Embedded Files
1 程式基礎
1 程式基礎
Speaker｜吳亭慧
國立臺灣大學・MeDA Lab
Lecture |
Google Colab 使用教學 [18:47]
Python 簡介 [30:07]
在醫學影像上的深度學習實作通常會使用 Python 程式，另外在 Google Colaboratory (Colab) 環境上執行通常為初學者快速上手的方式。我們將介紹何為 Google Colab 以及示範基本的使用方法、注意事項；並且示範一些基礎的 Python 語法，並且針對將來實作演練時可能會遇到的狀況提供一些技巧與提醒。
2 醫學影像常用軟體
2 醫學影像常用軟體
摘要：3D Slicer、ITK-SNAP、MITK、Colab、 MONAI等，醫學影像常用工具簡介。
摘要：Medical Open Network for AI (MONAI) 是一套用於醫學影像 AI 模型開發的 PyTorch-base 開源函式庫，我們可以透過這此函式庫來簡化模型開發過程的繁複的程式碼，加速研究進展。在影片中，我們將介紹 MONAI 中幾個重要的組成元件 (1) Transfrom (2) Dataset 與 DataLoader (3) Model (Network, Block, Layer) (4) Loss (5) Evaluation。 並藉由範例程式碼，希望能帶領大家快速上手 MONAI。
3 基礎醫學影像處理
3 基礎醫學影像處理
在實踐各種人工智慧於醫學影像上的應用時，影像結構與影像處理方法為最基本需要熟知的觀念。在影片中我們將介紹影像資料格式以及幾個常見的影像處理方式，也會聚焦於一些醫學影像常見的情況與對應方式；並且會在 hands-on 影片中提供一些範例，實際利用程式查看、操作、視覺化影像。
4 深度學習簡介
4 深度學習簡介
5 深度學習與醫學影像分類
5 深度學習與醫學影像分類
分類任務在許多場合是一個常見的需求，在結構化資料 (如表格資料) 的情況，我們有許多現有的方法可以去使用，而非結構化資料 (如影像資料) 則必須先對影像進行特徵擷取才能進行後續的分類，而擷取出來的特徵，則會大大的影響後續的分類結果，在這系列的影片中會介紹如何透過建立一個分類模型對醫學影像做特徵擷取並進行分類。
6 深度學習與醫學物件偵測
6 深度學習與醫學物件偵測
Speaker｜李佩容
國立臺灣大學・MeDA Lab
Lecture |
物件偵測簡介 [04:38]
物件偵測模型介紹：RCNN 家族 [18:31]
物件偵測模型介紹：YOLO [08:16]
物件偵測在醫療上的應用 [10:15]
Slides |
物件偵測簡介與其在醫療上的應用.pdf [XYZ01]
摘要：物件偵測 (Object Detection) 是指在影像中，利用長方形的框標出物件的位置，並針對該物件進行分類，能快速且有效的達到分類及位置判斷的目的。在這系列的影片中，我們將從基礎且經典的物件偵測模型開始介紹，並且與醫療領域做結合，向大家展示物件偵測在醫療影像上的可能性。
摘要：物件偵測(object detection)是指在影像中，利用長方形的框標出物件的位置，並針對該物件進行分類，也同時輸出該分類的機率值。在這段影片中，我們將透過實際的例子介紹何謂mean average precision (mAP)，以及如何利用mAP來評量一個物件偵測模型的好壞。
7 深度學習與醫學影像分割
7 深度學習與醫學影像分割
影像分割 (Image segmentation) 是一種藉由標記像素點的方式，來找出影像中重要的區域 (例如器官或是腫瘤) 的方法。影像分割可以使原始的影像更容易理解或是分析，有許多的應用。
在這個系列的影片中我們將介紹如何把深度學習應用在影像分割的問題上，並且提供一個實際的範例來演示如何訓練一個醫學影像分割的模型。
8 機器學習與影像組學
8 機器學習與影像組學
機器學習是實現人工智慧的重要手段之一，近期相當熱門的深度學習，也是屬於機器學習的一線分支，因此，了解機器學習的基本運作原理，是通往了解現代人工智慧的重要里程碑。在這一系列的影片中，我們會帶領大家認識機器學期的基本的概念與運作方式。同時，配合醫學題材，我們將會簡介一種抽取醫學影像特徵的方式：影像組學，並且透過實際的操作例子，示範如何結合機器學習與影像組學，產生可運作的人工智慧模型。
Speaker｜張大衛
國立臺灣大學・MeDA Lab
Lecture |
基礎機器學習（上）：機器學習簡介與流程 [35:00]
基礎機器學習（下）：模型訓練與過度擬合 [39:56]
影像組學簡介（精簡版） [40:21]
Hands-on |
機器學習與影像組學實作（上）：影像組學特徵抽取 [19:07]
機器學習與影像組學實作（下）：建立機器學習模型 [27:05]
影像組學 (radiomics) 是一種從影像中抽取特徵的方法，抽取出來的特徵可以像一般的數值統計資料一樣進行統計分析，又或是可用於機器學習訓練模型，達成利用數值資料來分析影像資料的目的。在這個系列的影片中，我們將介紹 (1) radiomics 的基本資訊、運用場合、實際的使用分析流程。(2) 特徵抽取的流程，以及流程中的各種變因與注意事項。(3) 形狀、強度，以及不同種類的材質特徵詳解。
9 效能評估
9 效能評估
當我們建立人工智慧模型後，緊接而來的問題便是模型表現如何，由於表現的面相眾多，我們必須要掌握各種不同的衡量方式，才能使模型衡量面面俱到。在這一系列的影片中，我們將介紹各種面向的人工智慧模型效能評估方法。我們將會先介紹衡量分類模型的指標，並且利用其特性連結到衡量分割模型的指標。最後，我們也會針對模型的變化程度、拓展性，與合理性，介紹一些常見的評估方式。
Speaker｜張大衛
國立臺灣大學・MeDA Lab
Lecture |
AI 模型效能評估（一）：簡介與分類模型指標 [24:45]
AI 模型效能評估（二）：分類模型指標 [29:41]
AI 模型效能評估（三）：分割模型指標 [16:06]
AI 模型效能評估（四）：變化程度分析 [22:28]
AI 模型效能評估（五）：拓展性與合理性分析 [14:16]
Slides |
課程地圖
Page updated
Google Sites
Report abuse