歡迎來到醫(yī)學(xué)人工智能專業(yè)。如果你已經(jīng)完成了深度學(xué)習(xí)專業(yè)化或機(jī)器學(xué)習(xí)課程，并且你正在尋找更深入掌握人工智能的應(yīng)用領(lǐng)域，這是一個(gè)很好的專業(yè)化學(xué)習(xí)。

要想成為真正優(yōu)秀的機(jī)器學(xué)習(xí)，最重要的事情之一就是練習(xí)將機(jī)器學(xué)習(xí)應(yīng)用到多個(gè)用例中。

專業(yè)化將使你通過多個(gè)用例跨越到人工智能在醫(yī)學(xué)中最重要的應(yīng)用。例如：

• 給定一張胸部X光片的圖像，那么非結(jié)構(gòu)化的圖像數(shù)據(jù)，你能訓(xùn)練一個(gè)神經(jīng)網(wǎng)絡(luò)來診斷病人是否患有肺炎嗎？你要學(xué)會(huì)在這個(gè)專業(yè)中做到這一點(diǎn)。
• 給定結(jié)構(gòu)數(shù)據(jù)，比如病人的實(shí)驗(yàn)室結(jié)果，你能訓(xùn)練一個(gè)決策樹來估計(jì)心臟病發(fā)作的風(fēng)險(xiǎn)嗎？你也要學(xué)會(huì)這樣做。

通過處理這些具體問題，您還可以看到機(jī)器學(xué)習(xí)的許多實(shí)際方面，從如何處理不平衡的數(shù)據(jù)集到如何處理丟失的數(shù)據(jù)，再到選擇正確的評(píng)估指標(biāo)。

在機(jī)器學(xué)習(xí)中，我們通常默認(rèn)分類精度作為衡量標(biāo)準(zhǔn)。但對(duì)于許多應(yīng)用程序來說，這并不是正確的度量標(biāo)準(zhǔn)。

那么如何選擇一個(gè)更合適的呢？即使你現(xiàn)在的工作不是醫(yī)學(xué)，我認(rèn)為你會(huì)發(fā)現(xiàn)應(yīng)用場(chǎng)景和這些應(yīng)用場(chǎng)景的實(shí)踐非常有用，也許專業(yè)化會(huì)說服你對(duì)醫(yī)學(xué)更感興趣。

如果你對(duì)醫(yī)學(xué)感興趣，那么這是一門很好的專業(yè)課。醫(yī)學(xué)人工智能正在世界范圍內(nèi)蓬勃發(fā)展。

所以這是一個(gè)很好的時(shí)機(jī)，你可以投入進(jìn)來，嘗試產(chǎn)生巨大的影響。你可以發(fā)明一些可以拯救病人生命的東西。我們開始吧。

我很高興這個(gè)專業(yè)將由inaudible教授講解，我（吳恩達(dá)）和他有幸合作了幾年的人工智能醫(yī)學(xué)研究。

這是一個(gè)三門課程的專業(yè)課程，

• 在第一門課程中，您學(xué)習(xí)了如何為診斷構(gòu)建機(jī)器學(xué)習(xí)模型。

診斷就是鑒別疾病。在第一個(gè)課程中，你將構(gòu)建一個(gè)算法，該算法將檢查胸部X光片并確定它是否包含疾病。你還將構(gòu)建另一種算法，它可以查看腦部核磁共振成像，并確定這些腦部核磁共振成像中腫瘤的位置。因此，第一個(gè)課程是診斷或識(shí)別疾病，

• 第二個(gè)課程是預(yù)測(cè)患者未來的健康狀況，這就是所謂的預(yù)后。

在第二門課程中，您將學(xué)習(xí)如何使用結(jié)構(gòu)化數(shù)據(jù)。比如說，你有一個(gè)病人的實(shí)驗(yàn)室值和他們的人口統(tǒng)計(jì)數(shù)據(jù)，然后用這些數(shù)據(jù)來預(yù)測(cè)一個(gè)事件的風(fēng)險(xiǎn)，比如他們的死亡風(fēng)險(xiǎn)或者心臟病發(fā)作的風(fēng)險(xiǎn)。

• 在第三節(jié)課中，你學(xué)習(xí)了人工智能的治療方法。

也就是說，對(duì)于醫(yī)療過程和信息提取，從醫(yī)學(xué)文本中獲取信息。在課程2中，您將學(xué)習(xí)如何使用機(jī)器學(xué)習(xí)模型來估計(jì)特定治療對(duì)患者的影響。您還將了解人工智能在文本中的應(yīng)用，例如，回答問題和從放射報(bào)告中提取標(biāo)簽。

對(duì)于這門課和其他專業(yè)的課程，你不需要任何醫(yī)學(xué)背景。不過，我建議你在選修本課程和其他專業(yè)課程之前，先滿足三個(gè)先決條件。

• 首先，本課程假設(shè)你了解深度學(xué)習(xí)的基礎(chǔ)知識(shí)。例如，您應(yīng)該了解監(jiān)督學(xué)習(xí)、卷積神經(jīng)網(wǎng)絡(luò)和損失函數(shù)的基本知識(shí)。
• 第二，能夠用Python編寫代碼應(yīng)該相當(dāng)舒服，因?yàn)樵谶@三門課程的作業(yè)中，您將使用Python處理數(shù)據(jù)并構(gòu)建機(jī)器學(xué)習(xí)模型。
• 第三，課堂概念將假設(shè)一些概率知識(shí)。例如，當(dāng)我們說給定B的概率時(shí)，你應(yīng)該能夠認(rèn)識(shí)到這是一個(gè)條件概率。有了這三個(gè)先決條件，你就可以開始了。

接下來就進(jìn)入第一課第一周的學(xué)習(xí)，你將學(xué)習(xí)如何構(gòu)建和評(píng)估從醫(yī)學(xué)圖像中檢測(cè)疾病的深度學(xué)習(xí)模型，主要包含以下內(nèi)容：

• 第一周，你建立了一個(gè)深度學(xué)習(xí)模型，可以解釋胸部X光片，從而對(duì)不同的疾病原因進(jìn)行分類。
• 第二周，您將實(shí)施評(píng)估方法來評(píng)估模型的質(zhì)量。
• 第三周，你將使用圖像分割來確定核磁共振掃描中腦瘤的位置和邊界。

本次解說完，歡迎繼續(xù)閱讀下一次內(nèi)容~~