Курс предоставляет студентам углубленные знания о применении машинного обучения к работе с медицинскими изображениями. Изображения различной модальности широко используются в различных областях биологии и медицины как самый интуитивный инструмент визуализации.
В курсе дается понимание природы различных видов изображений, и на базе этого понимания строится объяснение современных подходов к применению машинного обучения. В ходе курса студенты изучат основы работы с различными типами изображений и классическими алгоритмами для их обработки. В качестве введения на курсе будет разбираться процедура работы с ImageJ для данных микроскопии и Weasis для КТ/МРТ сканов, объясняться различие между разными модальностями медицинских изображений и особенности работы с ними. Особое внимание будет уделено препроцессингу медицинских изображений и тому как можно использовать их особенности для достижения более точных результатов моделью. Так, будет рассмотрен нужный в курсе функционал библиотек scipy.ndimage, skimage и openCV.
Применение машинного обучения для анализа и диагностики на основе медицинских изображений будет рассмотрено на задачах сегментации, обнаружения объектов и использования генеративных сетей. А именно, в лекциях будет рассказано про основные архитектуры и подходы для данных задач, затронуты также и недавно опубликованные работы. На семинарах в фреймворке PyTorch будет разбираться реализация самых популярных идей и подходов.
В результате прохождения курса студенты будут готовы к работе с медицинскими изображениями и применению машинного обучения для научных исследований и улучшения диагностики в медицинской практике.
Преподаватели
- Дмитрий Пензар