Medycyna Przyszłości: Projektowanie Narzędzi AI do Zastosowań Medycznych
Cel szkolenia:
Celem szkolenia jest zapoznanie inżynierów uczenia maszynowego z najważniejszymi zasadami pracy z medycznymi zbiorami danych. W trakcie kursu omówione zostaną typowe metryki oraz przedstawione sposoby radzenia sobie z problemem małych zbiorów danych, artefaktów na obrazach, oraz niezbalansowanych klas. W programie kursu znajdą się zarówno klasyczne algorytmy wizyjne jak i konwolucyjne sieci neuronowe.
Adresaci szkolenia:
Kurs przeznaczony jest dla osób, które posiadają podstawową wiedzę z zakresu głębokich sieci neuronowych (np. ukończyły kurs Wstęp do Keras) i chciałyby ją wykorzystać w przetwarzaniu danych medycznych. Zaawansowane techniki wizji komputerowej nie są wymagane.
Program:
- Ocena jakości obrazów medycznych
- Typowe metryki do klasyfikacji, detekcji i segmentacji
- Metody morfologiczne przetwarzania obrazów
- Usuwanie artefaktów na obrazach
- Klasyfikacja obrazów z użyciem sieci konwolucyjnej
- Segmentacja z użyciem metod rozrostu i superpikseli
- Segmentacja obrazów z użyciem sieci U-Net
Jak się zapisać?
- Żeby zapisać się na szkolenie musisz posiadać konto w naszym systemie. Żeby je założyć kliknij tutaj. Konto to umożliwia korzystanie z oferty całej platformy szkoleniowej, w tym szkoleń prowadzonych przez CDSI i pozostałe jednostki, do których można przejść za pomocą zakładek na górze strony . Jeśli już posiadasz konto możesz pominąć ten krok.
- Po utworzeniu konta zapisz się na szkolenie. O przyjęciu decyduje kolejność przesłanych zgłoszeń.
- Z naszego systemu otrzymasz automatyczne potwierdzenie Twojego zgłoszenia, które będzie zawierało dane do przelewu.
- Prześlij na adres e-mailowy kursy-cdsi@agh.edu.pl potwierdzenie dokonania wpłaty.
Czas trwania:
16 godzin lekcyjnych (9:00 - 16:00)
Cena: 1298 PLN
Cena: 1298 PLN
Brak terminów 🙁
Prowadzący

Doktor informatyki, adiunkt w Katedrze Automatyki i Robotyki AGH w grupie badawczej Machine Vision Group AGH. Uczestniczyła w licznych projektach naukowych i komercyjnych na poziomie krajowym i międzynarodowym - NCN i NCBiR m.in. SIMS, FNP/SKILLS, FastTrac/TechVenture. Absolwentka programu TOP 500 Innovator na Uniwersytecie Stanforda w USA. Pasjonuje się wizją komputerową oraz wykorzystaniem metod sztucznej inteligencji do rozwiązywania różnorodnych problemów zarówno w medycynie jak i inżynierii materiałowej. Jej badania skupiają się na poszukiwaniu innowacyjnych sposobów wykorzystania tych technologii w praktyce, zarówno w nauce, jak i biznesie.

Doktorant, pracownik Centrum Doskonałości Sztucznej Inteligencji AGH. Realizator projektów wdrożeniowych we współpracy z Manchester Metropolitan University i Uniwersytetem Stanforda. Prowadzi badania w obszarze wykorzystania metod uczenia maszynowego do analizy obrazów medycznych, w szczególności zdjęć nowotworów skóry, płuc i wątroby, stopy cukrzycowej oraz zdjęć z mikroskopów fluorescencyjnych. Autor 15 publikacji naukowych. Z zamiłowania nauczyciel akademicki na kierunkach Automatyka i Robotyka, Informatyka oraz Inżynieria Biomedyczna.
Minione edycje
- 18.09.2024 - 19.09.2024
- 25.09.2024 - 26.09.2024
- 17.10.2024 - 18.10.2024
- 22.02.2025 - 23.02.2025
- 23.04.2025 - 24.04.2025