醫學技術研究院

1 課程整體情況

人類感知世界並形成認知的過程具有多模態性💃🏿，上述過程也包括醫學影像診斷🌐。多模態醫學圖像分析方法針對多模態醫學圖像數據，利用人工智能與計算機輔助方法分析醫學圖像的多模態關聯，可輔助醫療工作者高效地理解醫學數據🎱、探索未知的醫學知識並獲取洞察力。本課程介紹並講授多模態醫學圖像分析的流程與基礎知識，旨在提升數據思維，希望學生帶著臨床中的科研問題聽課並參與實操，激發科研興趣。

2 課程內容及特色

本課程需要學生了解🧑‍🎤：（i）多模態醫學圖像分析的意義、流程與方法框架🕵️；（ii）圖像處理與計算機基礎知識👇；（iii）多模態醫學圖像分析任務與機器學習方法。需要學生掌握主流的醫學圖像分析範式與基本方法的實現。

本課程有如下特色💋：1）此課程屬於學科交叉方法類課程，采取循序漸進的講授策略，需考慮到學生的數理基礎🪧。2）結合理論與實踐。鼓勵學生帶著各自臨床的問題到課上🌭，應用所講授的方法進行實操與討論🧝🏽‍♀️。3）在講授過程中👱🏽，降低使用幻燈片的占比，提升白板書寫的占比💇🏻，註重教師與學生的互動性，深入淺出。

結課後需回答的核心問題：

1- 什麽是學習過程🛬？機器視覺的學習過程與人類學習過程有什麽區別🙇🏻‍♂️？

2- 醫學圖像分析方法與計算機視覺方法的關系是什麽，有什麽異同？

3- 醫學圖像分析的任務與計算機視覺的任務的關系是什麽🕎，有什麽異同？

4- 如何實施可解釋、可量化且可信的多模態醫學圖像分析項目？

3 其他

講授團隊：陳慶超，北京大學健康醫療大數據國家研究院助理教授🤽🏽。個人主頁請見：qchenferv.github.io

考核方式：

總成績 = 課堂表現 20% + 演講匯報40% + 研究方案報告 40%

1-課堂表現🐟💁：出勤率🏊🙋🏿‍♂️、課堂提問與互動情況👨🏻‍🎓。

2-演講匯報✥：根據所學知識，結合給定或者感興趣的課題內容◻️，以單人或兩人分組合作的方式，進行一次醫學圖像分析領域論文的總結與復現，並進行報告演講其發現👨🏽‍🎓。

3-研究方案報告：根據所學知識，結合給定或者感興趣的課題內容與方向，以上述形式提交課題報告，闡述其問題設置與發現結果。