Applications de l'intelligence artificielle en imagerie médicale et radiologie

Aperçu

Explore cutting-edge AI applications in medical imaging with Harvard's Dr. Hugo Aerts, covering deep learning advances in radiology, oncology, and cardiology, plus insights on open-source frameworks and future implications.

Programme

• Introduction à l'IA en imagerie médicale
Aperçu de l'IA et de son impact sur l'imagerie médicale
Contexte historique et évolution de l'IA en radiologie
• Fondamentaux de l'apprentissage profond
Bases des réseaux de neurones
Réseaux de neurones convolutifs (CNN) pour l'analyse d'images
Entraînement, validation et test des modèles d'apprentissage profond
• Applications de l'IA en radiologie
IA pour l'imagerie diagnostique
Études de cas en analyse d'images automatisée
Détection et classification des anomalies
• IA en imagerie oncologique
Détection et segmentation des tumeurs
Analytique prédictive pour les résultats de traitement
Apprentissage automatique dans le diagnostic et le pronostic du cancer
• IA en imagerie cardiologique
Échocardiogrammes automatisés et analyse IRM
IA pour détecter les maladies cardiovasculaires
Évaluation des risques et gestion des patients à l'aide de l'IA
• Cadres et outils open-source
Cadres d'IA populaires (par exemple, TensorFlow, PyTorch)
Utilisation de jeux de données ouverts pour l'imagerie médicale
Implémentation de solutions d'IA à l'aide d'outils open-source
• Considérations éthiques et pratiques
Confidentialité et sécurité des données dans les applications d'IA
Traiter les biais dans les modèles d'IA
Implications réglementaires et conformité en imagerie médicale
• Implications et tendances futures
Innovations à l'horizon de l'IA pour la santé
Directions de recherche en IA pour l'imagerie médicale
Préparation aux changements induits par l'IA dans la pratique médicale
• Projet de synthèse du cours
Développement d'un modèle d'IA pour l'analyse d'images médicales
Présentation et revue par les pairs des projets

---

Matières

Data Science