生物医学人工智能训练全流程实战

2026年8月26日开始

点击在线报名

本次目标：
1，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
2，掌握从数据治理、特征工程、建模训练到部署监控的端到端流程
3，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
4，构建医疗AI的风险意识

先修与环境：
1，先修：Python、线性代数/概率统计、基本机器学习概念
2，环境：Python 3.10+，Conda，PyTorch/TensorFlow（二选一即可），scikit-learn，NumPy/Pandas，Jupyter；GPU（>=8GB显存）优先
3，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
本次培训安排：
第一个晚上｜导学与行业全景（ 第1周开篇）
1，生物医学AI版图：影像诊断、病理、EHR预测、药物发现、组学、医疗运营
2，数据类型与来源：DICOM/WSI、EHR表格与时序、自由文本、RNA-seq/单细胞、多模态
3，合规与伦理：隐私（HIPAA/GDPR思路）、数据去标识化、知情同意、模型偏倚与公平性、可解释性与透明度、医疗器械监管路径（FDA/欧盟/国家药监相关框架概述）
实操：环境就绪检查、GPU测试、示例Notebook跑通
第二个晚上｜数据治理与工程
1，医疗数据治理流程：标准化、清洗、质量评估、缺失/异常处理、标注与审阅
2，医疗标准：DICOM元数据与PACS基本概念；EHR数据字典、ICD/LOINC/SNOMED；FHIR资源模型
3，隐私与分布式：联邦学习概念、差分隐私（DP）、同态加密（HE）概览
实操：1，读取DICOM并做窗宽窗位、重采样、归一化
2，EHR表格数据清洗与特征派生（就诊序列、实验室时序对齐）
3，简单去标识化演示
第三四晚上｜机器学习基石
1，经典ML：逻辑回归、树模型、集成（XGBoost/LightGBM），不平衡学习与重采样（SMOTE/阈值移动/代价敏感）
2，评估指标：AUC/PR-AUC、灵敏度/特异度、F1、校准（Brier、可靠性曲线）、临床相关指标（NPV/PPV、决策曲线）
3，实验设计：训练/验证/测试划分、交叉验证、数据泄漏防控、外部验证与时序验证
实操：EHR二分类预测（30天再入院/败血症预警）完整pipeline + 校准与阈值优化
第五六七晚上｜深度学习与医学影像
1，卷积与现代架构：ResNet、DenseNet、Vision Transformer（ViT）、Swin
2，任务类型：分类、检测（Faster/Retina/YOLO思路）、分割（U-Net/nnU-Net）、回归与测量
3，医学影像要点：3D卷积、patching、重采样、数据增强、分割后处理、小样本策略
4，评估与可解释：Dice/IoU、Hausdorff；Grad-CAM、输入扰动；临床评阅流程
实操：1，用MONAI/nnU-Net在公开数据（如胸部CT或脑部MRI子集）做分割
2，微调预训练模型做X光二分类，Grad-CAM可视化
第八九晚上｜临床NLP与多模态
1，文本预处理：分词、术语规范、实体识别（药物/症状/诊断）、断句与句法
2，现代NLP：Transformer、临床语料预训练模型使用与微调（HuggingFace）
3，任务：命名实体识别、关系抽取、文档分类、报告自动生成/摘要、问答
4，多模态融合：影像-文本（报告辅助）、EHR-文本联合建模
实操：临床报告分类或实体识别微调；影像-报告对齐的检索/匹配小作业
第十晚上｜组学与表型预测
1，高维小样本：特征选择、降维（PCA/UMAP）、正则化（L1/L2/ElasticNet）
2，生存分析：Cox模型、C-index；时间依赖AUC
3，单细胞/转录组要点：质量控制、归一化、批次效应校正、聚类与marker基因
实操：RNA-seq或单细胞小型数据集的表型分类/生存分析
第十一 晚上｜模型可解释、公平性与风险
1，全局/局部解释：SHAP/LIME、特征重要性、反事实
2，偏倚来源：取样偏倚、谱系偏倚、设备/站点漂移
3，公平性度量与缓解：群体不平等指标、再加权/再采样、对抗去偏
4，临床安全评估：失效模式、异常检测、稳健性测试
实操：对EHR或影像模型做SHAP分析与漂移检测演示
第十二晚上｜MLOps与合规部署
1，实验管理：版本控制、数据卡与模型卡
2，推理与服务：批处理/在线服务、容器化、硬件考虑（边缘/院内）
3，监控与再训练：数据/概念漂移、警报阈值、回退策略
4，监管要点：验证计划、真实世界性能跟踪、变更管理
实操：将一个训练好的模型打包成REST推理服务（FastAPI+Docker），并加上最基本的输入校验与日志
第十三十四晚上｜综合项目（贯穿式辅导）
方向自选：
1.影像分割/分类（如肺部结节分割/分类）
2.临床NLP（病历自动分级、实体识别、报告摘要）
3.组学预测（预后或药物反应）
交付物：问题定义→数据卡→方法与实验→误差分析→合规与风险评估→模型卡→演示汇报