吴恩达-医学图像人工智能专项课程-第一课第一周1-3节
Posted Tina姐
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了吴恩达-医学图像人工智能专项课程-第一课第一周1-3节相关的知识,希望对你有一定的参考价值。
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
以上是关于吴恩达-医学图像人工智能专项课程-第一课第一周1-3节的主要内容,如果未能解决你的问题,请参考以下文章
吴恩达-医学图像人工智能专项课程-第一课第一周6-10节总结+作业解读