機器學(xué)習(xí)在醫(yī)學(xué)圖像處理中的應(yīng)用

計算機視覺/數(shù)據(jù)科學(xué)

課題背景

隨著成像技術(shù)的發(fā)展，我們從微觀視角下中提取信息的能力越來越強，而這些信息在基礎(chǔ)生物醫(yī)學(xué)研究和越來越多的臨床應(yīng)用中發(fā)揮著越來越重要的作用。 生物醫(yī)學(xué)成像技術(shù)利用x射線(CT掃描)、聲音(超聲)、磁性(MRI)、放射性藥物(核醫(yī)學(xué):SPECT、PET)或光(內(nèi)窺鏡、OCT)來評估器官或組織的當(dāng)前狀況， 并可以對患者進行持續(xù)監(jiān)測，對后續(xù)進行的診斷和治療評估有重大意義。 在此背景下，我們需要利用自動圖像分析方法從這些龐大而復(fù)雜的數(shù)據(jù)集中提取定量信息，減少臨床的工作量同時，提高診斷的準(zhǔn)確度。 例如，此類算法可用于計算給定組織學(xué)切片中的細胞數(shù)量。在更先進的應(yīng)用中，有很多算法可以幫助醫(yī)生評估診斷某些疾病，如黑色素瘤，乳腺腫塊等等。

課題內(nèi)容

本課程將介紹計算機視覺和機器學(xué)習(xí)在醫(yī)學(xué)圖像中的應(yīng)用。將在真實的數(shù)據(jù)集中使用一組具體應(yīng)用這些方法。 課程將會涵蓋生物成像和計算病理學(xué)提供簡要的背景知識，并通過傳統(tǒng)機器學(xué)習(xí)以及神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的方法提取特征對圖像進行分割，追蹤，并進一步分類。 該課程涉及話題：機器學(xué)習(xí)，深度學(xué)習(xí)，卷積神經(jīng)網(wǎng)絡(luò)，計算機視覺，圖像處理。

適合人群

對成像處理感興趣的高中生，本科生 修讀數(shù)學(xué)、計算機等專業(yè)，以及未來希望在工業(yè)自動化、文字及圖紙的讀取、醫(yī)療、交通及遙感圖像處理等領(lǐng)域從業(yè)的學(xué)生 具備Python，數(shù)值計算基礎(chǔ)的本科生優(yōu)先；具備相關(guān)基礎(chǔ)知識的高中生也可以選擇

教授介紹

Jens Rittscher牛津大學(xué)工程學(xué)終身教授

1)首位生物醫(yī)藥工程研究所和納菲爾德醫(yī)學(xué)系雙任命教授

2)牛津大學(xué)Target Discovery研究所生物醫(yī)藥圖像研究組主任

3)前通用電氣全球研究中心資深高級研究員/項目經(jīng)理

4)美國倫斯勒理工學(xué)院客座教授

5)論文引用累積5212次，h指數(shù)33，i10指數(shù)66

課程安排與收獲

10周在線小組科研（總計72課時）網(wǎng)申推薦信學(xué)術(shù)評估報告項目成績單論文成果

* 課時包含：導(dǎo)師課程36課時+助教課程30課時+寫作課程6課時，不包含先修課課時
* 完成研究后滿足學(xué)術(shù)條件和教授要求可獲得推薦信，教授將嚴(yán)格按照學(xué)生實際表現(xiàn)對學(xué)生進行客觀評價。