0
| 本文作者： 老王 | 2017-11-26 15:21 |
如果說“醫療”是人工智能最難完全攻下來的領域，相信很多人沒有異議。
醫工交叉與產學結合，這兩個由來已久的問題隨著人工智能的興起，讓醫學影像分析面臨著全新的機遇與挑戰。
隔行如隔山，這對IT界和醫學界來說尤為貼切，當雙方團隊共同打造一個產品時，面臨著話語體系不同、評價方式不同、誰來主導等諸多問題。
目前這個市場還處于初期，各路玩家相繼入場，產品仍處于科研摸索期。
不少資深從業者認為，如果只是將人工智能現有的算法直接套用在醫學影像領域，很難取得優秀成果。與此同時，只滿足把自己定位于一個人工智能研究者來看待醫學影像問題，將圖像識別技術單純地嫁接到醫學影像原有的系統上，即便數字結果看起來不錯，但距離“好用的產品”依舊非常遙遠。
產業界如何才能開發出更好用的醫學影像輔助診斷產品？
學者們該怎樣利用AI技術更好地解決醫學問題？
醫生需要什么、考量什么、在意什么、應該做什么？
CFDA和FDA等監管機構對人工智能的態度與規范進度如何？
針對這一系列問題，雷鋒網AI掘金志與AI慕課學院聯合出品的線上公開課，邀請近10位國內頂級產、學、醫專家，打造一場集技術、產品 、商業、病種于一體的系列課程：《醫學影像專題——未來醫療大講堂》（直播免費，回放付費）。
企業：醫療人工智能從業者與創業者
高校：計算機視覺、圖像處理與醫學影像研究背景的教授、研究員；欲從事醫學影像分析的學生
醫院：影像科/放射科/病理科主任醫師、信息中心主任
監管：CFDA等醫療相關監管機構的從業者
病種：熟悉人工智能在肺癌、糖尿病視網膜病變、阿爾茨海默病、皮膚病、乳腺癌、胃癌、結直腸癌、兒童骨齡等影像方向的全面應用
案例：企業與醫院的AI商業化應用落地案例
流程：了解從算法到工程，再到端到端產品的研發全流程
錯誤：學習多位產、學、醫專家，在研發醫療人工智能項目中走過的彎路、失敗經驗與深刻總結
先“掃下方二維碼”或者“直接加微信ID：mooccai”，添加小助手微信賬號。
入群方式文字說明（專業群審核嚴格，請認真填寫，感謝理解）：
添加小助手微信時，在發送驗證申請框里輸入個人信息（影像+姓名+公司+職位），我們盡快審核，帶您入群。
進入未來醫療大講堂交流群后，觀看直播并交流互動。
第一期預告
11月29日（周三），我們邀請到了北京大學王立威教授作為第一期大講堂分享嘉賓。
王立威：北京大學信息科學技術學院教授
王立威教授在機器學習領域發表論文100余篇，2011年入選人工智能重要國際獎項AI's 10 to Watch，是亞洲首位獲得該獎項的學者。2012年獲得首屆國家自然科學基金優秀青年基金；擔任國際人工智能權威會議NIPS，IJCAI領域主席；中國計算機學會人工智能與模式識別專委會常委。
王立威教授在醫學影像分析，尤其是肺部CT圖像分析上有著深厚的研究基礎和豐富的研究經驗，指導的學生團隊曾參與Kaggle Data Science Bowl 2017肺癌預測大賽，于全球1972支隊伍中獲得第4名;
在LUNA肺結節檢測挑戰賽，在肺結節檢測和假陽性削減兩項任務中均取得第1名并保持到2017年7月，相關文章發表在醫學圖像計算頂級會議MICCAI 2017。
在今年10月份結束的阿里天池醫療AI大賽中，王立威老師再次帶領團隊從2887支隊伍中脫穎，獲得了決賽冠軍。
近些年，王立威教授也與北京大學的多個附屬醫院共同研究醫療人工智能項目，并取得了一系列優秀成果。
此外，若想每天閱讀雷鋒網“AI+醫療”的深度文章和國內最新動態，掃下方二維碼關注公眾號：AI掘金志
雷鋒網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
