脑出血遇到深度学习，是否可以无所遁形？

AI科技大本营 · 公众号 · AI · 2019-11-28 18:50

正文

近期大家对身体健康这个话题格外关注，而我们今天公开课的主题也恰巧与此不谋而合。

我国脑卒的发病率已经超过心血管疾病，成为致死、致残率最高的疾病，并且发病率呈逐年上升的趋势，此外脑血管病和颅内肿瘤等脑部疾病也危害人们的健康。

在国内医疗环境下，有着重重挑战，倡导AI赋能、AI向善的今天，AI在医疗领域中能做些什么？做了些什么？在某些疾病面前，比如脑出血，AI怎样发挥着作用？

在医疗领域中，深度学习技术可以在众多任务与场景中发挥力量，其中医学影像已逐渐成为最有潜力的落地领域之一。目前，胸片、肺癌、宫颈癌、乳腺癌、脑癌的AI分析与诊断都是实际需要迫切的几大应用。人工智能当前已经在出血性脑卒中、缺血性脑卒中、脑血管、脑肿瘤四个方面对脑部影像产品予以赋能。与眼底和宫颈的 2D RGB图像不同，脑出血是 3D CT图像，相比起来，标注 3D 数据的难度比 2D 数据高不少。

数据又难又少，怎么做？本期公开课，腾讯优图研究员李翔悦将从腾讯在眼底、宫颈、脑出血病因分析等多个落地项目出发，为大家分享腾讯优图针对3D CT / MRI 数据提出的自监督研究方法，以及如何将研究成果在工程中落地？在脑出血病因分类和脑肿瘤分割案例中是如何应用的？

且听本期公开课为大家带来的精彩内容

课程主题：基于脑出血病因分类探索3D影像数据的前沿技术

课程时间 ：11月28日，20：00——21：30

报名地址 ：https://edu.csdn.net/huiyiCourse/detail/1102

课程交流群 ：添加下方小助手微信二维码，回复： 公开课 ，更多信息、资料可在群内获取

课程大纲 ：

1. 基于医学影像识别与分析的核心技术回顾

2. 医学图像处理的痛点分析与主流解决方法总结

3. 深入三维医疗图像自监督学习方法：从入门到方法应用

4. 医学图像处理领域前沿成果分享

课程适合人群以及听众收益

适合人群：对人工智能、CV及AI医疗领域感兴趣、从业或研究的同学；工作或业务中涉及AI医疗产品，对相关知识有了解需要的工作人士。

学习收获：对深度学习技术在医疗领域的核心技术、医学图像处理及自监督学习领域获得较为深入的了解

讲师介绍

李悦翔研究员于2016年获得英国诺丁汉大学博士学位，在攻读博士期间一直致力于医学图像处理算法的研究。毕业回国后进入深圳大学从事博士后研究工作并于2018年5月加入腾讯优图X-lab医疗组。博士及博士后期间发表多篇期刊（TMI）与会议（MICCAI）论文。目前研究方向为无监督学习在医学图像处理中的应用。

12月公开课预告

12月11日晚8点直播： 透彻影像将在公开课中从基于胃癌到肠癌的病理分析场景下，为大家分享在病例辅助诊断平台发展的现状、面临的挑战，透彻影像又是如何落地此类工程的。

主题： 人工智能消化道病理辅助诊断平台——从方法到落地

报名： https://edu.csdn.net/huiyiCourse/detail/1111

课程大纲：

1、概述：病理人工智能的现状，病理影像的挑战、数据标注与处理；

2、构建基于TensorFlow的胃癌深度学习病理分析模型训练流水线；

3、基于分布式微服务器推理架构的胃部病理诊断系统——挑战与落地；

4、迁移学习在病理影像分析中的应用——从胃部到更多器官。

12月12日晚8点直播： 一览群智将在公开课上与大家分享目前非常火热的AI中台的技术与实践，且看一览群智的技术积累与沉淀。

12月17日晚8点直播：

脑出血遇到深度学习，是否可以无所遁形？

正文

且听本期公开课为大家带来的精彩内容

12月公开课预告

请到「今天看啥」查看全文