VIP12
本课程属于：013-数字病理与影像组学工程 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

医学影像临床预测模型工程

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入与工程全景
目标=医学影像临床预测模型的定义 · 价值 · 典型应用场景
课程导入工程全景
02
临床问题定义与预测任务建模
目标=从临床需求出发 · 明确预测目标 · 结局变量
临床问题定义预测任务建模
03
医学影像数据获取与合规
目标=DICOM标准 · PACS/RIS系统 · 伦理审查
医学影像数据获取合规
04
影像数据预处理与质量控制
目标=格式转换 · 重采样 · 强度归一化
影像数据预处理质量控制
05
感兴趣区域与病灶标注工程
目标=标注规范 · 标注工具 · 多标注者一致性评估
感兴趣区域病灶标注工程
06
影像组学特征提取
目标=形状 · 一阶统计 · 纹理
影像组学特征提取目标=形状
07
深度学习影像特征表示
目标=CNN · Transformer · 自监督预训练在医学影像中的特征学习与…
深度学习影像特征…CNN
08
多模态数据融合工程
目标=影像 · 临床 · 病理
多模态数据融合工…目标=影像
09
临床预测模型构建
目标=传统机器学习与深度学习模型的选… · 训练策略 · 超参数优化与工程实现
临床预测模型构建目标=传统机器学…
10
模型内部验证与性能评估
目标=交叉验证 · Bootstrap · 校准曲线
模型内部验证性能评估
11
模型外部验证与泛化能力
目标=多中心验证 · 时间验证 · 域偏移问题
模型外部验证泛化能力
12
可解释性与可视化工程
目标=SHAP · Grad-CAM · 注意力图
可解释性可视化工程
13
影像组学与深度学习融合建模
目标=手工特征与深度特征的互补 · 融合策略 · 端到端与两阶段流程对比
影像组学深度学习融合建模
14
模型公平性与偏倚控制
目标=数据偏倚来源 · 亚组分析 · 公平性指标
模型公平性偏倚控制
15
模型压缩与推理加速
目标=剪枝 · 量化 · 知识蒸馏
模型压缩推理加速
16
临床部署架构与系统集成
目标=与HIS/PACS集成 · DICOM-SEG/RTSTRUCT… · API设计
临床部署架构系统集成
17
模型监控与持续学习
目标=数据漂移检测 · 性能衰减预警 · 在线学习
模型监控持续学习
18
临床预测模型报告规范
目标=TRIPOD · STARD · CLAIM等指南解读与工程文档
临床预测模型报告…TRIPOD
19
监管与法规工程
目标=FDA · CE · NMPA对AI医疗器械的审批路径
监管法规工程
20
真实世界数据与前瞻性研究
目标=真实世界数据采集 · 前瞻性临床试验设计 · 注册登记与证据生成
真实世界数据前瞻性研究
21
多中心联邦学习工程
目标=联邦学习架构 · 隐私保护 · 通信优化
心联邦学习工程目标=联邦学习架…
22
影像基因组学与联合建模
目标=影像特征与基因表达关联 · 联合预测模型 · 生物学可解释性与临床转化
影像基因组学联合建模
23
治疗反应与预后预测实战
目标=从数据准备 · 特征工程 · 建模到验证
治疗反应预后预测实战
24
疾病诊断与筛查预测实战
目标=构建肺结节 · 乳腺病变等筛查场景的预测模型 · 并评估临床落地可行性
疾病诊断筛查预测实战
25
风险分层与生存分析工程
目标=Cox模型 · DeepSurv · 竞争风险模型在影像预后研究中的实现与…
风险分层生存分析工程
26
模型不确定性与置信度估计
目标=贝叶斯深度学习 · 蒙特卡洛 dropout · 集成不确定性及临床决策阈值设定
模型不确定性置信度估计
27
人机协同与临床工作流
目标=AI辅助诊断交互设计 · 医生反馈闭环 · 人机协作模式与临床接受度评估
人机协同临床工作流
28
端到端MLOps平台搭建
目标=数据版本 · 实验跟踪 · 模型注册
MLOps端到端
29
前沿方向与挑战
目标=基础模型 · 多任务学习 · 因果推断
前沿方向挑战
30
课程综合项目与答辩
目标=分组完成一个完整医学影像临床预… · 从问题定义到部署演示与报告
课程综合项目答辩