一、项目简介

　　传统的医学图像处理方式是由工程师们创造规则，算法根据规则进行图像处理，但是由于各种局限性，导致最终的准确率并不是很高。近年来，人工智能领域异军突起，深度学习(Deep Learning)技术无需人工提取特征，通过大数据的训练，卷积神经网络(CNN)自动学习，很大程度上提高了准确率，在学术界和工业界取得了广泛的成功以及已成为人工智能技术落地的重要突破口。

　　通过运用深度学习等人工智能技术，在各类医学图像识别比赛或活动当中，学校和商业研究团队分别在不同病种上取得了不错成果。智能影像识别市场分类多、空间大，人工智能方法在医学图像处理中的应用十分广泛，涉及医学图像分割、图像配准、图像融合、图像压缩、图像重建等多个领域。

　　二、项目内容

　　本项目将会带领学生建立一个完整的基于深度学习的医学影像智能诊断学习系统，可以对医学影像诊断和深度学习的知识拥有更深层次的了解。

　　项目将详细介绍基于Python深度学习的编程实现，并根据 Python 搭建深度学习各种先进的卷积神经网络训练和测试医学图像数据集，并对一些前沿技术进行深入讲解。学生将跟随导师共同工作，进行医学影像诊断、深度学习建模与预测等工作。

　　本科研实训项目专门为计划申请计算机科学、人工智能、数据科学、自动化、软件工程等专业的学生所设计。在科研实训过程中，指导老师全程带领学生进行该科研项目的各个环节，包括环境搭建、编程实现、思路指导等等。实习结束后，导师会根据学生表现出具推荐信。

　　三、师资背景

　　指导老师目前为985高校教授, 博士生导师。致力于将计算机科学技术应用于视觉重建、医学图像成像和计算机辅助诊断的科学研究。申请人累计发表SCI收录论文70余篇，承担省部级以上项目十余项。主持多项国家和省级科学基金项目，与法国、瑞士、美国等多所著名高校和科研机构保持紧密合作。

　　四、招生对象及要求

　　大四优秀本科生或研究生(有较熟练的Python和C语言编程经验优先)，计划申请计算机科学、人工智能、数据科学、自动化、软件工程等相关专业。为了让学生可以更好地完成科研项目，项目组会以电话面试形式对学生进行筛选，最多两人。

　　五、项目关键点

　　1. 这个项目能够培养学生什么素质和能力？

　　通过导师面对面指导学生完整参与一个科研实训项目，激发学生对人工智能和大数据技术的科研兴趣，培养学生参与科研项目的基本素质和实践能力。

　　2. 通过这个项目学生能够掌握什么软件或者具体知识？

　　通过参与本项目，学生将能够：熟练掌握Python编程语言；理解神经网络的基本结构；掌握主流深度学习框架的搭建；熟悉医学影像大数据的基本特征；掌握基于深度学习技术的医学影像数据和智能诊断的建模预测知识；掌握提炼总结科学问题并应用于实际场景的能力。

　　3. 这个项目具体做什么应用？

　　本项目会带领学生建立一个完整的基于深度学习的医学影像大数据建模预测系统，实现对CT、MRI等影像数据中特征的自动提取和分割，完成自动的智能诊断，为临床智能决策提供依据。

　　六、日程安排

　　实地训练：2019年

　　备注：实际行程安排顺序可能会根据特定原因进行调整。

　　七、报名方式

　　咨询电话：010-5795-2000

　　地址：北京市海淀区中关村丹棱街3号中国电子大厦B座15层