本次课程旨在系统培养生物医学人工智能领域的实战能力，覆盖从数据治理、特征工程、模型训练到部署监控的完整生命周期。学员将了解医疗与生命科学数据生态（影像、EHR、组学、病理、临床文本）的特点与合规边界，掌握端到端流程，并能在至少一个方向（医学影像/临床NLP/组学）完成可复现的项目原型。同时课程特别强调医疗AI的风险意识，包括偏倚、公平性、可解释、隐私与监管合规等核心议题。
先修：Python、线性代数/概率统计、基本机器学习概念
环境：Python 3.10+，Conda，PyTorch/TensorFlow（二选一即可），scikit-learn，NumPy/Pandas，Jupyter；GPU（>=8GB显存）优先
医疗数据工具：SimpleITK、MONAI（影像）、HuggingFace（NLP）、scanpy/Seurat思路（单细胞，示例以scanpy为主），DICOM工具、pydicom；FHIR/HL7基础
| 时间 | 主题 | 内容 | 实操 |
|---|---|---|---|
| 第1晚 | 导学与行业全景 | 生物医学AI版图；数据类型与来源；合规与伦理（隐私、公平性、可解释性、监管路径） | 环境就绪检查、GPU测试、示例Notebook跑通 |
| 第2晚 | 数据治理与工程 | 医疗数据治理流程；DICOM、EHR标准；隐私与分布式技术（联邦学习、差分隐私等） | DICOM窗宽窗位、重采样；EHR清洗与特征派生；去标识化演示 |
| 第3-4晚 | 机器学习基石 | 经典ML（逻辑回归、树模型、集成）；评估指标；实验设计（交叉验证、数据泄漏防控） | EHR二分类预测（30天再入院/败血症）完整pipeline + 校准与阈值优化 |
| 第5-7晚 | 深度学习与医学影像 | CNN、Vision Transformer；分类/检测/分割；医学影像要点；评估与可解释 | MONAI/nnU-Net分割（CT/MRI）；X光二分类微调及Grad-CAM可视化 |
| 第8-9晚 | 临床NLP与多模态 | 文本预处理；Transformer与预训练模型微调；NER/关系抽取/分类/生成；多模态融合 | 临床报告分类/实体识别微调；影像-报告对齐检索 |
| 第10晚 | 组学与表型预测 | 高维小样本特征选择、降维、正则化；生存分析；单细胞/转录组质控、归一化、批次校正 | RNA-seq或单细胞小型数据集的表型分类/生存分析 |
| 第11晚 | 可解释、公平性与风险 | SHAP/LIME；偏倚来源与公平性度量；临床安全评估（失效模式、异常检测） | EHR或影像模型的SHAP分析与漂移检测演示 |
| 第12晚 | MLOps与合规部署 | 实验管理、模型卡；推理服务、容器化；监控与再训练；监管验证 | 将模型打包成REST推理服务（FastAPI+Docker），含输入校验与日志 |
| 第13-14晚 | 综合项目（贯穿式辅导） | 自选方向（影像/ NLP / 组学）完成项目：问题定义→数据卡→方法→实验→误差分析→合规与风险评估→模型卡→汇报 | 项目辅导与演示汇报 |
面向医学、生物信息学、计算机科学等领域的科研人员、工程师、临床医生、研究生，以及希望转型医疗AI行业的从业者。
上海玮瑜生物科技有限公司；合肥圭林科技有限公司
三人或以上团体报名可享受优惠
课后提供发票，如提前需要请联系客服
银行汇款
户名：上海玮瑜信息科技有限公司
账号：9734 0078 8010 0000 0164
开户行：上海浦东发展银行大华支行
公务卡/信用卡等其他付款方式请联系客服
