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

সংক্ষিপ্ত উত্তর: এটি কোন Biomedical Informatics route?

এই guide Tampere University-এর Biomedical Sciences and Engineering-এর Biomedical Informatics, অর্থাৎ Master of Science (Technology) route-এর জন্য। Degree 120 ECTS, 2 years এবং current degree page অনুযায়ী master’s thesis 30 ECTS, Technology thesis 0-5 graded। Engineering advanced-studies module হলো BBTM.TEK-S20, at least 60 ECTS। Parallel Biomedical Technology Master of Science route-এ BBTM.BMI-S14, at least 80 ECTS আছে। Joint teaching থাকলেও degree structure এক নয়।

1. 60 ECTS এবং 80 ECTS boundary ভুল করবেন না

Current curriculum-এ একই নামের দুই Advanced Studies in Biomedical Informatics আছে। BBTM.TEK-S20 engineering route এবং at least 60 credits। BBTM.BMI-S14 Natural Sciences route এবং at least 80 credits। Group 031-এর জন্য 60-credit engineering module apply করে। Sisu check করার সময় শুধু “Biomedical Informatics” নাম দেখে module select করবেন না; degree title এবং module code মিলিয়ে দেখুন।

2. BSEM.BMI 120 extra credits নয়

BSEM.BMI broad programme object-এ at least 120 credits লেখা, আবার degree নিজেও 120 ECTS। এটিকে 120 ECTS course + 30 ECTS thesis হিসেবে যোগ করা যাবে না। Degree page আলাদাভাবে thesis 30 ECTS বলে। Personal plan-এর nesting নিজের Sisu থেকে দেখুন। Thesis planning-এর stable boundary হলো engineering BBTM.TEK-S20 এবং 30 ECTS Technology thesis।

3. BBT.MJS.111-এ legacy wording আছে

BBT.MJS.111 current 2 ECTS, pass/fail BSE thesis seminar। Public completion wording-এ এখনও Health Technology and Informatics legacy label আছে, current Biomedical Informatics title নয়। তাই seminar-কে current BSE anchor হিসেবে ব্যবহার করুন, কিন্তু নিজের Sisu plan-এ exact placement verify করুন। CSEE-এর ITC.CEE.800 import করবেন না।

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. Supervision plan-এ data dependency লিখুন

Thesis Supervision Plan-এ scope, milestone, role এবং meeting define করুন। Secure computing, hospital extract, registry permission, ethics, external database বা compute delay critical path হতে পারে। Preferred dataset না এলে approved existing data বা narrower methodological question-এর fallback ঠিক করুন। Unauthorized data-এর উপর পুরো thesis plan বানাবেন না।

31. Best run নয়, whole evaluation report করুন

Declared primary result, uncertainty, baseline, subgroup/sensitivity result, exclusion এবং missingness report করুন। অনেক pipeline try করলে selection process explain করুন। Site shift, batch effect, unstable feature, poor calibration বা simple baseline equal performance - এগুলো failure নয়, evidence। Discussion-এ direct result, biological interpretation, clinical implication এবং future deployment আলাদা রাখুন।

32. Maturity, Turnitin, Trepo এবং final audit

Applicable maturity test, Turnitin originality review এবং Trepo submission current Tampere instruction অনুযায়ী complete করুন। Thesis public, তাই confidential/identifying material আলাদা manage করুন। Final freeze-এর আগে engineering BBTM.TEK-S20 60 ECTS route, 30 ECTS thesis, seminar placement, leakage-free split, provenance/version, multiple-testing control, protected data, AI disclosure, reproducible code, PDF/A এবং graduation timing verify করুন। Strong Biomedical Informatics thesis মানে auditable evidence pipeline, শুধু high model score নয়।

Final data leakage audit করুন: final metric থেকে backwards trace করে দেখুন কোন row, participant/sample, preprocessing parameter এবং outcome-derived information training-এ গেছে। Key result clean environment থেকে rerun করুন যেখানে সম্ভব। Genomics/omics work-এ reference build, annotation, database এবং enrichment background Methods-এর সঙ্গে match করে কি না check করুন। Health-informatics work-এ interoperability standard/profile/version, terminology এবং workflow assumption actual implementation-এর সঙ্গে মিলিয়ে দেখুন। Data protection boundary-তে approved data source, secure environment, pseudonymisation এবং public-thesis disclosure আবার audit করুন। BBT.MJS.111 seminar placement নিজের Sisu-তে confirm করুন এবং 30 ECTS thesis-এর সঙ্গে এটিকে mix করবেন না। Late correction result বদলালে attractive old number রাখবেন না; thesis update করুন। Final code/data manifest থেকে figure regenerate করে reproducibility verify করুন।