管科新职教育科技中心 专业人才技能培训中心
医学影像组学AI深度学习案例实践培训班
发布时间:2021/8/23 11:23:19 作者:互联网 阅读量:453

各企事业单位、高等院校及科研院所:
  随着数字医学和医学图像信息学的发展,从医学图像中挖掘图像特征、解析临床信息,逐渐成为医学领域重要研究方向。通过对图像数据特征的深层次挖掘,医学图像能提供更多肉眼不能识别的信息,可用于指导临床决策。2012年,影像组学(radiomics)概念的提出,影像组学分析流程主要包括:图像获取、病灶分割、特征提取和筛选、模型构建和临床信息解析等;其研究涉及医工交叉学科,需要医学和工科紧密合作,共同解决医生们在临床实践中提出的实际问题。
  职业教育研究所(http://www.camec.org.cn )工业与信息化技术培训网(http://www.itcc.ac.cn )联合举办“医学影像组学AI深度学习案例实践培训班”。本次对前沿的影像组学及人工智能案例结合方法及应用进行了全面的讲解,帮助学员掌握影像组学临床和科研工作的开展方法和实现路径。
  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)的集成试验平台,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、时间地点: 

  《远程在线培训班和线下现场培训两种授课方式任选其一》

  2021年09月23日—2021年09月26日    远程在线授课
  2021年09月23日—2021年09月26日   北京*机房上课
  (第一天全天报到,授课三天,机房上课)
  三、医学影像案例深度学习算法实战结合:
  (一)结构化数据:《乳腺癌数据分析及自动诊断》数据为例,进行结构化数据的介绍。其数据的典型特点为:     
  1. 结构化数据的处理方法。
  2. 传统机器学习算法对问题进行建模。
  3. 案例上手练习:基于DNN的深度学习建模方法。
  (二)自然语言数据:《癌症预后效果分析》,自然语言数据的任务的处理方法:
  1.数据的预处理方法
  2. 数据的编码方式
  3. 案例上手练习:基于RNN的深度学习建模方法。
  (三)医学影像数据--分类任务:《乳腺癌识别》以及《COVID-19新冠肺炎识别》,从CT扫描数据中识别指定疾病:
  1.图像分类网络详解。
  2. CT数据的预处理。
  3.案例上手练习:基于CNN的图像分类,乳腺癌识别或者COVID-19新冠肺炎识别。
  (四)医学影像数据--分割任务:《人脑肿瘤分割》以及《皮肤疾病病灶区域分割》为例,介绍如何使用分割算法将制定区域从图像中分割出来:
  1. 图像分割网络详解。
  2. 数据的预处理。
  3. 案例上手联系:基于UNet的图像分割方法。人脑肿瘤分割、皮肤疾病病灶区域分割二选一。八、联系方式:

  四、联系人及联系方式

  联系人:  期涛(老师)             手机(微信同号):15210196261

  电话:010-56129268                网址:http://www.camec.org.cn 

  E_mail:cashq_ict@vip.163.com         官方咨询QQ:513692711



                                           职业教育研究所

                                            2021年8月23日