首页
›
生命科学与数字医疗
›
012-医学影像AI验证部署与MLOps工程
›
《医学影像AI误差分析与复盘》
VIP12
本课程属于:012-医学影像AI验证部署与MLOps工程
生命科学与数字医疗 · 共 12 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AI误差分析与复盘
共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入与误差复盘总览
目标=医学影像AI误差分析的定义 · 复盘的价值 · 课程目标与学习路径
课程导入
误差复盘总览
02
医学影像AI系统全流程拆解
目标=从数据采集 · 标注 · 预处理
AI
医学影像
03
误差分类框架
目标=假阳性 · 假阴性 · 定位偏差
误差分类框架
目标=假阳性
04
数据层面误差溯源
目标=采集设备差异 · 扫描协议不一致 · 标注噪声
数据层面误差溯源
目标=采集设备差…
05
标注误差分析与复盘
目标=标注者间差异 · 参考标准选择 · 标注工具影响与标注质量评估方法
标注误差分析
复盘
06
预处理与增强引入的误差
目标=重采样 · 归一化 · 窗宽窗位
预处理
增强引入的误差
07
模型架构与误差模式
目标=CNN · Transformer · U-Net等结构在医学影像中的典型误…
模型架构
误差模式
08
训练策略与误差
目标=损失函数选择 · 优化器 · 学习率
训练策略
误差
09
类别不平衡与误差复盘
目标=重采样 · 重加权 · Focal Loss等方法的效果分析…
类别不平衡
误差复盘
10
域偏移与外部验证误差
目标=跨中心 · 跨设备 · 跨人群场景下的性能下降与复盘方法
域偏移
外部验证误差
11
不确定性估计与误差识别
目标=MC Dropout · 深度集成 · 贝叶斯方法在误差预警中的应用
不确定性估计
误差识别
12
可解释性方法与误差归因
目标=Grad-CAM · SHAP · 注意力图在定位误差来源中的使用与局限
可解释性方法
误差归因
13
分类任务误差分析实战
目标=ROC · PR曲线 · 混淆矩阵
分类任务误差分析…
ROC
14
检测任务误差分析实战
目标=mAP · FROC · 定位误差
检测任务误差分析…
mAP
15
分割任务误差分析实战
目标=Dice · IoU · HD
分割任务误差分析…
Dice
16
回归与定量任务误差分析
目标=测量偏差 · 一致性分析 · Bland-Altman图与临床可接…
回归
定量任务误差分析
17
误差可视化与复盘工具
目标=热力图 · 误差地图 · 切片级审查
误差可视化
复盘工具
18
错误样本库构建与管理
目标=难例挖掘 · 错误分类 · 版本追踪与复盘知识沉淀
错误样本库构建
管理
19
模型校准与置信度误差
目标=温度缩放 · Platt Scaling · 校准误差度量与临床决策阈值
模型校准
置信度误差
20
鲁棒性测试与误差复盘
目标=对抗攻击 · 噪声 · 模糊
鲁棒性测试
误差复盘
21
公平性与偏差复盘
目标=不同性别 · 年龄 · 种族
公平性
偏差复盘
22
临床工作流中的误差复盘
目标=人机交互 · 警报疲劳 · 自动化偏见与责任归属分析
临床工作流
误差复盘
23
多模态融合误差分析
目标=PET/CT · MRI多序列 · 影像与文本融合中的误差来源与复盘
多模态融合误差分…
PET/CT
24
时序与纵向影像误差分析
目标=随访变化 · 疾病进展预测中的误差累积与复盘方法
时序
纵向影像误差分析
25
联邦学习与隐私保护下的误差复盘
目标=分布式数据 · 非独立同分布与模型聚合误差
联邦学习
隐私保护下的误差…
26
模型更新与持续学习中的误差复盘
目标=概念漂移 · 灾难性遗忘与版本回滚策略
模型更新
持续学习
27
误差复盘报告撰写
目标=结构化模板 · 根因分析 · 改进措施与利益相关者沟通
误差复盘报告撰写
目标=结构化模板
28
复盘驱动的模型迭代
目标=从误差分析到数据补充 · 重训练 · 后处理与部署优化
复盘驱动的模型迭…
目标=从误差分析…
29
监管与合规视角下的误差分析
目标=FDA · CE · NMPA对性能验证与误差报告的要求
监管
合规视角下的误差…
30
综合实战
目标=完整医学影像AI项目误差复盘案…
综合实战
AI
所属VIP或分类
同VIP:DICOM影像AI服务集成工程
同VIP:PACS影像AI在线推理集成工程
同VIP:医学影像AI云原生部署与交付工程