進修課程
Advancde Studies
雲端自學課程【工研院】AI醫學影像分析技術
課程總時數
12小時
課程費用
線上洽詢
上課時間
不拘 / 不拘
開課日期
隨時開課
線上自學讓您隨時掌握學習節奏,多個應用程式操作可以重複觀看練習,透過講師案例教學示範,您也可以自行訓練AI模型!
有Python程式基礎的您:本課程以Python實例應用為主,只需強化生醫訊號實作、醫學影像辨識實作,就能掌握與醫材產品研發/設計最常運用的AI函數及設計原理。
完整學習架構規劃:除了自學課程外,可以搭配其他實體課程作為延伸學習,自行規劃及選修您有興趣的課程內容。
有Python程式基礎的您:本課程以Python實例應用為主,只需強化生醫訊號實作、醫學影像辨識實作,就能掌握與醫材產品研發/設計最常運用的AI函數及設計原理。
完整學習架構規劃:除了自學課程外,可以搭配其他實體課程作為延伸學習,自行規劃及選修您有興趣的課程內容。
上課地點
其他雲端自學
課程介紹
根據 Stratistics MRC(2018) 的資料顯示,2017年全球智慧醫療市場為 1,826 億美元,預計到 2026年將達到 6,654 億美元,為了佔據市場主導地位,全球各國都已積極投入醫療器材的創新與研發。
本課程特邀請產業專業講師授課,規劃10小時數位自學課程、2小時線上學習活動,內容將針對醫療器材產品設計會運用到的人工智慧技術、生醫訊號實作、醫學影像辨識實作進行教學。
學員先備知識
具備醫療器材產品開發經驗者或醫療體系從業人員者佳,須具備Python程式語言基礎者。
課程內容與講師
主題與時數 |
課程大綱 |
深度學習環境簡介與建立 1.5小時 |
1-1深度學習環境建立 1-2深度學習套件安裝 1-3 Colab介紹 1-4國網中心使用 |
SVM(Support Vector Machine)生醫訊號實作 1.5小時 |
2-1 SVM簡介 2-2深度學習與機器學習之差別 2-3程式講解與練習-EEG 2-4程式講解與練習- iris |
CNN深度學習-醫學影像辨識實作 3小時 |
3-1深度學習發展歷史 3-2專家系統、機器學習及深度學習 3-3深度學習訓練方式 3-4 CNN簡介 3-5 CNN模型熱身(CIFAR-10) 3-6醫學影像分類(以chest X-ray為例) |
AlexNet、VGG、Inception和ResNet醫學影像分類模型介紹與實作 1.5小時 |
4-1 AlexNet等經典模型 4-2遷移學習 |
Mask R-CNN模型創建 3小時 |
5-1 MASK R-CNN模型簡介 5-2 MASK R-CNN實際應用:標記工具介紹
|
更多相關課程推薦
-
2024-07-22中國文化大學推廣教育部
-
2024-06-29財團法人金屬工業研究發展中心
-
2024-06-20工研院產業學院 台北學習中心
-
2024-06-01上益資訊管理顧問有限公司
-
2024-05-28中國文化大學推廣教育部
TOP