“人工智能+醫學影像”，是將目前最先進的人工智能技術應用于醫學影像診斷中，幫助醫生診斷患者病情的人工智能具體應用場景，借著疫情因素的影響與推動，目前這種應用在醫療領域已經非常廣泛,由于自帶極強的影像識別和計算能力、持續進化的自我學習能力以及穩定的性能優勢，在臨床上，可以給醫院、醫生提供很重要的支撐,隨著人工智能和醫學影像大資料在醫學影像領域的普及和應用，醫學影像所面臨的診斷準確性和醫生缺口等問題便可迎刃而解，兩者的融合將成為醫學影像發展的重要方向,由于其研究涉及醫工交叉學科，需要醫學和工科緊密合作，而絕大部分醫學生或醫生并無工科背景，
1、影像組學研究程序與方法和模型建立
2、Python語言以及深度學習內容
3、案例掌握2D以及最新最前沿的3D影像分割流程
一、影像組學綜述
1、影像組學應用背景和研究進展
應用背景：影像分析、影像大資料、智能醫療
研究進展: 輔助診斷、療效評估、預后預測
2、影像組學核心思想和分析流程
核心思想、特征提取 、分析流程、資料收集、影像分割、特征提取、模型建立
3、影像組學資料分析和模型建立
資料分析、影像分割、特征選擇、模型建立、模型選擇、推理驗證
4、影像組學可視化
模型預測與評價指標、ROC曲線 PR曲線
5、人工智能在醫學影像組學的發展及趨勢
二、python基礎
python基礎：
環境搭建與基礎語法(30min)
1、了解Python的整體發展
2、Python環境安裝
3、Python基礎概念介紹
基礎語法、保留字、識別符號、注釋、縮進、import、name 、運算子
4、實戰：Python第一個腳本
資料結構
1、資料型別
數字、字串、串列、元組、集合、字典
流程控制與函式(30min)
1、流程控制
If、for、While、break、continue
2、函式
定義、引數 、return 實戰：Python第一個函式
面向物件(30min)
1、面向物件 術語、意義
2、類 類定義、類實體、類方法
3、繼承 繼承、多繼承、方法重寫
類的私有屬性和私有方法
4、實戰：定義Python第一個類
錯誤與例外 1、錯誤 2、例外 3、例外處理 try expect else finally
庫與包(10min) 1、標準庫 2、虛擬環境 anconda pip
三、python基礎
深度學習基礎：
神經網路簡介(10min)
1、神經網路歷史與發展 2、梯度下降 3、pytorch numpy安裝
資料基礎(30min)
1、張量的創建
Arrange、shape、size / numel、Reshape、zeros、ones、Random
array / tensor
2、基礎運算
-
-
- / **、concatenate / cat、eq、sum mean abs max min
-
T 、dot mm matmul、norm
3、varible
Backward、grad、zero_grad、Step、varible numpy tensor轉換
線性神經網路 (1h)
1、回歸、定義、資料集、損失函式
2、單層線性神經網路（全連接層）
生產資料集、讀取資料集、模型定義、初始化引數、損失函式
梯度下降、訓練 、結果比較
3、分類
定義、softmax運算、導數、交叉熵、搭建softmax層
4、其它
可視化、引數的保存與提取、dataloader、實戰用pytorch搭建單層神經網路
多層感知機(30min)
1、多層感知機、隱藏層、激勵函式、搭建
2、其它 欠擬合、過擬合、dropout
batch normalization、正向傳播、反向傳播
3、實戰用pytorch搭建MLP
CNN(30min)
1、卷積、卷積、池化2、搭建CNN 3、實戰用pytorch搭建CNN
三、pytorch神經網路分類案例
經典分類網路案例
1、 AlexNet、模型設計、搭建網路
2、VGGNet、模型設計、搭建網路
3、ResNet、模型設計、搭建網路
4、GoogleNet、模型設計、搭建網路
5、DenseNet、模型設計、搭建網路
實戰資料訓練
1、COVID-CT(新冠)
2、NIHChest Xray(14種肺部疾病)
3、Shenzhen Hospital X-ray Set(肺結核)
4、Montgomery County X-ray Set(肺結核)
5、RSNA(肺炎)
6、CT Images in COVID-19(新冠)
7、Figure1-COVID-chestxray-dataset(新冠)
8、Ieee8023(新冠)等分類資料集訓練網路
2D影像分割案例
2d影像分割案例
1、FCN 2、SegNet 3、MiniSeg 4、Unet
5、Unet++ 6、PSPNet 7、HighResNet 8、Deeplab
實戰資料訓練
1、Lits(肝臟/肝腫瘤)
2、Sliver07(肝臟)、
3、Dircadb(肝臟/肝腫瘤)
4CHAOS(肝/腎/脾)
MSD(肝臟/肺)
NSCLC-Radiomics(非小細胞癌)
7、covid19-ct-scans(新冠)等分割資料集訓練網路
3D影像分割案例
3d影像分割案例
1、FCN3d 2、Vnet 3、Unet3d 4、Residual-Unet3d
5、DenseVoxelNet3d 6、3d HighResNet 7、Densenet3d
實戰資料訓練
1、Lits(肝臟/肝腫瘤)
2、Sliver07(肝臟)、
3、Dircadb(肝臟/肝腫瘤)
4CHAOS(肝/腎/脾)
MSD(肝臟/肺)
NSCLC-Radiomics(非小細胞癌)
7、covid19-ct-scans(新冠)等分割資料集訓練網路
https://mp.weixin.qq.com/s/MLR6Hni0j3VmRoX1Ps2-6A
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/287859.html
標籤：AI