吴恩达-医学图像人工智能专项课程-第一课第一周1-3节总结

Posted 2021-08-08 Tina姐

点此了解课程 吴恩达新课 医学图像AI（AI for Medicine）专项课程推荐

欢迎来到医学人工智能专业。如果你已经完成了深度学习专业化或机器学习课程，并且你正在寻找更深入掌握人工智能的应用领域，这是一个很好的专业化学习。

要想成为真正优秀的机器学习，最重要的事情之一就是练习将机器学习应用到多个用例中。

专业化将使你通过多个用例跨越到人工智能在医学中最重要的应用。例如：

• 给定一张胸部X光片的图像，那么非结构化的图像数据，你能训练一个神经网络来诊断病人是否患有肺炎吗？你要学会在这个专业中做到这一点。
• 给定结构数据，比如病人的实验室结果，你能训练一个决策树来估计心脏病发作的风险吗？你也要学会这样做。

通过处理这些具体问题，您还可以看到机器学习的许多实际方面，从如何处理不平衡的数据集到如何处理丢失的数据，再到选择正确的评估指标。

在机器学习中，我们通常默认分类精度作为衡量标准。但对于许多应用程序来说，这并不是正确的度量标准。

那么如何选择一个更合适的呢？即使你现在的工作不是医学，我认为你会发现应用场景和这些应用场景的实践非常有用，也许专业化会说服你对医学更感兴趣。

如果你对医学感兴趣，那么这是一门很好的专业课。医学人工智能正在世界范围内蓬勃发展。

所以这是一个很好的时机，你可以投入进来，尝试产生巨大的影响。你可以发明一些可以拯救病人生命的东西。我们开始吧。

我很高兴这个专业将由inaudible教授讲解，我（吴恩达）和他有幸合作了几年的人工智能医学研究。

这是一个三门课程的专业课程，

• 在第一门课程中，您学习了如何为诊断构建机器学习模型。

诊断就是鉴别疾病。在第一个课程中，你将构建一个算法，该算法将检查胸部X光片并确定它是否包含疾病。你还将构建另一种算法，它可以查看脑部核磁共振成像，并确定这些脑部核磁共振成像中肿瘤的位置。因此，第一个课程是诊断或识别疾病，

• 第二个课程是预测患者
  未来的健康状况，这就是所谓的预后。

在第二门课程中，您将学习如何使用结构化数据。比如说，你有一个病人的实验室值和他们的人口统计数据，然后用这些数据来预测一个事件的风险，比如他们的死亡风险或者心脏病发作的风险。

• 在第三节课中，你学习了人工智能的治疗方法。

也就是说，对于医疗过程和信息提取，从医学文本中获取信息。在课程2中，您将学习如何使用机器学习模型来估计特定治疗对患者的影响。您还将了解人工智能在文本中的应用，例如，回答问题和从放射报告中提取标签。

对于这门课和其他专业的课程，你不需要任何医学背景。不过，我建议你在选修本课程和其他专业课程之前，先满足三个先决条件。

• 首先，本课程假设你了解深度学习的基础知识。例如，您应该了解监督学习、卷积神经网络和损失函数的基本知识。
• 第二，能够用Python编写代码应该相当舒服，因为在这三门课程的作业中，您将使用Python处理数据并构建机器学习模型。
• 第三，课堂概念将假设一些概率知识。例如，当我们说给定B的概率时，你应该能够认识到这是一个条件概率。有了这三个先决条件，你就可以开始了。

---

接下来就进入第一课第一周的学习，你将学习如何构建和评估从医学图像中检测疾病的深度学习模型，主要包含以下内容：

• 第一周，你建立了一个深度学习模型，可以解释胸部X光片，从而对不同的疾病原因进行分类。
• 第二周，您将实施评估方法来评估模型的质量。
• 第三周，你将使用图像分割来确定核磁共振扫描中脑瘤的位置和边界。

本次解说完，欢迎继续阅读下一次内容~~

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