一、项目简介

随着人工智能技术的快速发展，目前已经在医学成像和图像分析处理领域得到了广泛的应用。近两年斯坦福、Google 等相关学术、产业团队相继在全球期刊Nature、Science、CELL 和JAMA 上发表了基于深度学习在医学上的应用新的研究成果，研究论证发现机器智能诊断和治疗不仅越来越接近医生人士专业水平，甚至比人类判断更加精确；而且基于机器学习技术的图像分析技术还可以解决因为工作强度疲劳而引起的判断错误，更重要的是克服临床医生主观限制和临床经验制约，提升医疗行业的诊断效率及服务质量，更好的解决医疗资源短缺、人口老龄化的问题。本项目旨在通过理论+实践的方法向学生介绍医学影像成像原理及深度学习的各个模型以及框架，了解深度学习在医学影像中的相关知识，也希望该项目为立志深度学习在医疗健康技术领域进行科研工作的学生提供入门基础。

本项目以深度学习在医学影像处理的应用为背景，介绍医学影像处理原理、深度学习核心问题和常用模型，介绍深度学习的主流框架技术和医学影像领域的应用，学习相关理论基础、增强实际动手编程能力、培养创新思维和团队协作能力，为深度学习的进一步学习和实践应用打下必要的基础，培养科研素养。

此实习项目专门为计划申请生物医学工程、电子信息、计算机的学生设计。学生将跟随导师共同工作，实际进行医学影像数据解析、神经网络搭建、深层网络学习、深度学习项目优化等工作，最后利用所学的机器学习知识来解决现实中的问题。实习结束后，导师会根据学生表现出具推荐信。

二、项目内容

本项目为机器学习和深度学习在医学影像处理基础入门。首先，学习医学影像成像原理、医学影像处理基础知识、深度学习框架、编程语言Python 入门知识、学习使用Tensor Flow深度学习框架。在此基础上，对实际问题进行分析，并利用所学到的医学影像处理、深度学习和编程语言的知识，解决实际医学影像处理问题。在实习过程中，指导老师带领学生进行该科研项目的各个环节。通过参与该项目，学生可以了解如何系统地进行基于深度学习在医学影像处理的科研工作。

三、招生对象及要求

大二以上本科生及部分高中生（详情请咨询老师），计划申请生物医学工程、生物信息学、数据分析、电子信息、计算机、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，项目组会以笔试和面试的形式对学生进行筛选。

项目难度：★★☆

报名建议：更适合具备一定编程能力的同学，建议掌握一种及以上高级编程语言（C、Python、Matlab），本项目将采用Python 语言完成项目。

预习资料：The Python Tutorial、Python 学习笔记、A Survey on Deep Learning in Medical Image Analysis、Deep Learning in Medical Image Analysis 等。

四、行程安排

Step1：远程项目指导：项目开始前2 周—1 个月组成学习讨论群，项目导师及助教为同学们答疑解惑，介绍项目背景，发放预习资料（包括相关文献及需要掌握的软件技能等），有问题可以请教导师，行程安排请教贴身助教；

Step2：项目集中进行时：导师面对面授课指导，研讨国际当下热点问题及领域发展方向，引领同学们完成定值科研项目，发挥每位同学的科研精神和探索能力，爱上科研不是梦；

Step3：远程项目指导：项目结束后2 周—1 个月，延展性问题请教导师，完成项目总结，撰写详细的总结报告，梳理项目内容，思考后续发展方向。