基于 TensorFlow 的 AI 医疗专项课程

2020 年 5 月 5 日 TensorFlow

文 / Laurence Moroney，AI 技术推广工程师

我们知道机器学习技术可用来解决各种场景 (如医疗健康) 下的重要任务，教育工作者和各领域专家也在指导与培训开发者如何使用机器学习技术以解决实际难题。我们很高兴能与大家分享 TensorFlow 社区的一个重要进展：deeplearning.ai 和 Coursera 联合推出了基于 TensorFlow 的 “AI 医疗 (AI for Medicine)” 专项课程。

我们最期待看到的，就是人们通过使用 TensorFlow 解决了他们现实中遇到的一些问题。

在 AI 医疗的专项课程中包含了三门课程，由吴恩达 (Andrew Ng) 开设，主讲人为 Pranav Rajpurkar，我们希望有更多的人能来参与本课程，以了解医学领域中对机器学习的需求。

Deeplearning.ai 和 Coursera 设计了这个专项课程，包含的三门课程如下：

第一门：将机器学习用于医学诊断 ，为您介绍一些假设的机器学习场景，以了解如何诊断医学问题。在课程的第一周，您将会探索检测皮肤癌、眼部疾病和组织病理等场景。您将亲自实践如何利用卷积神经网络在 TensorFlow 中编写代码来查看影像，这些影像有多种用途，如用 X 光识别不同的健康状况等。

本课程需要您对 TensorFlow 有一定的了解，并会使用 卷积神经网络、迁移学习、自然语言处理 等技术。建议您可以先参加 TensorFlow：实战 (TensorFlow: In Practice) 专项课程来学习背后的编码技能，并参加深度学习 (Deep Learning) 专项课程深入了解底层技术的工作原理。了解本课程中所用技术的另一重要资源就是 Aurelien Geron 的《借助 SciKit-Learn、Keras 和 TensorFlow 亲身体验机器学习》(Hands on Machine Learning with SciKit-Learn, Keras and TensorFlow) 一书。

课程中的一大亮点是未过多使用医学术语，我们采用 TensorFlow 中的通用机器学习技术（如数据增强）来改进模型（注：本课程中所用的所有数据均已去识别化）。

Rajpurkar 和 Ng 的课程练习: 利用图像增强扩展数据集的有效大小

本课将继续使用评估指标及隔离关键点等技术，并介绍如何准确解释置信区间。

第一课结束时我们将再一次对影像处理进行深入研究，这一次将在 MRI 影像中使用分割，完成 MRI 上脑部肿瘤自动分割的编程任务。

专项课程中的第二课的内容是 医学预测中的机器学习，您将学习通过搭建模型来预测患者将来的健康状况。您还将学习从患者健康指标、健康史和人口统计信息等各类报告中提取数据，来预测患者罹患某种重大疾病（如心梗）的风险等技术。

第三课也是最后一课的内容是 医学治疗中的机器学习，将利用模型辅助医护团队预测医学治疗可能对患者带来的影响。同时还会涉及将机器学习用于处理文本，学习通过 NLP 技术从 X 线放射影像报告中提取信息，获取标签或一些供机器人回答医学问题的基础知识。

用 Andrew Ng 的话说，“即便您目前不在医学领域工作，我认为您也会发现这些应用场景和场景的实践很实用，也许本专项课程还会激起您对医学领域的更多兴趣”。

本专项课程在 Coursera 中提供，且像所有课程一样，可免费参加。您可以在 deeplearning.ai 网站中了解 deeplearning.ai 的相关内容，并在 tensorflow.google.cn 中了解 TensorFlow 的更多信息。

如果您想详细了解 本文提及 的相关内容，请参阅以下文档。这些文档深入探讨了这篇文章中提及的许多主题：

deeplearning.ai
http://deeplearning.ai
Coursera
http://coursera.org
课程资源

AI 医疗专项课程 (阅读原文)
https://www.coursera.org/learn/ai-for-medical-diagnosis
TensorFlow：实战
https://www.coursera.org/specializations/tensorflow-in-practice
深度学习
https://www.coursera.org/specializations/deep-learning
借助 SciKit-Learn、Keras 和 TensorFlow 亲身体验机器学习
https://www.oreilly.com/library/view/hands-on-machine-learning/9781492032632/