医学影像组学人工智能算法构建培训班
各企事业单位、高等院校及科研院所：
随着影像组学和人工智能尤其是视觉技术的高速融合，影像组学延伸领域也随之高速增长，同时也推动了人工智能技术在医学科研应用领域快速地发展，相关科研成果和学术论文数量逐年激增，医学组学涉及的技术如图像获取、病灶识别病灶分割、特征提取和筛选、模型构建和临床信息解析越来越趋于分析流程化，工具化，为解决医生们在临床科研实践中提出越来越多的参考方法。
中国管理科学研究院职业资格认证培训中心（http://www.cnzgrz.cn ）特举办“医学影像组学
人工智能算法构建培训班”。本次培训将对前沿的影像组学及人工智能案例进行快速解构，帮助学员快速实践影像组学技术分解，加快临床和科研工作中的人工智能方法的实现路径搭建。
1、给工具，即插即用式平台，顶刊论文快速复现，科研任务算法快速攻坚
2、给流程，从任务、流程、构建、训练、结果呈现，一站式避坑
3、给结果，选取优质论文，利用平台快速复现，构建方法一目了然。
4、给福利，公开课后的实验课，场景模块课，训练课，单独指导全部免费
二、时间地点:
2021 年10月 2 2 日—2021 年10 月 2 5 日 远程在线授课
(第一天安装平台以及发送课件，线上授课)
医学实验平台（赠送）
路径：任务分类→数据处理→模型调用→训练优化→结果呈现→模型迁移
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 |
多样化数据全适用： | 1.结构化数据 2.CT数据 3.超声数据 4.MRI数据 | 5.X-Ray数据 6.时间序列数据 7.2D、3D医学影像数据 |
一站式平台： | 1.数据标注 2.数据预处理 3.数据适配 | 4.模型调用 5.结果输出 6.模型结构 |
（即插即用，自动调取算力）
Sci论文算法快速复现，解构模型
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：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。
三、课程
一、影像组学任务类型划分 | 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，在哪里，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. 案例：平台解决肺部CT数据中肺器官检测。 | |
二、数据标注 | 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、模型构建实操演示及原理讲解 | 1.疾病诊断 | 7.胃肠镜高分化癌 |
2.基因突变预测 | 8. 预警量表诊断评估 | |
3.疾病智能识别 | 9. 癌症预后分析 | |
4疾病类型判别 | 10.遗传组学分析 | |
5. 预后模型简历及验证 | 11. CT影像辅助诊疗 | |
6. 神经元结构的分割 | 12. 多模态任务模型构建 | |
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、分类影像学 | 1. 医学影像分类网络详解。 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) 训练模型的过程中实时的数据增强。 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 | |||
六、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:皮肤病病灶区域分割中模型选择 | |||
七、影像组学SCI论文、专利、基 | 1. 影像组学论文模型的复现 | 4. | 影像组学专利撰写要点 |
金申请算法解构 | 2. 影像组学SCI模型创新思路 | 5. | 影像组学项目的模型设计 |
3. 影像组学算模型构建，解析 | |||
案例：病理基因的修正案例 | |||
八、数据处理Python入门指导 | 1. Python功能解读 | 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 | |||
九、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 |
四、培训费用：
每人4300元（含培训费、证书费、资料费、实验平台模型集成费）
五、颁发证书：参加相关培训并通过考试的学员，可以获得：
由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：请学员准备两寸彩照一张（背面注明姓名）、身份证复印件和学历证明复印件各一张。
六、联系方式：
联系人: 李雪 手机（微信同号）：15188687682网址：http://www.cnzgrz.org.cn
关注微信
关注微博
移动版：