详情

医学影像组学人工智能应用实践培训班

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。


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、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。

3、《癌症的生存率预测》、《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:

2021  09  2 3  —2021  09  2 6   远程在线授课 (第一天全天报到,授课三天,线上上课)


医学实验平台

路径:任务→案例指向→问题分类→模型匹配→对比实验→效果测试→半开放式开发→升级、迁移

 

 

 

多任务适配:

1. 2D影像分类,涉及病灶识别, 疾病类型诊断。

2. 2D影像分割,病灶区域分割。

3. 2D感兴趣区域检测

4. 3D器官组织识别

5. 3D影像疾病诊断

 

多算法平台:

6. ResNet、VGG、InceptionV1- V4

7. FCN、MaskRCNN、UNet

8. SSD、YOLO V1-V4

9. Med3D、Unet3D、PraNet、Vnet、DenseNet3D、HyperDenseNet

10. 等常见医学影像处理网络结构

 

 

多样化数据全适用:

11. 结构化数据

12. CT数据

13. 超声数据

14. MRI数据

15. X-Ray数据

16. 时间序列数据

17. 2D、3D数据

应用一站式平台:

18. 数据标注

19. 数据预处理

20. 数据适配

21. 模型适配

22. 自动调取算力

半开放式开发:

23. 多样化、多种类实验并行

24. 底层代码模块化

25. 升级优化路径开放,升级、扩展、迁移逻辑清晰

 

 

一、结构化数据

以《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。

        1. 如何快速读取结构化数据。

        2. 使用pandas对数据快速进行统计学分析。

2. 传统机器学习算法对问题进行建模。

        1. 基于scikit-learn中的算法,例如LR、SVM、RF、GBDT等常见的监督算法。

        2. 基于XGBoost的建模方法。tree_method、max_depth等重要参数的介绍。

3. 基于LightGBM的建模方法。eta、objective等重要参数介绍。

        3. 案例上手练习:基于LightGBM的机器学习建模方法。


二、医院影像数据--分类任务

以《乳腺癌识别》以及《COVID-19 新冠肺炎识别》为例,介绍何如从 CT 扫描数据中识别指定疾病。

 

1. 图像分类网络详解。

1. 面向精度的图像识别网络,LeNet、AlexNet、VGG、Inception、ResNet等。

2. 面试速度的图像识别网络,MobileNetV1、MobileNetV2、ShuffleNet等。

1. CT数据的预处理。

1. 训练数据的如何进行划分,如何进行裁剪。

2. 为应对数据量不足的情况,在训练模型的过程中如何对数据进行实时的数据增强。

2. 案例上手练习:基于CNN的图像分类方法,乳腺癌识别或者COVID-19新冠肺炎识别二选一。

1. 数据集如何使用。

2. 自己的数据如何适配到给定的算法。

3. 其它可能扩展的任务场景介绍,例如肝炎CT数据识别等。

 

三、医学影像数据--分割任务

以《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。

1. FCN,第一个基于全卷积的图像分割算法。


2. DeepLab V1-V3系列算法介绍。

3. 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。

2. 数据的预处理。

1. 数据集介绍,分割算法依赖的数据包括那几个重要的部分。

2. 如何对分割数据形成对应的mask。

3. 案例上手联系:基于UNet的图像分割方法。人脑肿瘤分割或者皮肤疾病病灶区域分割二选一。

1. 如何将自己的数据适配到UNet算法。

2. 其他可能扩展到的分割场景。

3. 如何使用已经训练的模型,对未知的数据进行预测。

四、课程讲解

 

一、中的影像组学案例剖

1. What,是什么。影像组学中的分类问题案例介绍

2. 使用平台解决新冠肺炎识别任务(What)。

a) 数据集配置

b) 模型训练

c) 模型预测效果分析

3. Where,在那。影像组学中的感兴趣区域检测案例介绍

4. 使用平台解决肺部CT数据中肺器官检测。

5. Which,哪个是。影像组学中不规则区域分割案例介绍

6. 使用平台解决肺部CT数据中肺器官检测。

二、平台的标注数据

1. 分类影像学的通用解决方案

a) Labelme数据标注

b) 标注数据自动转化配置

c) 一键使用进行训练

2. 检测影像学的通用解决方案

3. 分割影像学的通用解决方案

4. 3D标注软件ITK-SNAP

三、案例演示及实操

1.肺部疾病诊断

9.胃肠镜高分化癌

2.基因突变预测

10.器官分割

3.眼底疾病智能识别

11.预警量表诊断评估

4.黑色素瘤诊断

12.癌症预后分析

5.肺炎类型诊断

13.蛋白质遗传组学分析

6.预后模型简历及验证

14.CT影像辅助诊疗

7.器官识别

15.多模态任务模型构建

8.神经元结构的分割


四、算法模型调优

1. 模型训练中基本概念

a) 学习率

b) 损失函数等

c) 过拟合问题

d) 初始化函数

2. 迁移学习

a) 如何进行迁移学习

b) 模型参数如何进行迁移

3. 如何在中进行超参调整和迁移学习

案例:模型超参数调优以及迁移学习

五、如何搭建高性能AI

验环境配

1. 实验环境配置要求

2. 实验环境配置介绍

3. 深度学习开发环境搭建

4. 实验室环境计算资源配置

案例:搭建并配置好人工智能实验环境


六、分类影像学

1. 图像分类网络详解。

a) 面向精度的图像识别网络,LeNet、AlexNet、VGG、Inception、ResNet等。

b) 面试速度的图像识别网络,MobileNetV1、MobileNetV2、ShuffleNet等。

2. CT数据的预处理。

a) 训练数据的如何进行划分,如何进行裁剪。

b) 为应对数据量不足的情况,在训练模型的过程中如何对数据进行实时的数据增强。

3. 案例上手练习

a) 数据集如何使用。

b) 自己的数据如何适配到给定的算法。

c) 其它可能扩展的任务场景介绍,例如肝炎CT数据识别等。

案例:实现一个新的模型并添加入平台

七、分割影像学

1. 图像分割网络详解。

a) FCN,第一个基于全卷积的图像分割算法。

b) DeepLab V1-V3系列算法介绍。

c) 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。

2. 数据的预处理。

a) 数据集介绍,分割算法依赖的数据包括那几个重要的部分。

b) 如何对分割数据形成对应的mask。

3. 案例上手联系:基于UNet的图像分割方法。

a) 如何将自己的数据适配到UNet算法。

b) 其他可能扩展到的分割场景。

c) 如何使用已经训练的模型,对未知的数据进行预测。

案例:平台中皮肤病病灶区域分割中模型选择

八、人工智能与影像组学综述

1. 影像组学应用进展研究

3.

影像组学分析流程介绍


2. 影像组学核心思想剖析

4.

深度学习的发展及趋势

九、影像组学SCI论文、专利、基

1. 影像组学SCI论文书写流程

4.

影像组学专利撰写要点

金申请写作思路重要内容

2. 影像组学SCI论文评价标准

5.

影像组学基金的撰写思路


3. 影像组学专利申请流程




案例:病理基因的修正案例

十、数据处理Python入门指导

1. 0基础入门Python

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

 


五、培训费用:

每人4200元(含培训费、证书费、资料费、实验平台模型集成费)

注:住宿可统一由会务组进行安排,费用自理

六、颁发证书:参加相关培训并通过考试的学员,可以获得:

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、咨询请联系

QQ号:3498448850

邮箱:bcc_peixun@163.com

张老师 18618295767(微信同号)

于老师 15621925881