課程介紹
根據富比世(Forbes)「2019年影響醫療產業關鍵技術」調查指出，巨量資料分析(30.10%)、AI (24.5%)、行動醫療/物聯網(14.8%)為前三大主要布局技術，與我國19家醫學中心投入醫療科技的布局與趨勢相吻合，其中較主流的應用仍為醫學影像辨識。但該如何用影像判讀病症？本課程特邀請工研院講師傳授累積多年的技術開發經驗，幫助您提升在影像強化、去除影像雜訊、影像分割等技術所需具備的產品研發能力。
以主題1：醫學影像原理特性與處理技術課程做一簡要介紹，在進行AI醫療影像辨識時，需瞭解：
- 醫學影像資料的取得方式：依據能量來源可分為External、Internal、Combination三類。常見的External為X光、超音波攝影；Internal則類似正子電腦斷層攝影(PET)，透過正子放射藥物進入體內，再以PET偵測此放射藥物在體內之分佈產出影像。
- 各類醫學影像成像原理：X光、電腦斷層掃描(CT)、核磁共振造影(MRI)、正子電腦斷層攝影(PET)、超音波攝影(Ultrasound)。例：在醫院及診所常見的X光乳房攝影可分為直立式、平台式，其X光射線打入的路線、Film擺放位置、乳房成像都會在課程中詳細解說。
- 各類醫學影像處理技術：例如，從不同切面獲得的醫學成像會有所不同。
橫向面Axial Plane 冠狀面Coronal Plane 矢狀面Sagittal Plane
圖片來源：講師提供(請尊重智財權)
- 多項FDA通過認證的醫學技術案例以及「工研院自助式輔助眼底攝影技術」。工研院自助式輔助眼底攝影技術可讓使用者達一鍵式全自動眼底攝影，且已在臺灣各地區之醫院、基層診所服務驗證高達1萬多人次(數字持續上升中)。本院技術將在課程中進行詳細介紹。
圖片來源：講師提供(請尊重智財權)
- 影像強化、去除影像雜訊、影像分割技術：以下方MRI影像為例，是使用影像分割技術將左方得到的原始圖，透過將影像細分為多個子區域的過程，讓影像可更容易理解和分析。
圖片來源：講師提供(請尊重智財權)
上完本課程你可以學到？
|
1. 醫療影像與人體結構之關係 2. 醫學影像資料的取得方式 3. 醫學影像分類 4. 醫學影像成像原理 (1)X光 (2)電腦斷層掃描CT (3)核磁共振造影MRI (4)正子電腦斷層攝影PET (5)超音波攝影Ultrasound 5. 從人體結構之不同切面所獲得的醫學成像技術原理 6. 醫學影像處理和分析系統的三個基本組 7. 效能評估指標在醫學之應用及計算方式 8. FDA通過認證的醫療影像技術案例 (1). IDx-DR (2). QuantX (3). Aidoc (4). Zebra Medical Vision (5). Viz LVO & CTP (6). 3DermSpot (7). Medical Smart Monitoring 9. 工研院獨家技術：自助式輔助眼底攝影技術 10. 影像強化 (Image Enhancement) 11. 去除影像雜訊 (Noise Reduction) 12. 影像分割 (Image Segmentation) 13. 醫學影像邊緣偵測(Medical image edge detection) 14. 醫學影像對位 (Image registration) 15. 醫學影像轉換 (Image Transformation) 16. AI演算技術與醫學應用 17. GAN生成對抗網路 18. 案例一：MRI鼻咽腫瘤復發偵測 19. 案例二：甲狀腺超音波影像 20. 案例三：前列腺腫瘤 21. 案例四：腕類風溼關節炎超音波影像 22. 案例五：眼底攝影影像生成同調斷層掃描海馬迴CT、MRI影像 |
醫學影像對位 (Image registration)課程截圖 圖片來源：講師提供(請尊重智財權) |
|||
|
 影像分割 (Image Segmentation) 圖片來源：講師提供(請尊重智財權)
|
||||
|
 醫學影像轉換 (Image Transformation) 圖片來源：講師提供(請尊重智財權) |
課程特色
1. 課程提供大量圖片、影音、顯少揭露的醫學實務案例
舉凡「鼻咽腫瘤、甲狀腺、前列腺腫瘤」等醫學案例，皆為講師多年實務累積而成，搭配圖像、影音說明，帶您深入探討AI醫學影像！
2. 介紹工研院獨家醫療影像識別技術：自助式輔助眼底攝影技術
本課程講師除可深入淺出的講解醫療影像實務，也是工研院獨家研發「自助式輔助眼底攝影技術」團隊領銜者之一，以技術、產品面導入做實務講解，清晰易懂！
講師簡介
經歷：
1. 工業技術研究院 服務系統科技中心 副執行長(2020/08~迄今)
2. 國立雲林科技大學 智慧辨識產業服務研究中心 主任(2018/01-迄今)
3. 台灣網路智能學會 理事長 (2017/10~迄今)
4. 中華民國影像處理與圖形識別學會 理事(2014/01~迄今)
5. 工業技術研究院 服務系統科技中心 技術長(2019/08~2020/07)
6. 國立雲林科技大學資訊工程系 特聘教授兼研發長(2013/08~2019/07)
7. 國立雲林科技大學產學與智財育成營運中心 主任 (2011/08~2019/07)
專業領域：
1.數位影像處理 (Digital Image Processing)
2.人臉偵測與辨識 (Face detection and recognition)
3.新生兒哭聲偵測與辨識 (Infant Crying Detection and Recognition)
4.機器學習 (Machine Learning)
5.醫學影像處理 (Medical Image Processing)
6.類神經網路 (Neural Networks)
7.晶圓檢測 (Wafer Defect Inspection)
課程對象
該如何研發出被市場接受、且符合醫療實際環境的產品呢？AI智慧醫療跨域的成功，需建立在「資通訊科技」及「醫療領域」兩者的專業結合基礎上。本課程從研發產品、技術面角度切入，說明從人體不同結構切面所獲得的醫療影像，其影像訊號該如何強化/分割/轉換，以協助使用者(例如：放射科醫師)獲得較清晰的腫瘤/病理組織特徵圖像，進行病症判讀。是從事相關產品研發及從業人員的您，所需具備的專業知識。
2. 大專院校、研究所、生醫學院等相關科系學生(如：醫師、護理師、放射科醫師等)，未來擬投入醫療產業發展者。
身處醫療體系的您，在AI智慧醫療的變革中，不可不知未來將如何變，怎麼發展，而自己又該如何應變。例如：AI醫療影像辨識如何成為醫師的最佳助手？報名本課程，可為您提前做好進入職場的先備能力。無須擁有撰寫程式能力也能學會的醫療影像辨識技術~
3. 對AI智慧醫療影像辨識有興趣且欲提升此領域之專業能力者。
人工智慧時代，大家都想跨AI領域成為斜槓人才，或替公司打破市場疆界，提升營收。想一同了解趨勢浪潮中的「智慧醫療」嗎？歡迎對本課程有興趣的各界人士報名，一同拓展AI新視野。
課程大綱
主題1：醫學影像原理特性與處理技術
上課時數：3小時
課程型式：雲端影片自學
課程大綱：
-
Introduction to Medical Imaging (I)
-
Introduction to Medical Imaging (II)
-
FDA Approved AI Medical Health Projects
-
Medical Image Processing
-
Image Enhancement
-
Image Restoration
-
Image Segmentation (I)
-
Image Segmentation (II)
主題2：AI演算技術與醫學應用案例
上課時數：6小時
課程型式：雲端影片自學
課程大綱：
-
Morphological Image Processing
-
Introduction to Machine Learning
-
Fundamental Neurocomputing Concepts (I)
-
Fundamental Neurocomputing Concepts (II)
-
Feedforward Multilayer Perceptron
-
Support Vector Machine
-
CNN卷積神經網路
-
案例一：MRI鼻咽腫瘤復發偵測
-
案例二：甲狀腺超音波影像
-
案例三：前列腺腫瘤
主題3：醫學影像新興技術與應用案例
上課時數：3小時
課程型式：雲端影片自學
課程大綱：
-
GAN生成對抗網路
-
案例一：腕類風溼關節炎超音波影像
-
案例二：眼底攝影影像生成同調斷層掃描海馬迴CT、MRI影像
課程費用
主題1：醫學影像原理特性與處理技術(3小時)
數位課程：2400元/兩人以上團報優惠價：2000元
主題2：AI演算技術與醫學應用案例 (6小時)
數位課程：4800元/兩人以上團報優惠價：4000元
主題3：醫學影像新興技術與應用案例 (3小時)
數位課程：2400元/兩人以上團報優惠價：2000元
備註：報名全系列課程9600元、兩人團報優惠價8000元
-
確認繳費後，3個工作天會寄發email通知報名學員觀看網址及帳密權限。
-
自寄發email通知報名學員觀看網址及帳密權限起可觀看報名課程影片2個月。
- 線上課程同一帳號僅限本人使用，不得將參加課程活動之權利轉讓予他。
學習權益
※本課程為數位課程，無特定觀看日期，待報名且繳款完成後，由課程承辦人確認收款無誤後，將開通帳號以及提供觀看連結予學員，並享有付費期間內無限次數觀看權限。
※為確保學員的上課權益,報名後若未收到任何回覆,敬請主動詢問是否完成報名。
※數位課程同一帳號僅限本人使用,不得將參加課程活動之權利轉讓予他人。
※請報名學員遵守數位學習平台之隱私聲明相關規範。
相關課程
推薦課程
