人工智慧醫學影像輔助診斷與應用
AI-assisted Diagnosis and Applications in Medical Imaging
學期
114-2
學分
3
學分
當期課號
545461
永久課號
EEBM30039
開課單位
智慧醫電工程研究所
授課教師
李佳燕
校區
光復
類別
選修
上課時間表
| 節 | 週五 |
|---|---|
2 09:00–09:50 | 人工智慧醫學影像輔助診斷與應用 EE117 3 節連堂 |
3 10:10–11:00 | |
4 11:10–12:00 |
* 根據陽明交大上課時間表所列
概述
本課程旨在帶領研究所學生深入探討人工智慧在醫學影像領域的尖端發展，課程將從經典的卷積神經網路 (CNN) 演進出發，橫跨至當前的生成式 AI (GenAI) 與大型語言模型 (LLM)。 本課程需進行課前預習，將單向的知識傳遞留在課前，課堂時間以paper報告/討論/辯論形式進行，透過深度思辨對比基礎模型與進階模型，理解算法改良的動機與意義，訓練學生具備「Redesign」架構能力。
先修科目
具備 Python 程式設計能力，線性代數、機率與統計，修習過「機器學習導論」、「醫學影像處理」
教學方式
(1)學生需於課前自學指定之基礎預習課程與進階學術論文，並於課前上傳一份自學內容筆記(或程式作業)。 線上自學資源：李宏毅 (Hung-yi Lee)、Stanford CS231n / CS224n，等相關線上課程。 (2)3+1 模組化教學： 技術研討週： 每週數位同學針對指定主題閱讀PAPER，進行「比較式報告（基礎 vs. 進階）」。 再設計/辯論週： 針對該模組的論文進行架構演練或技術辯論。
評分方式
每週 Paper 研討 (50%)、模組架構再設計 (Architecture Redesign) (20%)、期末專題(30%)：
週次計畫
| 週次 | 主題 |
|---|---|
| 第 1 週 | 和平紀念日 |
| 第 2 週 | 課程說明 |
| 第 3 週 | 分割架構 CNN & U-Net 基礎 U-Net vs. Attention U-Net |
| 第 4 週 | 全局特徵 Transformer 基礎 ResNet vs. Swin-Unet |
| 第 5 週 | 萬用分割 Foundation Models 導論 Mask R-CNN vs. MedSAM |
| 第 6 週 | 清明連假 HW1【再設計】 重點paper：MedSAM 活動： 特定CAG血管分割效能優化提案 |
| 第 7 週 | 【再設計】 重點paper：MedSAM 活動： 特定CAG血管分割效能優化提案 |
| 第 8 週 | (1)影像翻譯 GAN 基礎原理 Pix2Pix vs. CycleGAN (2)評估指標 XAI 與指標意義 FID / SSIM vs. Uncertainty-aware |
| 第 9 週 | 生成飛躍 Diffusion Model 原理 GAN vs. MedSegDiff |
| 第 10 週 | 勞動節 HW2【再設計】 重點paper：MedSegDiff/ DDIM+U-Net 活動： 特定CAG血管分割效能優化提案 |
| 第 11 週 | 【再設計】 重點paper：MedSegDiff/ DDIM+U-Net 活動： 特定CAG血管分割效能優化提案 |
| 第 12 週 | 圖文對齊 多模態學習基礎 Classification vs. Med-CLIP |
| 第 13 週 | 情緒融合 Transformer 進階應用 Face CNN vs. Multimodal Transformer |
| 第 14 週 | 同理回應 NLP for Healthcare Rule-based vs. EPITOME Framework |
| 第 15 週 | 報告生成 Prompt Engineering Seq2Seq vs. PromptMRG (CoT) 邏輯評鑑 Evaluation of LLMs BLEU vs. RadGraph (Knowledge Graph) |
| 第 16 週 | 期末報告 |
教科書
本課程不使用傳統單一教科書，改以學術論文與頂尖線上資源為主。
Office Hours
- 地點
- 以EMAIL和老師約地點
- 時間
- 以EMAIL和老師約時間
- 聯絡方式
- chiayenlee@nycu.edu.tw