医学影像组学人工智能应用培训班

医学影像组学人工智能应用培训班 中国管理科学研究院职业资格认证培训中心

医学影像组学人工智能应用培训班

各企事业单位、高等院校及科研院所：随着影像组学和人工智能尤其是视觉技术的高速融合，影像组学延伸领域也随之高速增长，同时也推动了人工智能技术在医学科研应用领域快速地发展，相关科研成果和学术论文数量逐年激增，医学影像组学涉及的技术如数据处理、病灶识别、自动病灶勾画、病灶特征提取和筛选、模型构建和临床信息解析越来越趋于分析流程化，工具化，为解决医生们在临床科研实践中提出越来越多的参考方法。

中国管理科学研究院职业资格认证培训中心特举办“医学影像组学人工智能应用培训班”并由北京宏盛元亨文化交流中心与北京奇点伏流信息科技有限责任公司共同承办。本次培训将对前沿的影像组学及人工智能应用案例进行快速解构，帮助学员快速实践影像组学临床应用方法，加快临床和科研工作中的人工智能方法的实现地。

一、培训目标：

1. 给工具，即插即用式平台，数据处理、模型适配，代码选用一站式实现。

2. 给速度，传统组学病灶特征分析、特征筛选、聚类分析、多模型效果比较一键执行。

3. 给优势，解构优质论文，算法快速验证，低代码实现构思。

4. 给路径，影像组学案例多维度拆解，纵向案例级别从0到1拆解步骤，对结题流程有清晰认识；横向不同案例场景技术无死角练习，加强巩固能力。

5. 给福利，公开课及后序的模块课，实验课， 3天集中授课，后续每个月采用训练营模式，按兴趣和需求参加，全部免费。

二、时间地点:

2022 年01月 2 1 日—2022 年01月 2 3 日远程在线授课

(01月20日帮助学员安装平台，后三天授课)                                                                                                                                                                                                                                                                                                                                                                     

课程罗盘：科研任务实现

三、课程大纲

应用路径：任务分类→数据处理→模型调用→训练优化→结果可视化→模型场景迁移；影像组学实验平台（免费赠送）

（即插即用，自动GPU资源适配，自动配置高性能算力）

Sci论文快速复现

1，快速复现传统组学的论文，例如以下论文。

[1] Ji G W , Zhu F P , Xu Q , et al. Machine-learning analysis of contrast-enhanced CT radiomics predicts recurrence of hepatocellular carcinoma after resection: A multi-institutional study[J]. EBioMedicine, 2019, 50.

[2] Wang W, Peng Y, Feng X, Zhao Y, Seeruttun SR, Zhang J, Cheng Z, Li Y, Liu Z, Zhou Z. Development and Validation of a Computed Tomography-based Radiomics Signature to Predict Response to Neoadjuvant Chemotherapy for Locally Advanced Gastric Cancer. JAMA Netw Open. 2021 Aug 2;4(8):e2121143. doi: 10.1001/jamanetworkopen.2021.21143. PMID: 34410397; PMCID: PMC8377567.

[3] [1] Fm A , Yan G B , Ml C , et al. Radiomics nomogram: A noninvasive tool for preoperative evaluation of the invasiveness of pulmonary adenocarcinomas manifesting as ground-glass nodules[J]. Translational Oncology, 14( 1).

2，平台集成目前主流的深度学习网络结构，如DenseNet、Med3D、nnUnet、DenseNet3D、SSD、Yolo、ResNet等深度学习模型，帮助科研工作者快速完成算法模型适配，快速完成如下类似论文的复现工作。

[1] Kang B, Yuan X, Wang H, Qin S, Song X, Yu X, Zhang S, Sun C, Zhou Q, Wei Y, Shi F, Yang S, Wang X. Preoperative CT-based Deep Learning Model for Predicting Risk Stratification in Patients With Gastrointestinal Stromal Tumors. Front Oncol. 2021 Sep 17;11:750875. doi: 10.3389/fonc.2021.750875. PMID: 34631589; PMCID: PMC8496403.

[2] [1] Yang J , Chen Z , Liu W , et al. Development of a Malignancy Potential Binary Prediction Model based on Deep Learning for the Mitotic Count of Local Primary Gastrointestinal Stromal Tumors[J]. Korean Journal of Radiology, 2020, 21(3).

[3] [1] Liu K , Li Q , Ma J , et al. evaluating a Fully Automated Pulmonary Nodule Detection Approach and Its Impact on Radiologist Performance[J]. 2019.

公开课现场学员提交论文，现场分解、分析实现方法

影像组学实验平台工具一：传统组学应用工具

影像组学实验平台工具二：深度学习应用工具

任务训练

结果呈现

标注任务工具：Pair智能标注工具（免费试用三个月）

典型案例实战训练营（每个月一次不同类型训练任务）

每月一个任务，拆解一个专门的影像组学任务，由专业老师带领对任务进行分析拆解，Step by Step的讲解如何使用Onekey对任务进行拆解和建模，同时由老师解答大家实 *** 中的疑难。

训练营任务类型：

1，论文复现训练

2，任务训练的解题思路，方法总结

3，多类别任务规划，问题定位训练

4，论文开题设计训练

四、培训费用：

每人4300元（含培训费、证书费、资料费、实验平台模型集成费）

五、颁发证书：

参加相关培训并通过考试的学员，可以获得：

由中国管理科学研究院职业资格认证培训中心颁发的《影像组学技术工程师》（高级）专业技能资格证书，官方网站查询，该证书可作为有关单位专业技术人员能力评价、考核和任职的重要据。

注：请学员提供两寸彩照一张（背面注明姓名）、身份z复印件和学历证明复印件各一张。