跳到主要內容
 
:::

AI醫學影像分析實作

具備以下專案實作能力:
 電子表格自動化彙整、繪製統計分佈圖、影像前處理與特徵萃取
 資料視覺化、影像辨識、訓練基本神經網路
 CNN 辨識糖尿病視網膜病變病灶嚴重度分級
 經典 CNN+ 遷移學習應用於影像辨識肺炎 X 光分類升級版建模
開課單位:緯育股份有限公司
課程大綱:一.Python資料處理 + 影像處理 + 醫學影像DICOM檔案存取
1.Colab使用教學
2.NumPy語法實作
3.Matplotlib語法實作
4.Pandas語法實作
5.醫學影像成像簡介: X 光、電腦斷層、超音波、核磁共振等
6.DICOM檔案簡介
7.實作:Python資料處理,DICOM檔存取
8.作業:Python資料處理與資料視覺化,影像處理與特徵萃取
二.機器學習深度學習
1.機械學習&深度學習基本原理
2.Tensorflow, Keras基本操作
3.建構與訓練基本神經網路
4.實作:訓練神經網路
5.作業:數字辨識
三.卷積神經網路辨識醫學影像
1.學習卷積神經網路原理與架構
2.撰寫影像分類網路
3.實作:CNN辨識X光肺炎分類
4.作業:CNN辨識視網膜病變分級
四.知名CNN模型與遷移學習
1.學習經典CNN模型設計思想
2.遷移學習概念與實作
3.實作:經典CNN+遷移學習辨識肺炎 X 光分類
4.作業:使用遷移學習辨識視網膜病變
五.實務工具成效指標
1.動態資料讀取
2.影像擴增實作
3.分類進階指標簡介
4.實作:腦部腫瘤MRI分類
5.作業:使用進階工具訓練X光肺炎分類模型
六.語意切割於醫學影像
1.切割模型基本架構與原理
2.實作語意切割模型
3.實作:腫瘤語意切割模型
4.作業:視網膜血管語意切割
七.物件偵測於醫學影像
1.物件偵測模型基本架構與原理
2.物件偵測成效指標
3.實作:物件偵測應用於血球偵測
八.心電圖,3D醫學影像
1.應用CNN於心電圖辨識
2.3D醫學影像處理
3.可解釋性AI
4.不平衡資料集進階處理
5.實作:心電圖辨識,3D MRI影像腫瘤切割
6.作業:心電圖疾病分類
開課日期:2023-10-04
上課時間:10/4~10/25每週三19:00~21:30、11/13~12/4每週一19:00~21:30
結束日期:2023-12-04
上課時數:20
預計招生人數:20
費用:學員負擔:3750元/政府負擔:3750元
繳費方式:需先至開課單位繳交全額費用
課程費用:7500元
聯絡人:陳小姐
連絡電話:03-4251108分機241
先備知識: 使用過Python程式語言語法
 有程式語言背景
 有基礎的機器學習概念
授課師資:李智揚
招生對象: 對 python 及機器學習有基本知識,對醫學影像有興趣的朋友
 對醫療影像有興趣的軟體工程師
 正在進行醫療影像的醫療從業人員
 想學習利用深度學習影像分類、物件偵測、語義分割的軟體工程師
上課地點:[遠距授課]Google Meet