近年来，AI研究领域呈现出勃勃生机，医学领域的各个疾病诊断模型也纷纷借助AI技术展开探索。影像组学结合AI技术，已广泛应用于病灶检测、病理诊断、放疗规划及术后预测等多个临床环节。这一分析流程包括影像图像数据的获取、图像分割、特征筛选与降维、模型构建与预测等多个步骤。作为医学与工程交叉的成果，影像组学利用先进计算机技术解决临床实际问题，展现出智能诊断、评估、预测的巨大潜力。将AI技术与医学影像相结合，不仅为医生提供了诊断病情的有力工具，而且随着AI和医学影像大数据的普及，有望解决医学影像诊断中的准确性问题及医生短缺的困境。以下是针对医学影像与AI融合发展的全新视角培训内容：

【郑州卓昂教育科技有限公司携手AI专家，倾力打造“影像组学与人工智能医学影像”线上培训班，全面应对疫情挑战，特此推出线上教学模式。以下是培训详情：】

培训咨询：请直接与我联系。

培训平台：腾讯会议

培训时间：2024.09.19-2024.09.20（线上直播），2024.09.21-2024.09.25（线上直播）

课程大纲：

一、课程综述

1. 影像组学概述

2. Python基础

3. 深度学习基础

4. AI影像组学论文读写

5. Github入门

6. 影像组学数据标注

7. PyTorch神经网络分类案例

8. PyTorch神经网络2D图像分割案例

9. PyTorch神经网络3D图像分割案例

二、影像组学概述

1. 应用背景与研究进展

2. 核心思想与分析流程

3. 数据分析与模型构建

4. 可视化与评价指标（ROC曲线、PR曲线）

5. AI在医学影像组学的发展趋势

三、Python基础

1. 环境搭建与语法基础

2. 数据结构与类型

3. 流程控制与函数

4. 面向对象编程

5. 错误与异常处理

6. 标准库与虚拟环境

四、深度学习基础

1. 神经网络简介

2. 数据基础（张量、运算、变量、梯度下降）

3. 线性神经网络

4. 多层感知机

5. 卷积神经网络（CNN）

五、AI影像组学论文读写

1. 论文阅读要点

2. 论文写作技巧

六、Github简介

1. Git与代码仓库

2. Gitee平台介绍

七、影像组学数据标注

1. 标注软件Pair使用

2. 分类、检测、ROI分割数据标注

八、PyTorch神经网络分类案例

1. 分类数据集介绍

2. 网络模型案例（AlexNet、VGGNet、GoogleNet等）

九、PyTorch神经网络2D图像分割案例

1. 2D分割数据集介绍

2. 网络模型案例（FCN、SegNet、Unet等）

十、PyTorch神经网络3D图像分割案例

1. 3D分割数据集介绍

2. 网络模型案例（FCN3d、Vnet、Unet3d等）

案例数据集示例：

分类数据集：COVID-CT、NIHChest Xray等

2D分割数据集：CHASE_DB1、CVC-ClinicDB等

3D分割数据集：Lits、Sliver07等