做AI的不懂医学，学医的不懂AI ？顶级”AI+医学影像“系列课程来袭

如果说“医疗”是人工智能最难完全攻下来的领域，相信很多人没有异议。

医工交叉与产学结合，这两个由来已久的问题随着人工智能的兴起，让医学影像分析面临着全新的机遇与挑战。

隔行如隔山，这对IT界和医学界来说尤为贴切，当双方团队共同打造一个产品时，面临着话语体系不同、评价方式不同、谁来主导等诸多问题。

目前这个市场还处于初期，各路玩家相继入场，产品仍处于科研摸索期。

不少资深从业者认为，如果只是将人工智能现有的算法直接套用在医学影像领域，很难取得优秀成果。与此同时，只满足把自己定位于一个人工智能研究者来看待医学影像问题，将图像识别技术单纯地嫁接到医学影像原有的系统上，即便数字结果看起来不错，但距离“好用的产品”依旧非常遥远。

你我的四大疑问

• 产业界如何才能开发出更好用的医学影像辅助诊断产品？

• 学者们该怎样利用AI技术更好地解决医学问题？

• 医生需要什么、考量什么、在意什么、应该做什么？

• CFDA和FDA等监管机构对人工智能的态度与规范进度如何？

针对这一系列问题， 雷锋网AI掘金志与AI慕课学院 联合出品的线上公开课，邀请近10位国内顶级产、学、医专家，打造一场集技术、产品 、商业、病种于一体的系列课程：《医学影像专题——未来医疗大讲堂》（直播免费，回放付费）。

适宜人群与机构：

企业： 医疗人工智能从业者与创业者

高校： 计算机视觉、图像处理与医学影像研究背景的教授、研究员；欲从事医学影像分析的学生

医院： 影像科室/放射科/病理科主任医师、信息中心主任

监管： CFDA等医疗相关监管机构的从业者

参与本系列课程，你将学习到：

病种： 熟悉人工智能在肺癌、糖尿病视网膜病变、阿尔茨海默病、皮肤病、乳腺癌、胃癌、结直肠癌、儿童骨龄等影像方向的全面应用

案例： 企业与医院的AI商业化应用落地案例

流程： 了解从算法到工程，再到端到端产品的研发全流程

错误： 学习多位产、学、医专家，在研发医疗人工智能项目中走过的弯路、失败经验与深刻总结

第一期预告

11月29日（周三），我们邀请到了北京大学王立威教授作为第一期大讲堂分享嘉宾。

王立威：北京大学信息科学技术学院教授

王立威教授在机器学习领域发表论文100余篇，2011年入选人工智能重要国际奖项AI's 10 to Watch，是亚洲首位获得该奖项的学者。2012年获得首届国家自然科学基金优秀青年基金；担任国际人工智能权威会议NIPS，IJCAI领域主席；中国计算机学会人工智能与模式识别专委会常委。

王立威教授在医学影像分析，尤其是肺部CT图像分析上有着深厚的研究基础和丰富的研究经验，指导的学生团队曾参与Kaggle Data Science Bowl 2017肺癌预测大赛，于全球1972支队伍中获得第4名;

在LUNA肺结节检测挑战赛，在肺结节检测和假阳性削减两项任务中均取得第1名并保持到2017年7月，相关文章发表在医学图像计算顶级会议MICCAI 2017。

在今年10月份结束的阿里天池医疗AI大赛中，王立威老师再次带领团队从2887支队伍中脱颖，获得了决赛冠军。

近些年，王立威教授也与北京大学的多个附属医院共同研究医疗人工智能项目，并取得了一系列优秀成果。

欲参与本课程的直播、交流与答疑，加小助手小艾(微信ID:mooccai)或者扫下方二维码，进入未来医疗大讲堂交流群。

此外，若想每天阅读雷锋网“AI+医疗”的深度文章和国内最新动态，扫下方二维码关注公众号：AI掘金志

雷锋网 (公众号：雷锋网)

。