Sztuczna inteligencja w medycynie warsztaty i szkolenia.
Tematyka warsztatów koncentruje się na zastosowaniu nowoczesnych technik głębokiego uczenia (deep learningu) do rozwiązywania rzeczywistych problemów klinicznych i biomedycznych.
Warsztaty łączą wiedzę teoretyczną z praktycznym podejściem do analizy danych medycznych przy pomocy biblioteki TensorFlow, jednego z najpopularniejszych frameworków do tworzenia modeli uczenia maszynowego.
ZAGADNIENIA OBEJMUJĄCE WARSZTATY/SZKOLENIE
Wprowadzenie do sztucznych sieci neuronowych i TensorFlow
Podstawy działania sztucznych sieci neuronowych (ANN, CNN, RNN).
Struktura i działanie TensorFlow oraz jego wysokopoziomowego API – Keras.
Przygotowanie środowiska programistycznego do pracy z TensorFlow.
Dane medyczne – przygotowanie i przetwarzanie
Specyfika danych medycznych (obrazy, dane tabularyczne, dane czasowe, teksty kliniczne).
Anonimizacja danych pacjentów.
Techniki przetwarzania obrazów medycznych (np. DICOM, MRI, CT).
Normalizacja i augmentacja danych.
Zastosowanie CNN w analizie obrazów medycznych
Budowa i trenowanie modeli konwolucyjnych do rozpoznawania zmian chorobowych (np. nowotwory, zmiany skórne).
Segmentacja obrazów (np. wyodrębnianie narządów, zmian patologicznych).
Klasyfikacja obrazów RTG, MRI, TK.
Analiza danych klinicznych i predykcja chorób
Praca z danymi tabularycznymi z elektronicznej dokumentacji medycznej (EHR).
Tworzenie modeli predykcyjnych do diagnozy i prognozy przebiegu chorób.
Wykorzystanie rekurencyjnych sieci neuronowych (RNN, LSTM) do analizy sekwencji czasowych, np. sygnałów EKG.
NLP w medycynie – przetwarzanie języka naturalnego
Wydobywanie informacji z opisów medycznych, wyników badań i notatek lekarskich.
Klasyfikacja tekstów klinicznych (np. diagnozy, raporty).
Modele językowe w diagnostyce i wspomaganiu decyzji.
Walidacja modeli AI
Metody oceny skuteczności modeli (accuracy, AUC, precision, recall).
Techniki interpretacji wyników (SHAP, LIME).
Znaczenie wyjaśnialności modeli w kontekście etyki i prawa w medycynie.
Zastosowania praktyczne i case study
Przegląd aktualnych zastosowań sieci neuronowych w szpitalach i laboratoriach.
Studium przypadków (np. rozpoznawanie retinopatii cukrzycowej, klasyfikacja guzów mózgu).
Tworzenie własnych projektów/prototypów z użyciem TensorFlow.