影像组学与人工智能影像的区别

发布人

医学影像组学AI深度学习应用实践培训班
一、培训目标：
	1、为每位学员统一配置数据标注、格式转化、训练模型（病灶识别、病灶位置、病灶分割）的代码练习，以方便零基础学员迅速进入实验验证。
	2、掌握影像组学研究过程与方法，掌握影像组学SCI论文写作思路，常用影像组学建模方法及未来发展方向和科研思路。
	3、结合具体临床实际案例，进行案例讲解和专题讨论，有效的提升学员解决临床和科研问题的能力。
	4、《癌症的生存率预测》《肿瘤预后效果分析》《乳腺癌识别》《COVID-19新冠肺炎识别》《人脑肿瘤分割》《皮肤疾病病灶区域分割》等经典案例实践训练。
二、课程讲解：
(一) 人工智能与影像组学综述
1.影像组学核心思想剖析、分析流程介绍
2.影像组学影像组学数据分析、模型建立及实现
3.影像组学经典可视化内容描绘方法
4.人工智能在医学影像组学的发展及趋势
(二) 影像组学SCI论文、专利、基金申请写作思路重要内容
1.影像组学SCI论文书写流程   2.影像组学SCI论文评价标准
3.影像组学专利申请流程       4.影像组学专利撰写要点
5.影像组学基金的撰写思路及未来发展方向和科研思路
案例：病理基因的修正案例
(三) 影像组学数据获取以及数据标注
1.Labelme标注软件介绍       2.影像学分类数据标注
3.影像学检测数据标注     4.影像学ROI分割数据标注
案例：标注一个脑部肿瘤病灶区域
(四) 人工智能实验环境配置
1.实验环境配置要求           2.实验环境配置介绍
3.深度学习开发环境搭建       4.实验室环境计算资源配置
案例：搭建并配置好人工智能实验环境
(五) 深度学习Python入门指导
1.基础入门Python            2.NumPy库基础解读
3.Pandas库基础解读            4.OpenCV库基础解读
5.SciPy库基础解读            6.图像预处理方法介绍
案例：使用python处理dicom类型CT数据
(六) 深度学习Pytorch实践操作
1. Pytorch框架模型接口         2.如何生成指定的数据生成器
3.优化器和一些模型参数   4.保存加载模型
5.多张显卡并行训练及参数保存
案例：使用Pytorch处理影像分割任务
(七) 医学临床案例演示及实践操作
1.肺部疾病诊断    2.基因突变预测     3.眼底疾病智能识别
4.黑色素瘤诊断    5.肺炎类型诊断     6.预后模型简历及验证
7.器官识别        8.神经元结构的分割 9.胃肠镜高分化癌
10.器官分割       11.预警量表诊断评估 12.癌症预后分析
13.蛋白质遗传组学 14.CT影像辅助诊疗15.多模态任务模型构建
(八) 分类影像学
1.图像分类网络详解
  1.面向精度的图像识别网络，LeNet、AlexNet、VGG、GoogLeNet、ResNet、DenseNet等。
  2.面向速度的图像识别网络，MobileNetV1、MobileNetV2、MobileNetV3、ShuffleNetV1、ShuffleNetV2等。
2.CT数据的预处理
  1.训练数据的如何进行划分，如何进行裁剪。
 2.使用OpenCV对CT数据进行处理。
3.为应对数据量不足的情况，在训练模型的过程中如何对数据进行实时的数据增强。
3.案例上手练习
  1.数据集如何使用。
  2.自己的数据如何适配到给定的算法。
  3.如何对模型进行迁移学习。
4.其它可能扩展的任务场景介绍，例如肝炎CT数据识别等。
案例: 乳腺癌COVID-19新冠肺炎识别。
(九) 分割影像学
1.图像分割网络详解
  1.FCN，第一个基于全卷积的图像分割算法。
  2.DeepLab V1-V3系列算法介绍。
  3.UNet及其衍生算法在图像分割，尤其是医学影像数据的分割算法中的应用。
2.数据的预处理
  1.数据集介绍，分割算法依赖的数据包括哪几个重要的部分。
  2.如何对分割数据形成对应的mask。
3.案例上手练习：基于UNet的图像分割方法
  1.如何将自己的数据适配到UNet算法。
  2.其他可能扩展到的分割场景。
  3.如何使用已经训练的模型，对未知的数据进行预测。
案例:人脑肿瘤分割、皮肤病病灶区域分割中模型选择
三、联系方式：
	联系人: 李文娜（老师）           手机（微信同号）：13311241619
	电话：010-56129268               网址：http://www.camec.org.cn 
	影像组学QQ群群号： 823857372（加群备注：李文娜邀请）

打开封面下载高清视频观看高清视频视频下载器