聯邦學習是一種分散式的模型訓練方式,它的特色是能夠讓更多的資料加入模型的訓練,同時又保有資料的隱私。在這次的影片中我們將會講解聯邦學習的觀念以及由深到淺的幾個聯邦學習方法,除此之外也會簡介幾個支援聯邦學習的軟體套件。 #MeDASchool #FederatedLearning #MedicalAI
物件偵測 (Object Detection) 是指在影像中,利用長方形的框標出物件的位置,並針對該物件進行分類,能快速且有效的達到分類及位置判斷的目的。 在這系列的影片中,我們將從基礎且經典的物件偵測模型開始介紹,並且與醫療領域做結合,向大家展示物件偵測在醫療影像上的可能性。
在實踐各種人工智慧於醫學影像上的應用時,影像結構與影像處理方法為最基本需要熟知的觀念。在影片中我們將介紹影像資料格式以及幾個常見的影像處理方式,也會聚焦於一些醫學影像常見的情況與對應方式;並且會在 hands-on 影片中提供一些範例,實際利用程式查看、操作、視覺化影像。
在醫學影像上的深度學習實作通常會使用 Python 程式,另外在 Google Colaboratory (Colab) 環境上執行通常為初學者快速上手的方式。我們將介紹何為 Google Colab 以及示範基本的使用方法、注意事項;並且示範一些基礎的 Python 語法,並且針對將來實作演練時可能會遇到的狀況提供一些技巧與提醒。
物件偵測 (Object Detection) 是指在影像中,利用長方形的框標出物件的位置,並針對該物件進行分類,能快速且有效的達到分類及位置判斷的目的。 在這系列的影片中,我們將從基礎且經典的物件偵測模型開始介紹,並且與醫療領域做結合,向大家展示物件偵測在醫療影像上的可能性。
在醫學影像上的深度學習實作通常會使用 Python 程式,另外在 Google Colaboratory (Colab) 環境上執行通常為初學者快速上手的方式。我們將介紹何為 Google Colab 以及示範基本的使用方法、注意事項;並且示範一些基礎的 Python 語法,並且針對將來實作演練時可能會遇到的狀況提供一些技巧與提醒。
在實踐各種人工智慧於醫學影像上的應用時,影像結構與影像處理方法為最基本需要熟知的觀念。在影片中我們將介紹影像資料格式以及幾個常見的影像處理方式,也會聚焦於一些醫學影像常見的情況與對應方式;並且會在 hands-on 影片中提供一些範例,實際利用程式查看、操作、視覺化影像。
影像分割 (Image segmentation) 是一種藉由標記像素點的方式,來找出影像中重要的區域 (例如器官或是腫瘤) 的方法。影像分割可以使原始的影像更容易理解或是分析,有許多的應用。 在這個系列的影片中我們將介紹如何把深度學習應用在影像分割的問題上,並且提供一個實際的範例來演示如何訓練一個醫學影像分割的模型。








