VIP14
本课程属于：011-医学影像AI分割检测与训练工程 生命科学与数字医疗 · 共 14 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

医学影像数据偏倚与泛化评估

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入与全景认知
目标=医学影像数据偏倚与泛化评估的定… · 临床与工程意义 · 课程目标与学习路径
课程导入全景认知
02
医学影像数据来源与采集流程
目标=CT · MRI · X光
医学影像数据来源采集流程
03
偏倚的 taxonomy 与来源剖析
目标=选择偏倚 · 信息偏倚 · 混杂偏倚
taxonomy偏倚的
04
数据集构建中的偏倚
目标=入组标准 · 标注流程 · 专家差异
数据集构建偏倚
05
预处理与特征工程引入的偏倚
目标=重采样 · 归一化 · 去噪
预处理特征工程引入的偏…
06
模型开发中的偏倚
目标=训练目标 · 损失函数 · 采样策略
模型开发偏倚
07
评估指标与偏倚的交互
目标=AUC · 敏感度 · 特异度
评估指标偏倚的交互
08
内部验证与外部验证的偏倚差异
目标=随机划分 · 时间划分 · 跨中心划分的偏倚表现与泛化评估含义
内部验证外部验证的偏倚差…
09
领域泛化与领域适应的核心概念
目标=分布偏移 · 协变量偏移 · 标签偏移
领域泛化领域适应的核心概…
10
跨中心泛化评估实战
目标=多中心数据划分 · 中心间性能差异分析 · 泛化差距量化与可视化
心泛化评估实战目标=多
11
跨设备与跨协议泛化评估
目标=不同厂商 · 场强 · 扫描参数下的模型性能衰减与评估方法
跨设备跨协议泛化评估
12
跨人群泛化评估
目标=年龄 · 性别 · 种族
跨人群泛化评估目标=年龄
13
偏倚检测的统计方法
目标=假设检验 · 效应量 · 分层分析
偏倚检测的统计方…目标=假设检验
14
公平性评估与偏倚度量
目标=公平性定义 · 群体公平指标 · 差异影响
公平性评估偏倚度量
15
可视化与可解释性在偏倚诊断中的应用
目标=热力图 · 注意力图 · 特征可视化
可视化可解释性
16
数据层面去偏策略
目标=重采样 · 重加权 · 数据增强
数据层面去偏策略目标=重采样
17
算法层面去偏策略
目标=对抗训练 · 不变风险最小化 · 领域泛化算法
算法层面去偏策略目标=对抗训练
18
后处理去偏策略
目标=阈值调整 · 校准 · 输出修正
后处理去偏策略目标=阈值调整
19
泛化评估的实验设计
目标=基准选择 · 划分策略 · 重复实验
泛化评估的实验设…目标=基准选择
20
真实世界泛化评估案例
目标=从单中心到多中心 · 从回顾到前瞻 · 从研究到部署的完整评估流程
真实世界泛化评估…目标=从单
21
偏倚与泛化的监管与伦理
目标=FDA · CE · NMPA 对医学影像 AI 的偏倚与…
偏倚泛化的监管
22
持续学习与部署后监测
目标=数据漂移检测 · 性能监控 · 再训练触发
持续学习部署后监测
23
小样本与不平衡数据下的偏倚与泛化
目标=罕见病 · 少样本类别 · 长尾分布中的评估挑战与应对
小样本不平衡数据下的偏…
24
多模态融合中的偏倚与泛化
目标=影像-文本 · 影像-基因组 · 多序列融合带来的新偏倚与评估策略
多模态融合偏倚
25
自监督与预训练模型中的偏倚与泛化
目标=大规模预训练 · 微调 · 提示学习在医学影像中的偏倚传递与评估
自监督预训练模型
26
生成模型与合成数据
目标=GAN · 扩散模型生成影像的偏倚风险 · 真实性评估与泛化影响
生成模型合成数据
27
联邦学习与隐私保护下的偏倚与泛化
目标=非独立同分布数据 · 客户端差异 · 安全聚合对评估的影响
联邦学习隐私保护下的偏倚
28
因果推断在偏倚与泛化评估中的应用
目标=因果图 · 反事实 · 去混杂
因果推断偏倚
29
课程项目实战
目标=给定多中心医学影像数据集 · 完成偏倚分析 · 泛化评估
课程项目实战目标=给定多
30
前沿进展与开放问题
目标=基础模型 · 多任务学习 · 持续学习
前沿进展开放问题