影像组学人工智能案例（北京）站

二、影像组学SCI论文、专利、基金申请写作思路重要内容

1.影像组学SCI论文书写流程

2.影像组学SCI论文评价标准

3.影像组学专利申请流程

4.影像组学专利撰写要点

5.影像组学临床预测模型比较

6.影像组学基金的撰写思路及未来发展方向和科研思路

案例：标注一个脑部肿瘤病灶区域

三、影像组学数据获取以及数据标注

1.Labelme标注软件介绍

2.影像学分类数据标注

3.影像学检测数据标注

4.影像学ROI分割数据标注

5.常见开源数据集介绍

案例：标注一个脑部肿瘤病灶区域

四、人工智能实验环境配置

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

五、数据处理Python入门指导

1.0基础入门Python

2.NumPy库基础解读

3.Pandas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

六、影像组学抽象建模

1.结构化数据建模方式。

2.图像数据建模方式。

3.时序信号建模方式。

七、上手一个具体的影像组学案例

1.模型训练中基本概念

   1.学习率

   2.损失函数等

案例：癌症生存概率分析

八、分类影像学

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。

2.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。

3.案例上手练习

  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。

案例: COVID-19新冠肺炎识别

九、分割影像学

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。

  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。

案例:人脑肿瘤分割

十、辅助课程

1.疑难解答、分组讨论；

2.学后交流、微信群、QQ群建立；

3.咨询、合作