না দেখুন। Project-plan approval, seminar, maturity, ethics/data permission, Turnitin, Trepo/PDF-A, publicity boundary এবং graduation timing check করুন।

Scientific audit-এ experimental unit, sample/participant grouping, leakage prevention, preprocessing provenance, database/reference version, baseline, metric, uncertainty, multiple testing, confounding, validation এবং reproducibility check করুন। Strong thesis highest score নয়; raw data থেকে final biomedical conclusion পর্যন্ত traceable এবং correctly bounded evidence।