新闻资讯

新闻资讯 媒体报道

人工智能在医学影像方面的应用

编辑:016     时间:2021-07-02
“人工智能+医学影像”,是将目前最先进的人工智能技术应用于医学影像诊断中,帮助医生诊断患者病情的人工智能具体应用场景。借着疫情因素的影响与推动,目前这种应用在医疗领域已经非常广泛,由于自带极强的影像识别和计算能力、持续进化的自我学习能力以及稳定的性能优势,在临床上,可以给医院、医生提供很重要的支撑,随着人工智能和医学影像大数据在医学影像领域的普及和应用,医学影像所面临的诊断准确性和医生缺口等问题便可迎刃而解,两者的融合将成为医学影像发展的重要方向,由于其研究涉及医工交叉学科,需要医学和工科紧密合作,而绝大部分医学生或医生并无工科背景。

1、影像组学研究过程与方法和模型建立

2、Python语言以及深度学习内容

3、案例掌握2D以及最新最前沿的3D影像分割流程

一、影像组学综述

1、影像组学应用背景和研究进展

应用背景:影像分析、影像大数据、智能医疗

研究进展: 辅助诊断、疗效评估、预后预测

2、影像组学核心思想和分析流程

核心思想、特征提取 、分析流程、数据收集、图像分割、特征提取、模型建立

3、影像组学数据分析和模型建立

数据分析、图像分割、特征选择、模型建立、模型选择、推理验证

4、影像组学可视化

模型预测与评价指标、ROC曲线 PR曲线

5、人工智能在医学影像组学的发展及趋势

二、python基础

python基础:

环境搭建与基础语法(30min)

1、了解Python的整体发展

2、Python环境安装

3、Python基础概念介绍

基础语法、保留字、标识符、注释、缩进、import、name 、运算符

4、实战:Python第一个脚本

数据结构

1、数据类型

数字、字符串、列表、元组、集合、字典

流程控制与函数(30min)

1、流程控制

If、for、While、break、continue

2、函数

定义、参数 、return 实战:Python第一个函数

面向对象(30min)

1、面向对象 术语、意义

2、类 类定义、类实例、类方法

3、继承 继承、多继承、方法重写

类的私有属性和私有方法

4、实战:定义Python第一个类

错误与异常 1、错误 2、异常 3、异常处理 try expect else finally

库与包(10min) 1、标准库 2、虚拟环境 anconda pip

三、python基础

深度学习基础:

神经网络简介(10min)

1、神经网络历史与发展 2、梯度下降 3、pytorch numpy安装

数据基础(30min)

1、张量的创建

Arrange、shape、size / numel、Reshape、zeros、ones、Random

array / tensor

2、基础运算

            / **、concatenate / cat、eq、sum mean abs max min

T 、dot mm matmul、norm

3、varible

Backward、grad、zero_grad、Step、varible numpy tensor转换

线性神经网络 (1h)

1、回归、定义、数据集、损失函数

2、单层线性神经网络(全连接层)

生产数据集、读取数据集、模型定义、初始化参数、损失函数

梯度下降、训练 、结果比较

3、分类

定义、softmax运算、导数、交叉熵、搭建softmax层

4、其它

可视化、参数的保存与提取、dataloader、实战用pytorch搭建单层神经网络

多层感知机(30min)

1、多层感知机、隐藏层、激励函数、搭建

2、其它 欠拟合、过拟合、dropout

batch normalization、正向传播、反向传播

3、实战用pytorch搭建MLP

CNN(30min)

1、卷积、卷积、池化2、搭建CNN 3、实战用pytorch搭建CNN

三、pytorch神经网络分类案例

经典分类网络案例

1、 AlexNet、模型设计、搭建网络

2、VGGNet、模型设计、搭建网络

3、ResNet、模型设计、搭建网络

4、GoogleNet、模型设计、搭建网络

5、DenseNet、模型设计、搭建网络

实战数据训练

1、COVID-CT(新冠)

2、NIHChest Xray(14种肺部疾病)

3、Shenzhen Hospital X-ray Set(肺结核)

4、Montgomery County X-ray Set(肺结核)

5、RSNA(肺炎)

6、CT Images in COVID-19(新冠)

7、Figure1-COVID-chestxray-dataset(新冠)

8、Ieee8023(新冠)等分类数据集训练网络

2D图像分割案例

2d图像分割案例

1、FCN 2、SegNet 3、MiniSeg 4、Unet

5、Unet++ 6、PSPNet 7、HighResNet 8、Deeplab

实战数据训练

1、Lits(肝脏/肝肿瘤)

2、Sliver07(肝脏)、

3、Dircadb(肝脏/肝肿瘤)

4CHAOS(肝/肾/脾)

MSD(肝脏/肺)

NSCLC-Radiomics(非小细胞癌)

7、covid19-ct-scans(新冠)等分割数据集训练网络

3D图像分割案例

3d图像分割案例

1、FCN3d 2、Vnet 3、Unet3d 4、Residual-Unet3d

5、DenseVoxelNet3d 6、3d HighResNet 7、Densenet3d

实战数据训练

1、Lits(肝脏/肝肿瘤)

2、Sliver07(肝脏)、

3、Dircadb(肝脏/肝肿瘤)

4CHAOS(肝/肾/脾)

MSD(肝脏/肺)

NSCLC-Radiomics(非小细胞癌)

7、covid19-ct-scans(新冠)等分割数据集训练网络

https://mp.weixin.qq.com/s/MLR6Hni0j3VmRoX1Ps2-6A
————————————————
版权声明:本文为CSDN博主「渔牧村风」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/chen1182487556/article/details/117920974
郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。

回复列表

相关推荐