• 人工智能与影像组学综述

1.影像组学核心思想剖析、分析流程介绍

2.影像组学影像组学数据分析、模型建立及实现

3.影像组学经典可视化内容描绘方法

4.人工智能在医学影像组学的发展及趋势

• 影像组学SCI论文、专利、基金申请写作思路重要内容

1.影像组学SCI论文书写流程 2.影像组学SCI论文评价标准

3.影像组学专利申请流程 4.影像组学专利撰写要点

5.影像组学基金的撰写思路及未来发展方向和科研思路

案例：病理基因的修正案例

• 影像组学数据获取以及数据标注

1.Labelme标注软件介绍 2.影像学分类数据标注

3.影像学检测数据标注 4.影像学ROI分割数据标注

案例：标注一个脑部肿瘤病灶区域

• 人工智能实验环境配置

1.实验环境配置要求 2.实验环境配置介绍

3.深度学习开发环境搭建 4.实验室环境计算资源配置

案例：搭建并配置好人工智能实验环境

• 深度学习Python入门指导

1.基础入门Python 2.NumPy库基础解读

3.Pandas库基础解读 4.OpenCV库基础解读

5.SciPy库基础解读 6.图像预处理方法介绍

案例：使用python处理dicom类型CT数据

• 深度学习Pytorch实践操作

1. Pytorch框架模型接口 2.如何生成指定的数据生成器

3.优化器和一些模型参数 4.保存加载模型

5.多张显卡并行训练及参数保存

案例：使用Pytorch处理影像分割任务

• 医学临床案例演示及实践操作

1.肺部疾病诊断 2.基因突变预测 3.眼底疾病智能识别

4.黑色素瘤诊断 5.肺炎类型诊断 6.预后模型简历及验证

7.器官识别 8.神经元结构的分割 9.胃肠镜高分化癌

10.器官分割 11.预警量表诊断评估 12.癌症预后分析

13.蛋白质遗传组学 14.CT影像辅助诊疗15.多模态任务模型构建

• 分类影像学

1.图像分类网络详解

1.面向精度的图像识别网络，LeNet、AlexNet、VGG、GoogLeNet、ResNet、DenseNet等。

2.面向速度的图像识别网络，MobileNetV1、MobileNetV2、MobileNetV3、ShuffleNetV1、ShuffleNetV2等。

2.CT数据的预处理

1.训练数据的如何进行划分，如何进行裁剪。

2.使用OpenCV对CT数据进行处理。

3.为应对数据量不足的情况，在训练模型的过程中如何对数据进行实时的数据增强。

3.案例上手练习

1.数据集如何使用。

2.自己的数据如何适配到给定的算法。

3.如何对模型进行迁移学习。

4.其它可能扩展的任务场景介绍，例如肝炎CT数据识别等。

案例: 乳腺癌COVID-19新冠肺炎识别。

• 分割影像学

1.图像分割网络详解

1.FCN，第一个基于全卷积的图像分割算法。

2.DeepLab V1-V3系列算法介绍。

3.UNet及其衍生算法在图像分割，尤其是医学影像数据的分割算法中的应用。

2.数据的预处理

1.数据集介绍，分割算法依赖的数据包括哪几个重要的部分。

2.如何对分割数据形成对应的mask。

3.案例上手练习：基于UNet的图像分割方法

1.如何将自己的数据适配到UNet算法。

2.其他可能扩展到的分割场景。

3.如何使用已经训练的模型，对未知的数据进行预测。

案例:人脑肿瘤分割、皮肤病病灶区域分割中模型选择

• 影像组学人工智能论文复现

1.医学影像分类论文复现

2.医学影像分割论文复现

• 辅助课程

1.疑难解答、分组讨论。

2.学后交流、微信群、QQ群建立。

3.咨询、合作，专业技术团队深入探讨。