همزمان با هفته پژوهش؛
کارگاه آموزشی کاربرد هوش مصنوعی در پزشکی در کتابخانه دانشکده پزشکی برگزار می شود
کارگاه آموزشی کاربرد هوش مصنوعی در پزشکی یکشنبه 18 آذر 1403 از ساعت 9 تا 12 در محل کتابخانه دانشکده پزشکی برگزار می شود.
به گزارش سینا رسانه دانشگاه علوم پزشکی تهران دانشکده پزشکی؛ دکتر پرستو فرنیا عضو هیات علمی گروه فیزیک و مهندسی پزشکی، علی کاظمی دانشجوی دکتری تخصصی مهندسی پزشکی گرایش بیوالکتریک و رضا نقنه دانشجوی کارشناسی ارشد مهندسی پزشکی گرایش بیوالکتریک مدرسین این کارگاه یک روزه هستند.
این کارگاه به صورت حضوری در محل سایت کامپیوتری واقع در طبقه فوقانی گروه بیوشیمی و همزمان بصورت مجازی در سکوی اسکای روم برگزار می شود.
گفتنی است این کارگاه آموزشی، مروری جامع بر اصول و کاربردهای هوش مصنوعی در پزشکی دارد و شامل مفاهیم پایه‌ای همچون علم داده، یادگیری ماشین، و یادگیری عمیق است. در این دوره، تکنیک‌های مختلف یادگیری عمیق، مانند شبکه‌های عصبی کانولوشنال (CNN)، شبکه‌های عصبی بازگشتی (RNN)، و شبکه‌های متخاصم مولد (GAN) معرفی و کاربرد هرکدام در تحلیل تصاویر و داده‌های پزشکی بررسی می‌شود. همچنین، چالش‌ها و مزایای یادگیری عمیق و تعمیم‌پذیری مدل‌ها برای محیط‌های واقعی، همراه با وظایف گوناگون مانند طبقه‌بندی، خوشه‌بندی و بخش‌بندی، به شرکت‌کنندگان آموزش داده می‌شود. در انتها، نرم‌افزارهای محبوب برای پیاده‌سازی این تکنیک‌ها در حوزه‌ی بهداشت و درمان معرفی می‌شوند.
مخاطبان اصلی این کارگاه شامل گروه‌های زیر هستند:
1. پزشکان و متخصصان پزشکی که علاقه‌مند به یادگیری کاربردهای هوش مصنوعی در تشخیص و درمان بیماری‌ها هستند.
2. دانشجویان و فارغ‌التحصیلان رشته‌های پزشکی و علوم زیستی که مایل به آشنایی با اصول و ابزارهای هوش مصنوعی و یادگیری ماشین در حوزه سلامت هستند.
3. پژوهشگران و محققان حوزه بهداشت و درمان که روی پروژه‌های مبتنی بر داده و تحلیل‌های پیشرفته کار می‌کنند.
4. مهندسان و متخصصان علوم داده که به دنبال توسعه و پیاده‌سازی مدل‌های یادگیری عمیق در حوزه پزشکی و سلامت هستند.
5. توسعه‌دهندگان و متخصصان فناوری اطلاعات که قصد دارند در پروژه‌های مرتبط با هوش مصنوعی و پزشکی مشارکت کنند.
سرفصل دروس کارگاه عبارتند از:
درس یکم: مقدمه ای بر هوش مصنوعی
درس دوم: علوم داده
درس سوم: یادگیری ماشین
درس چهارم: یادگیری عمیق
درس پنجم: مزایا و چالش های یادگیری عمیق
درس ششم: انواع تکنیک های یادگیری عمیق
درس هفتم: یادگیری نظارت شده
درس هشتم: یادگیری بدون نظارت
درس نهم: شبکه های عصبی کانولوشنال (Convolutional Neural Networks)
درس دهم: شبکه عصبی بازگشتی (Recurrent Neural Network)
درس یازدهم: شبکه های متخاصم مولد (Generative Adversarial Networks)
درس دوازدهم: انواع داده های پزشکی
درس سیزدهم: آماده سازی و لیبلینگ داده ها
درس چهاردهم: کاربردهای شبکه های یادگیری عمیق در پزشکی:
• رگرسیون
• طبقه بندی
• خوشه بندی
• بخش بندی
• بازسازی
• انطباق
• ...
درس پانزدهم: نرم افزارهای مورد نیاز یادگیری عمیق
علاقمندان می‌توانند در صورت تمایل به صفحه‌ی کارگاه‌های آموزشی کتابخانه و مرکز یادگیری دانشکده پزشکی مراجعه و از لینک‌های موجود برای ثبت نام و سایر خدمات استفاده کنند.
کتب زیر از سوی مدرسان برای آمادگی حضور در این کارگاه پیشنهاد شده است.
• Artificial Intelligence in Medicine Applications, Limitations and Future Directions, Manda Raz, Tam C. Nguyen, Erwin Loh, Springer Singapore , 2022
• Applications of Artificial Intelligence in Medicine Practice, Kyungtae Kang, Junggab Son, Hyo-Joong Suh, Applied Sciences, 2022.
ارسال نظر