【線上】雲端自學課程-AI醫學影像分析技術-工研院產業學院台中學習中心(二)
開課日期：隨時開課
上課地點：其他雲端自學
上課費用：線上洽詢
課程介紹：
線上自學讓您隨時掌握學習節奏，多個應用程式操作可以重複觀看練習，透過講師案例教學示範，您也可以自行訓練AI模型！
有Python程式基礎的您：本課程以Python實例應用為主，只需強化生醫訊號實作、醫學影像辨識實作，就能掌握與醫材產品研發/設計最常運用的AI函數及設計原理。
完整學習架構規劃：除了自學課程外，可以搭配其他實體課程作為延伸學習，自行規劃及選修您有興趣的課程內容。
課程內容：
課程介紹
根據 Stratistics MRC(2018) 的資料顯示，2017年全球智慧醫療市場為 1,826 億美元，預計到 2026年將達到 6,654 億美元，為了佔據市場主導地位，全球各國都已積極投入醫療器材的創新與研發。
本課程特邀請產業專業講師授課，規劃10小時數位自學課程、2小時線上學習活動，內容將針對醫療器材產品設計會運用到的人工智慧技術、生醫訊號實作、醫學影像辨識實作進行教學。
學員先備知識
具備醫療器材產品開發經驗者或醫療體系從業人員者佳，須具備Python程式語言基礎者。
主題與時數 | 課程大綱 |
深度學習環境簡介與建立 1.5小時 | 1-1深度學習環境建立 1-2深度學習套件安裝 1-3 Colab介紹 1-4國網中心使用 |
SVM（Support Vector Machine）生醫訊號實作 1.5小時 | 2-1 SVM簡介 2-2深度學習與機器學習之差別 2-3程式講解與練習-EEG 2-4程式講解與練習- iris |
CNN深度學習-醫學影像辨識實作 3小時 | 3-1深度學習發展歷史 3-2專家系統、機器學習及深度學習 3-3深度學習訓練方式 3-4 CNN簡介 3-5 CNN模型熱身(CIFAR-10) 3-6醫學影像分類(以chest X-ray為例) |
AlexNet、VGG、Inception和ResNet醫學影像分類模型介紹與實作 1.5小時 | 4-1 AlexNet等經典模型 4-2遷移學習 |
Mask R-CNN模型創建 3小時 | 5-1 MASK R-CNN模型簡介 5-2 MASK R-CNN實際應用：標記工具介紹 |
備註：
詳細內容及報名需知，請點選報名後見協會網站內容
