此實作坊將教導你如何將深度學習應用於放射學和醫療影像。你將學到影像分割和如何訓練卷積神經網路（CNN），以及運用影像體學辨別疾病基因組的技術。

學習目標


參加本實作坊可學會：
  • 訓練卷積神經網路從時間序列 MRI 資料推論人體心臟左心室的體積
  • 對 MRI 影像執行影像分割，判斷心臟左心室的位置
  • 使用卷積神經網路來偵測心臟疾病，並測量心臟舒張與收縮的差別以計算射出率
  • 將卷積神經網路應用至低惡性度膠質細胞瘤（low-grade glioma，LGG）的 MRI 掃描，判斷 1p/19q 染色體聯合缺失的狀態

下載實作坊大綱與簡介 (PDF 292 KB)

實作坊大綱

概覽
（15 分鐘）
  • 認識講師。
  • 在 courses.nvidia.com/join 建立帳號
影像分割
（120 分鐘）
    學習將影像的每個像素分到特定類別的技術：
    • 使用自訂的 Python 層級延伸 Caffe。
    • 實作遷移學習的流程。
    • 從熱門的影像分類網路建立完整的卷積神經網路。
休息時間 （60 分鐘）
影像分析
（120 分鐘）
    將卷積神經網路應用於醫療影像分析，從肉眼不可見的影像推論病患狀態：
    • 將典型的 2D 卷積神經網路延伸至更複雜的資料上使用。
    • 透過標準 Python API 與 R 使用 MXNet 框架。
    • 處理可能為立體或具有時間元素的高維度影像。
休息時間 （15 分鐘）
使用 TensorFlow 完成影像分類
（120 分鐘）
    瞭解從 MRI 影像偵測基因組（影像體學）的深度學習技術：
    • 設計和訓練卷積神經網路。
    • 使用影像體學製作生物標記，在無須進行侵入性活體組織切片的情況下，即可辨別疾病的基因組。
    • 探索梅約診所（Mayo Clinic）的基因影像圖譜學研究成果，該研究讓患有腦部腫瘤的病患可以獲得更有效的治療，且後續健康狀態也有所提升。
最後回顧
（15 分鐘）
  • 回顧主要學習內容並總結問題。
  • 完成測驗並取得認證。
  • 填寫實作坊調查問卷。
 

實作坊詳情

時間: 8 小時

價格: 如需瞭解價格，請聯絡我們。 

必備基礎能力:

  • 對深度神經網路有基礎理解
  • 具備 Python 或是類似語言的基礎編碼經驗

技術: Caffe、NVIDIA DIGITS、R、MXNet、TensorFlow

內容合作者: 梅約診所（Mayo Clinic）

認證證書: 完成測驗後，參與者將會收到 NVIDIA DLI 認證證書，證明他們具有相關主題的能力，支援其專業職涯成長。

硬體需求: 可運作最新版本 Chrome 或 Firefox 的桌上型電腦或筆記型電腦。每位參與者都能在雲端上使用專屬且全面設定完成的 GPU 加速伺服器。

教材語言: 英文、日文

需要任何協助？

Read our FAQs
NVIDIA 深度學習機構服務
NVIDIA 開發人員論壇
如何學習
主題式訓練
立即參與
關於我們