医学影像组学人工智能算法构建

来源: 董智洋/

北京宏盛元亨文化交流中心

1634

2021-10-14 08:50:54

2021-10-14

各企事业单位、高等院校及科研院所：

随着影像组学和人工智能尤其是视觉技术的高速融合，影像组学延伸领域也随之高速增长，同时也推动了人工智能技术在医学科研应用领域快速地发展，相关科研成果和学术论文数量逐年激增，医学组学涉及的技术如图像获取、病灶识别病灶分割、特征提取和筛选、模型构建和临床信息解析越来越趋于分析流程化，工具化，为解决医生们在临床科研实践中提出越来越多的参考方法。

中国管理科学研究院职业资格认证培训中心（http://www.cnzgrz.cn ）特举办“医学影像组学

人工智能算法构建培训班”。本次培训将对前沿的影像组学及人工智能案例进行快速解构，帮助学员快速实践影像组学技术分解，加快临床和科研工作中的人工智能方法的实现路径搭建。

一、培训目标：

1、给工具，即插即用式平台，顶刊论文快速复现，科研任务算法快速攻坚

2、给流程，从任务、流程、构建、训练、结果呈现，一站式避坑

3、给结果，选取优质论文，利用平台快速复现，构建方法一目了然。

4、给福利，公开课后的实验课，场景模块课，训练课，单独指导全部免费

二、时间地点:

2021 年10月 2 2 日—2021 年10 月 2 5 日远程在线授课

(第一天安装平台以及发送课件，后三天线上授课)

中国管理科学研究院职业资格认证培训中心

医学实验平台（赠送）

路径：任务分类→数据处理→模型调用→训练优化→结果呈现→模型迁移

任务适配：

2D影像分类，涉及病灶识别，疾病类型诊断。
2D影像分割，病灶区域分割。
2D感兴趣区域检测

3D器官组织识别
3D影像疾病诊断

多样化数据全适用：

结构化数据
CT数据
超声数据
MRI数据

X-Ray数据
时间序列数据
2D、3D医学影像数据

一站式平台：

数据标注
数据预处理
数据适配

模型调用
结果输出
模型结构

（即插即用，自动调取算力）

Sci论文快速复现，解构模型

图像分割网络详解。
- FCN，第一个基于全卷积的图像分割算法。

- DeepLab V1-V3系列算法介绍。
- 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。
数据的预处理。
- 数据集介绍，分割算法依赖的数据包括那几个重要的部分。
- 如何对分割数据形成对应的mask。
- 案例上手：基于UNet的图像分割方法。
  - 如何将自己的数据适配到UNet算法。
  - 其他可能扩展到的分割场景。
  - 如何使用已经训练的模型，对未知的数据进行预测。

三、课程

一、影像组学任务类型划分	What，是什么。影像组学中的分类问题案例介绍使用平台解决新冠肺炎识别任务（What）。数据集配置模型训练模型预测效果分析 Where，在哪里，影像组学中的感兴趣区域检测案例介绍使用平台解决肺部CT数据中肺器官检测。 Which，哪个是，影像组学中不规则区域分割案例介绍案例：利用平台复现经典影像组学论文。
二、数据标注	分类影像学的通用解决方案 Labelme数据标注标注数据自动转化配置一键使用进行训练	检测影像学的通用解决方案分割影像学的通用解决方案 3D标注软件ITK-SNAP
三、模型构建实操演示及原理讲解	1.疾病诊断	7.胃肠镜高分化癌
	2.基因突变预测	8. 预警量表诊断评估
	3.疾病智能识别	9. 癌症预后分析
	4疾病类型判别	10.遗传组学分析
	5. 预后模型简历及验证	11. CT影像辅助诊疗
	6. 神经元结构的分割	12. 多模态任务模型构建
四、算法模型调优	模型训练中基本概念学习率损失函数等过拟合问题初始化函数	迁移学习如何进行迁移学习模型参数如何进行迁移如何在中进行超参调整和迁移学习
四、算法模型调优	案例：模型超参数调优以及迁移学习

五、分类影像学	医学影像分类网络详解。面向精度的图像识别网络，LeNet、AlexNet、VGG、Inception、ResNet等。面试速度的图像识别网络，MobileNetV1、MobileNetV2、ShuffleNet等。 CT数据的预处理。训练数据的如何进行划分，如何进行裁剪。训练模型的过程中实时的数据增强。案例上手练习数据集如何使用。自己的数据如何适配到给定的算法。其它可能扩展的任务场景介绍，例如肝炎CT数据识别等。
五、分类影像学	案例:实现一个新的模型并添加入平台
七、分割影像学	图像分割网络详解。 FCN，第一个基于全卷积的图像分割算法。 DeepLab V1-V3系列算法介绍。 UNet及其衍生算法在医学影像数据的分割算法中的应用。数据的预处理。数据集介绍，分割算法依赖的数据包括那几个重要的部分。如何对分割数据形成对应的mask。案例上手联系：基于UNet的图像分割方法。如何将自己的数据适配到UNet算法。其他可能扩展到的分割场景。如何使用已经训练的模型，对未知的数据进行预测。
七、分割影像学	案例:病灶区域分割中模型选择
九、影像组学SCI论文、专利、基	1. 影像组学论文模型的复现	4.	影像组学专利撰写要点
金申请算法解构	2. 影像组学SCI模型创新思路	5.	影像组学项目的模型设计
	3. 影像组学算模型构建，解析
	案例：病理基因的修正案例
十、数据处理Python入门指导	1. Python功能解读	3.	Pandas库基础解读
	2. NumPy库基础解读	4.	图像预处理方法介绍
	案例：使用python处理dicom类型CT数据
十一、Pytorch入门	1. 中用到的Pytorch接口	3.	优化器和一些模型参数
	2. 如何生成指定的数据生成器	4.	保存加载模型

四、培训费用：

每人4300元（含培训费、证书费、资料费、实验平台模型集成费）

五、颁发证书：参加相关培训并通过考试的学员，可以获得：

由中国管理科学研究院职业资格认证培训中心颁发的《影像组学技术工程师》（高级）专业技能资格证书，官方网站查询，该证书可作为有关单位专业技术人员能力评价、考核和任职的重要依据。

注：请学员带两寸彩照一张（背面注明姓名）、身份证复印件和学历证明复印件各一张。

六、联系方式：

联系人: 董智洋 手机（微信同号）：17613935166

登录用户可以查看和发表评论，请前往登录或注册。