课程概述
本课程首先介绍了医学影像的分类、处理流程以及人工智能在该领域应用的前景；然后展示了如何搭建基于GPU的TensorFlow计算环境，包括安装和验证；接着是实战环节，逐步讲解CT成像及图像分割的基础知识、如何对影像数据进行预处理、如何利用深度学习做影像分割等知识点；最后讲解了TensorFlow框架相关的内容，包括常用计算和训练方法、张量变换及辅助方法等，并展示了实现基于反卷积网络医疗影像分割的流程和代码。
【课程目标】
了解医学图像处理背景知识
学习神经网络技术在医学影像目标分割类任务应用的workflow
运用神经网络技术完成腹部CT影像中的肝实质识别任务
【适用对象】
医疗、AI开发者、学生
【课程大纲】
知识模块 | 简介 |
|---|---|
项目背景 | 人工智能在医学影像领域的应用与前景 |
实战环境的准备 | 搭建基于GPU的Tensorflow计算环境 |
适用人群
- 对人工智能或医学影像处理方向有兴趣的技术研究人员
机构简介
稀牛学院
大数据和人工智能实战式案例教学平台。稀牛学院联合海内外业界大咖、学界名师，专业制定了极具特色的课程体系：实战教学 + 课程辅导 + 案例实训 + 班级管理，合力确保课程学习效果。学院致力于打造AI人才工场，深度链接高校和精英企业，提供实习、就业、招聘以及项目开发等个性化人才服务。
讲师简介
- 石姝玥睿佳科技CPO，华中科技大学生物医学工程硕士。主要从事基于医学影像的计算机辅助诊疗系统产品设计及算法研发。
- 肖扬清数教育CTO，北邮软件工程硕士，具有大规模IT系统、云计算、大数据和人工智能平台系统管理和设计经验。
- 韩旭清华大学生物医学工程硕士生，主要从事脑电信号处理与脑机接口、图像处理等课题研究。
- 霍雨森清华大学自动化硕士，研究工作主要涉及基于深度强化学习的智能信号灯管理系统与自动驾驶系统的决策和控制方法
- 寒小阳电商高级算法专家，大数据文摘机器学习专栏主编。专注海量数据上机器学习深度学习算法的应用与优化，有多年实际工业届项目经验，负责过多个电商机器学习项目，涵盖推荐系统、文本挖掘、点击率预估、深度学习图像识别与检索等领域。擅长用通俗易懂的方式直观解释机器学习相关知识，并辅以案例帮助理解。
课程评价(8)
感谢你参加本课程，请你作出评价：
0/300
发表评价
以下选自学员评价
好
粗略讲解，也很用心了
ppp
浅显易懂，适合有一定基础的人员学习
概念讲解十分到位，作为入门教程很合适
瞬间觉得智商跟不上
很好
内容全面，第一套面向医疗的ai课程
课程学习交流
请扫码关注腾讯产业互联网学堂微信公众号