第一天
人工智能基础与Python编程入门

人工智能在医疗领域的应用概述
Python编程基础
●环境搭建、数据类型、流程控制
>Python环境搭建
>Python数据类型与流程控制
>Python函数的应用
>Python面向对象编程
>文件读写和目录操作
>异常处理
●机器学习概述
>数据探索性分析：智能化数据分析
>特征工程：数据准备、数据清洗、数据的归一化
>机器学习模型构建
>机器学习模型评估
>集成学习
●实际案例：基于机器学习的乳腺癌疾病风险预测
●实际案例：心脏病预测模型构建和模型可解释性分析
Python医学图像处理基础
●PyDicom库的安装和基本用法
●MRI、DR、CT等影像的读取、解析、显示
●实际案例：读取各种Dicom格式的影像
深度学习PyTorch框架入门
●深度学习的基本概念，通用架构
>深度学习的基本概念
>深度学习的通用构架
>PyTorch的选型和安装
●梯度下降优化算法
>损失函数
>梯度下降优化算法
>模型的保存和加载
●实际案例：使用PyTorch进行医学图像分类
●图像分类算法（判断是否病变）
>AlexNet
>VggNet
>ResNet
>EfficientNet
>实际案例：深度学习在肺结节分类中的应用
>实际案例：COVID-19 新冠肺炎识别分类

第二天
深度学习与医学影像分析

深度学习智能影像诊断算法
●目标检测算法（检测病变区域）
>RCNN系列目标检测算法
（RCNN、Fast RCNN、Faster RCNN）
>YOLO系列目标检测算法
（ YOLO v5、YOLO v8）
●实际案例：目标检测在血常规分析中的应用
●实际案例：YOLO在病变检测中的应用
图像分割算法（分割病变区域）
●DeepLab系列语义分割算法
>DeepLab v1/v2
>CRF
>DeepLab v3/v3+
●医疗生物领域专用的U-Net分割网络
>“U型弯”结构
>保护“边缘”的措施
>损失函数
●实际案例：U-Net在前列腺肿瘤分割中的应用
●实际案例：通过U-Net分割细胞
影像智能诊断项目实战
●CT智能诊断实战案例
●MRI智能诊断实战案例