医学技术研究院

1 课程整体情况

人类感知世界并形成认知的过程具有多模态性，上述过程也包括医学影像诊断。多模态医学图像分析方法针对多模态医学图像数据，利用人工智能与计算机辅助方法分析医学图像的多模态关联，可辅助医疗工作者高效地理解医学数据、探索未知的医学知识并获取洞察力。本课程介绍并讲授多模态医学图像分析的流程与基础知识，旨在提升数据思维，希望学生带着临床中的科研问题听课并参与实操，激发科研兴趣。

2 课程内容及特色

本课程需要学生了解：（i）多模态医学图像分析的意义、流程与方法框架；（ii）图像处理与计算机基础知识；（iii）多模态医学图像分析任务与机器学习方法。需要学生掌握主流的医学图像分析范式与基本方法的实现。

本课程有如下特色：1）此课程属于学科交叉方法类课程，采取循序渐进的讲授策略，需考虑到学生的数理基础。2）结合理论与实践。鼓励学生带着各自临床的问题到课上，应用所讲授的方法进行实操与讨论。3）在讲授过程中，降低使用幻灯片的占比，提升白板书写的占比，注重教师与学生的互动性，深入浅出。

结课后需回答的核心问题：

1- 什么是学习过程？机器视觉的学习过程与人类学习过程有什么区别？

2- 医学图像分析方法与计算机视觉方法的关系是什么，有什么异同？

3- 医学图像分析的任务与计算机视觉的任务的关系是什么，有什么异同？

4- 如何实施可解释、可量化且可信的多模态医学图像分析项目？

3 其他

讲授团队：陈庆超，北京大学健康医疗大数据国家研究院助理教授。个人主页请见：qchenferv.github.io

考核方式：

总成绩 = 课堂表现 20% + 演讲汇报40% + 研究方案报告 40%

1-课堂表现：出勤率、课堂提问与互动情况。

2-演讲汇报：根据所学知识，结合给定或者感兴趣的课题内容，以单人或两人分组合作的方式，进行一次医学图像分析领域论文的总结与复现，并进行报告演讲其发现。

3-研究方案报告：根据所学知识，结合给定或者感兴趣的课题内容与方向，以上述形式提交课题报告，阐述其问题设置与发现结果。