智能医疗技术与ChatGPT临床应用三日深度培训

  培训讲师:叶梓

讲师背景:
叶梓老师叶梓,工学博士,高级工程师。现某大型上市企业资深技术专家。2005年上海交通大学计算机专业博士毕业,在校期间的主研方向为数据挖掘、机器学习、人工智能。毕业后即进入软件行业从事信息化技术相关工作;负责或参与了多项、省市级人工智能及大数 详细>>

叶梓
    课程咨询电话:

智能医疗技术与ChatGPT临床应用三日深度培训详细内容

智能医疗技术与ChatGPT临床应用三日深度培训

智能医疗技术与ChatGPT临床应用三日深度培训
第一天:人工智能基础与Python编程入门
上午:
人工智能在医疗领域的应用概述
Python编程基础
环境搭建、数据类型、流程控制
Python环境搭建
Python数据类型与流程控制
Python函数的应用
Python面向对象编程 
文件读写和目录操作
异常处理
机器学习概述
数据探索性分析:智能化数据分析
特征工程:数据准备、数据清洗、数据的归一化
机器学习模型构建
机器学习模型评估
集成学习
实际案例:基于机器学习的乳腺癌疾病风险预测
实际案例:心脏病预测模型构建和模型可解释性分析
Python医学图像处理基础
PyDicom库的安装和基本用法
MRI、DR、CT等影像的读取、解析、显示
实际案例:读取各种Dicom格式的影像
下午:
深度学习PyTorch框架入门
深度学习的基本概念,通用架构
深度学习的基本概念
深度学习的通用构架
PyTorch的选型和安装 
梯度下降优化算法
损失函数
梯度下降优化算法
模型的保存和加载
实际案例:HYPERLINK "https://towardsdatascience.com/deep-learning-for-medical-image-segmentation-using-pytorch-and-u-net-36b3f4a8e1e6" \t "_blank"使用PyTorch进行医学图像分类图像分类算法(判断是否病变)
AlexNetVggNetResNetEfficientNet实际案例:深度学习在肺结节分类中的应用实际案例:COVID-19 新冠肺炎识别分类
第二天:深度学习与医学影像分析
上午:
深度学习智能影像诊断算法
目标检测算法(检测病变区域)
RCNN系列目标检测算法
RCNN
Fast RCNNFaster RCNNYOLO系列目标检测算法
YOLO v5YOLO v8实际案例:HYPERLINK "https://github.com/ultralytics/yolov5/issues/93" \t "_blank"目标检测在血常规分析中的应用实际案例:HYPERLINK "https://github.com/ultralytics/yolov5/issues/93" \t "_blank"YOLO在病变检测中的应用下午:
图像分割算法(分割病变区域)
DeepLab系列语义分割算法
DeepLab v1/v2
CRF
DeepLab v3/v3+
医疗生物领域专用的U-Net分割网络
“U型弯”结构
保护“边缘”的措施
损失函数
实际案例:HYPERLINK "https://link.springer.com/article/10.1007/s00429-019-02004-y" \t "_blank"U-Net在前列腺肿瘤分割中的应用实际案例:通过U-Net分割细胞
影像智能诊断项目实战
CT智能诊断实战案例
MRI智能诊断实战案例
第三天:ChatGPT与医疗大模型应用
上午:
ChatGPT基础知识
自然语言处理基础知识
数据处理:特殊字符、分词、停用词等
Embedding 原理
Transformer原理
提示词工程
基于人类反馈的强化学习
实际案例:ChatGPT等大模型在临床科研中的应用
快速获取医学知识
临床实践研究
辅助生成出院小结
个性化医疗服务
辅助论文编写
医学文献梳理
论文降重与润色
ChatGPT在医疗咨询中的应用Langchain式的医疗知识检索
实际案例:医疗领域的Langchain下午:
项目实战:使用llama-factory微调大模型
安装部署
支持的大模型种类
数据集准备
微调策略(PEFT:LoRA, QLoRA等)
大模型临床应用实践
实际案例:大模型在临床数据挖掘中的应用
实际案例:大模型在医学文献检索中应用
实际案例:大模型在临床决策辅助中的应用
实际案例:大模型在风险预测模型中的应用

 

叶梓老师的其它课程

DeepSeek辅助日常工作培训提纲一、引言介绍大模型领域的竞争态势强调DeepSeek的独特优势二、DeepSeek概述DeepSeek的发展背景与定位DeepSeek各版本的特点与区别三、DeepSeek部署本地单机部署DeepSeek蒸馏版的硬件要求本地单机部署DeepSeek(量化)满血版的配置与性能本地单机多卡部署DeepSeek(量化)满血版的策

 讲师:叶梓详情


知识图谱的Python实现【课程简介】本课程包含知识图谱的基本概念及常用算法,并实现了一个基于知识图谱的对话机器人。通过1天的系统学习、案例讲解和动手实践,让学员能初步了解知识图谱的的相关知识与技术。【课程对象】理工科本科以上,或至少了解一种编程语言。知识图谱基础知识图谱存储知识图谱基础概念知识推理本体推理方法本体推理工具语义搜索RDF与RDFSOWL与OW

 讲师:叶梓详情


人工智能“最强模型”transformer详解【课程简介】Transformer是迄今为止人工智能领域的最新和最强大的模型类别之一。它几乎正在凭借一己之力来推动深度学习的又一波重大进步。Transformer模型充分运用了称为注意力和自注意力机制,以检测系列(或图像)中元素相互影响和相互依赖的微妙关系。本课程通过2天时间的详细介绍,可使学习者初步了解Tran

 讲师:叶梓详情


||1.人工智能概述||第一节:人工智能与机器学习基础|2.机器学习概述|||3.机器学习算法应用分析|||1.一元线性回归|||2.代价函数|||3.梯度下降法||第二节:回归算法|4.sklearn一元线性回归应用|||5.多元线性回归|||6.sklearn多元线性回归应用|||案例:葡萄酒质量和时间的关系|||1.KNN分类算法介绍|||2.KNN分

 讲师:叶梓详情


人工智能技术详解【课程内容】本课程包含大数据、机器学习、深度学习、知识图谱、强化学习与深度强化学习的相关知识。【课程时长】7天(7小时/天)【课程对象】理工科本科及以上,且至少了解一门编程语言。【课程大纲】(培训内容可根据客户需求调整)时间内容案例实践与练习Day1上午准备工作准备工作1.概念与术语2.Python(Anaconda)的安装3.Pycharm

 讲师:叶梓详情


人工智能与深度学习第一天:人工智能概念与经典算法人工智能概念综述(第一天——1)从一些术语辨析人工智能人工智能之连接主义的兴衰史这次AI的热潮是怎么来的?图像处理领域的最新热点(第一天——2)分类、目标检测与实例分割风格迁移自动驾驶人体姿态识别超分辨率图像生成语言处理领域的最新热点(第一天——3)Attention机制自动构建知识图谱看图说话预训练机制三大经

 讲师:叶梓详情


人工智能之最新自然语言处理技术与实战课程介绍:自然语言处理(简称NLP)是计算机科学和人工智能研究的一个重要方向,研究计算机和理解和运用人类语言进行交互的问题,它是集语言学、机器学习、统计学、大数据于一体的综合学科。本课程主要介绍了NLP中的常用知识点:分词、词法分析、句法分析、向量化方法、经典的NLP机器学习算法,还重点介绍了NLP中最近两年来基于大规模语

 讲师:叶梓详情


第一天上午:统计分析原理从最简单的案例开始统计基础描述性统计用SPSS实现描述性统计的案例回归分析:线性回归回归分析:logistics回归用SPSS实现回归分析的案例可视化工具第一天下午:数据库与数据仓库介绍数据库概述SQL(基本的增、删、改、查)SQL(稍复杂的子句或嵌套)基于MySQL的上机操作SQL语言数据仓库:度量与维度数据仓库:星型模型、雪花模型

 讲师:叶梓详情


计算机视觉【课程时长】3天(7小时/天)【课程对象】理工科本科及以上,且至少了解一门编程语言。【课程大纲】(培训内容可根据客户需求调整)时间内容案例实践与练习Day1上午准备工作准备工作决策树准备工作(1)概念与术语Python(Anaconda)的安装Pycharm的安装与使用JupyterNotebook的安装与使用Tensorflow与pytorch的

 讲师:叶梓详情


计算机视觉【课程简介】本课程包含计算机视觉领域的的重要概念及常用算法(神经网络、支持向量机、CNN、GAN等),以及人工智能领域热点应用场景:目标检测、图像分割、图像生成等。通过2天的系统学习、案例讲解和动手实践,让学员能初步迈入深度学习和计算视觉的知识殿堂。【课程收益】掌握基于python的视觉分析知识;掌握深度学习框架:TensorFlow、pytorc

 讲师:叶梓详情


COPYRIGT @ 2001-2018 HTTP://WWW.QG68.CN INC. ALL RIGHTS RESERVED. 管理资源网 版权所有