生物影像資訊學

生物影像資訊學是生物訊息學與計算生物學的一個子領域,結合電腦優秀的運算與影像處理技術,高通量的分析生物影像,特別是訊息量非常龐大的細胞影像。透過資料探勘、特徵擷取等繁複的流程,從複雜的影像資料中整合出有用的資訊,再結合機器學習與深度學習,便可進行疾病分類、生存曲線預測、輔助診斷等事項。近年來大數據的爆炸成長加上可以高通量的計算,對影像分析領域造成非常大的衝擊,技術革新的非常快速,本課程除了介紹以往機器學習在生物影像資訊學上的應用,針對最新的深度學習技術也會在本堂課中做簡單的介紹,並會試著對一些資料庫作應用。 本課程主要課程包含: 1. 影像處理Image processing) 2. 影像分割(Segmentation) 3. 特徵擷取與選取(Feature extraction & Feature selection) 4. 機器學習(Machine Learning for image) 5. 深度學習(Deep learning for image) 6. 最佳化方法(Optimization) 7. 實際案例研討

具有程式背景,會Matlab、Python佳

助教及課程網站

上課討論學習佔30 %,期中報告佔30%, 期末專題書面及口頭報告佔40 %。

1.R. C. Gonzalez and R. E. Woods, "Digital Image Processing", 3rd Edition, Prentice Hall, New York, 2008 2.BioImage Suite, The last beta version is 3.0beta 3 released on Nov 18th, 2009; http://www.bioimagesuite.org/index.html 3.ImageJ tool; http://rsbweb.nih.gov/ij/