吴恩达新课 医学图像AI（AI for Medicine）专项课程推荐

Posted 2021-07-21 Tina姐

吴恩达是谁

吴恩达 Andrew Ng
斯坦福大学计算机科学前教授。百度前副总裁、前首席科学家；谷歌最成功的人工智能项目之一——Google Brain的发起人、领导者。Coursera（已上市） 的联合创始人和联合主席, 并创办deeplearning.ai，一家专注于AI教育的公司，相信很多人都学过他的课程。

我最敬佩的AI老师，也是我的AI启蒙老师。

如果有人问我，深度学习如何入门，那就是吴恩达以下课程。

由 deeplearning.ai 出品，网易引进的正版授权中文版深度学习工程师微专业课程，让你在了解丰富的人工智能应用案例的同时，学会在实践中搭建出最先进的神经网络模型，训练出属于你自己的 AI。

‘如何学习’ ----- > 网易云课程搜深度学习工程师

AI for Medecine

人工智能正在改变医学实践。它可以帮助医生更准确地诊断患者，预测患者未来的健康状况，并推荐更好的治疗方法。

AI for Medecine一共包含三门专业课程，将为您提供将机器学习应用于医学具体问题的实践经验。

这些课程超越了深度学习的基础，教您将 AI 应用于医疗图像领域实战。

通过学习，你将学习到以下内容：

• 通过 X 射线和 3D MRI 大脑图像诊断疾病
• 使用基于树的模型更准确地预测患者存活率
• 使用随机试验的数据估计对患者的治疗效果
• 使用自然语言处理自动化标记医疗数据集的任务

基本涵盖AI用于医学图像的三个大方面，总有一个专题适合你。

接下来简单介绍一下三门课程的大致内容。

AI for Medical Diagnosis

第一门课程是 AI 用于医学诊断。

在课程 1 中，您将创建卷积神经网络图像分类和分割模型，以诊断肺和脑部疾病。

在课程 2 中，您将使用统计方法和随机森林预测器来构建心脏病的风险模型和生存估计器，以确定患者的预后。

在课程 3 中，您将构建治疗效果预测器、应用模型解释技术并使用自然语言处理从放射学报告中提取信息。

这些课程超越了深度学习的基础，让您深入了解将 AI 应用于医疗用例的细微差别。作为学习者，如果您已经熟悉 AI 算法背后的一些数学和编码，那么您将在此计划中取得成功。

AI for Medical Prognosis

第二门课程是 AI 用于医学预后。

机器学习是一种强大的预后工具，是专门预测患者未来健康状况的医学分支。

在这第二门课程中，您将了解多个预测任务的示例。然后，您将使用决策树对医疗数据中常见的非线性关系进行建模，并将其应用于更准确地预测死亡率。

最后，您将学习如何处理缺失数据，这是现实世界中的一个关键挑战。这些课程超越了深度学习的基础，教您将 AI 应用于医疗用例的细微差别。

本课程侧重于基于树的机器学习，因此本课程不需要深度学习基础。

AI For Medical Treatment

第三门课程是 AI 用于医学治疗。

医疗可能会根据患者现有的健康状况对患者产生不同的影响。在这第三门课程中，您将使用随机对照试验的数据推荐更适合个体患者的治疗方法。

在第二周，您将应用机器学习解释方法来解释复杂机器学习模型的决策。最后，您将使用自然语言实体提取和问答方法来自动化标记医疗数据集的任务。

如何学习该课程

该课程在 coursera 平台上学习，语言：English, 有字幕。价格在 $49/月。

每节课都非常短小精悍，2-10min/节课。

课后有作业，按时学完可提供证书。

如果有实力去支持我idol，欢迎大家去coursera上学习。

粉丝福利

如果经济实力不允许，全英文听不太懂，作业代码看不懂，关注公众号，领取资源 & 我也会陆续带大家学习完该课程。

文章持续更新，可以关注微信公众号【医学图像人工智能实战营】获取最新动态，一个关注于医学图像处理领域前沿科技的公众号。坚持已实践为主，手把手带你做项目，打比赛，写论文。凡原创文章皆提供理论讲解，实验代码，实验数据。只有实践才能成长的更快，关注我们，一起学习进步~

我是Tina, 我们下篇博客见~

白天工作晚上写文，呕心沥血

觉得写的不错的话最后，求点赞，评论，收藏。或者一键三连