人工智慧在醫學影像的分析與應用 (Spring, 2022)

We address the most pressing human needs by solving real-world medical problems with the latest AI and computational technologies.

佈告欄

近期訊息


每週進度

12. Clinical Trial (5/4)

Lecture

Lab / Homework


Project

Reference


11. Clinical Trial (4/27)

Lecture

Lab / Homework


10. Clinical Trial (4/20)

Lecture

Lab / Homework


Project

Reference


9. Radiomics (4/13)

Lecture

Lab / Homework

Project

Reference

8. Tools and Workflows (4/6)

Lecture

Lab

Project

Homework

Reference

7. Project and Data (3/30)

Lecture

Lab

Project

Homework

6. Deep Learning (3/23)

Lecture

Lab

Homework

5. Deep Learning (3/16)

Lecture

Lab

Project

Homework

Reference

4. A Physician's View (3/9)

Lecture

Lab

Project

Homework

Reference

3. Showcases (3/2)

Lecture

Lab

Project

Homework

2. A Simple Model for Data Driven Discovery (2/23)

Lecture

Lab

Project

Homework

Reference

1. Introduction (2/16)

Lecture

Lab

Homework

MeDA Framework

I. Project PDCA

Writing Paper

Checklists

Write-up


Guidelines

II. Multimodality Data

Data

Guideline

TBA

III. Intelligent Analytics

Segmentation

Segmentation Models

Labelling Tools

Classification

Classification Models

Detection

Detection Models

Imaging Analytics

Medicine

Medicine Department 

Anatomy

IV. Medical Workflow

TBA

TBA

TBA

V. Regulation & Ethic

TBA

TBA

TBA

VI. Solution Landing

TBA

TBA

TBA

課程資訊

學期計畫選題參考

Medical AI Analytics

  

Medical AI Technologies

  

Medical AI Solutions

  

 線上資源

時間地點

授課教師

助教

課程概述

人工智慧在醫學影像的分析與應用 (AI for Medical Image Analysis):「智慧醫療」的實現,不僅得以提升醫療品質,更能使醫療資源的使用更有效率,因而獲得各界引頸期盼,全球對智慧醫療產業的關注和投資,近年來也大幅提升。對於臺灣而言,智慧醫療無疑是重要的利基產業,行政院也將生技醫療視為國家六大戰略產業之一。近期臺灣於疫情期間的表現,備受國際肯定及讚譽,更彰顯出智慧醫療產業之國際戰略地位。本課程針對醫學影像,以醫學資料分析框架 (Medical Data Analytics Framework) 為整體架構,逐步介紹智慧醫療背景知識與解決方案。學習光譜多元且豐富,除了醫學知識、數學、統計、人工智慧、軟體工程等各式科學領域外,更涵蓋醫學倫理、政策法規、商業模式、技術落地等議題。透過宏觀視角,解析智慧醫療產業的發展脈動。智慧醫療的實踐,必須仰賴跨域及跨界的通力合作。課程期間將邀集各領域的專業講師及醫師,協助修課學生了解各種新興人工智慧技術,如何應用在臨床場域,以及衍伸的相關議題。本課程將藉由團隊合作的模式,進行專案實作,以激發跨領域學習與創新。課程始於界定重要臨床問題與任務,同時考量臨床醫事人員的工作流程與準則,而後設計完整且具實務價值之解決方案。在修習本門課程後,修課學生將更具備全球化思維及全面性視野。此外,也能強化醫學影像及數值資料的分析能力,以及智慧醫療解決方案的設計思維。未來在面對智慧醫療的議題時,能夠善用所學的智慧醫療解決方案開發生命週期,著手實作以發揮正向影響力。

課程目標

先修課程

若具備基本 Python、微積分、線性代數、機率與統計、機器學習、深度學習等知識與能力,對學習本課程會有幫助。若無相關背景,可於開學前或學期中自學。

課程內容


評量方式

暫定內容,將視修課同學背景與興趣微調

參考書目

學術活動

Conference