1.提供统计数据分析概述课程内容,主要介绍统计数据分析的基本概念、医学统计数据的获取方式及数据预处理方法课程内容。 2.提供城市空气污染数据分析实验项目,具体内容包括:统计描述的基本方法和使用EXCEL进行进行统计描述。 3.提供数据分析方法课程内容,主要介绍统计数据分析中使用到的t检验、F检验、卡方检验等统计推断方法。 4.提供中国青少年体质数据分析实验项目,具体内容包括:统计推断的基本方法和使用Python进行进行统计推断。 5.提供文本表示课程内容,主要介绍主要介绍医学文本数据的基本内容,文本表示的基本概念以及相关技术。 6.提供文本数据分词与文本表示实验项目,具体内容包括:读取数据,数据预处理,实现FMM/BMM算法,利用实现的FMM/BMM算法对医案数据进行分词,输出并存储分词结果和文本向量化表示。 7.提供文本相似课程内容,具体内容包括:文本相似性及其相关概念、基于字符串相似的方法中的经典算法和文本相似度的计算方法。 ★8.提供文本相似评估实验项目,具体内容包括:利用患者症状向量表示对患者的症状相似度进行计算,得到所有患者间的症状相似度结果,提供截图证明。 9.提供文本信息抽取课程内容,主要介绍信息抽取的相关概念及常用算法和两个有监督关系抽取方法。 10.提供关系抽取调参实验项目,具体内容包括:对CNN+SoftMax这个模型进行调参,理解在关系分类模型上不同超参数对实验结果的影响。 11.提供文本分类课程内容,主要介绍文本分类和相关概念和不同类型的文本分类方法。 12.提供文本分类实验项目,具体内容包括:基于循环神经网络,实现基本的疾病分类模型。通过数据读取,特征初始化,数据集划分,模型构建与训练,测试评估等环节,构建疾病分类模型,从而实现文本分类技术在医学文本的应用。 13.提供文本聚类课程内容,主要介绍词云图的原理和一些常用工具、网络的基本概念和基本属性和文本聚类中的相关算法。 14.提供文本聚类实验项目,具体内容包括:对网络可视化技术进行实践以及实践文本聚类的相关方法。 15.提供脑电数据简介和预处理课程内容,主要介绍脑电数据读取与方法和脑电数据预处理方法。 ★16.提供脑电数据简介和预处理实验项目,具体内容包括:脑电数据特点、MNE相关函数进行脑电数据的预处理,提供截图证明。 17.提供脑电数据的时频分析课程内容,主要介绍脑电数据的功率谱分析方法、脑电数据的短时傅里叶变换方法和脑电数据的小波分析方法。 ★18.提供脑电数据的时频分析实验项目,具体内容包括:功率谱分析在脑电数据分析中的应用、短时傅里叶变换在脑电数据分析中的应用和小波分析在脑电数据分析中的应用,提供截图证明。 19.提供脑电数据的非线性分析课程内容,主要介绍LZC复杂度、LZC复杂度计算方式、小波熵、小波熵计算方式、分形维数和分形维数计算方式。 20.提供脑电数据的非线性分析实验项目,具体内容:包括脑电数据的非线性分析方法,LZC复杂度、小波熵和分形维数。 21.提供脑电数据的网络分析课程内容,主要介绍脑网络的构建方法和网络参数的计算与分析方法及相关函数。 22.提供脑电数据的网络分析实验项目,具体内容包括:基于图论的对大脑功能网络进行描绘和评估的分析方法和相关函数。 ★23.脑电综合案例分析(SSVEP脑机接口)课程内容,主要介绍SSVEP数据读入、预处理、特征提取方法和两种SSVEP数据分类方法,提供截图证明。 24.脑电综合案例分析(SSVEP脑机接口)实验项目,具体内容包括:基于视觉稳态诱发电位(SSVEP)的脑机接口的数据分析为例,介绍上述方法在处理实际问题中的综合应用。 25.提供医学图像基础运算课程内容,主要介绍医学图像基础运算、图像的基本表示方法、图像的灰度变换和图像的几何变换。 26.提供医学图像基础运算实验项目,具体内容包括:使用PIL库函数进行图像处理。 27.提供医学图像增强课程内容,主要介绍医学图像的直方图增强和空域与频域滤波增强。 28.提供医学图像增强实验项目,具体内容包括:学习并实践医学图像增强的技术,包括直方图增强、空域滤波增强和频域滤波增强。 29.提供医学图像分割课程内容,主要介绍医学图像分割技术和图像的分割方法。 ★30.提供医学图像分割实验项目,具体内容包括:通过使用U-Net网络对医学图像进行分割,训练模型并在测试集上进行验证,提供截图证明。 31.提供医学图像识别课程内容,主要介绍医学图像识别技术、基于手工特征提取的医学图像识别和基于深度学习的医学图像识别。 32.提供医学图像识别实验项目,具体内容包括:通过手工特征提取与传统机器学习算法以及深度学习方法实现医学图像识别。 33.提供移动健康大数据来源与获取课程内容,主要介绍数据的来源、数据获取方法和基本的数据可视化方法。 34.提供健康数据获取与可视化实验项目,具体内容包括:常见的可视化图表类型。 35.提供移动健康数据可视化大屏设计课程内容,主要介绍利用可视化工具库进行数据可视化的方法和数据可视化大屏的制作方法。 36.提供移动健康数据可视化大屏设计实验项目,具体内容包括:ARIMA模型分析数据和LSTM模型分析数据。 37.提供小米手环步态数据分析课程内容,主要介绍ARIMA方法分析时间序列数据和LSTM方法分析时间序列数据。 38.提供移动健康数据可视化大屏设计实验项目,具体内容包括:可视化工具库和搭建医疗卫生数据可视化大屏。 39.人工智能教学中心模块具体功能: (1)、平台须具备原创知识产权的深度学习框架: ①该框架须兼容PyTorch API接口; ②框架须支持数据计算API,包括底层矩阵运算库和AD自动微分系统; ③框架须支持静态计算图解析,同时也支持运行动态计算图框架须具备完整的IR(Intermediate Representation)定义,可以表征神经网络训练过程中涉及到的所有运算、通信、存储操作; ④框架须同时支持CPU和GPU算力硬件设备; (2)为改善人工智能实验运算响应,平台实验设计须包括模型压缩、模型预训练、调参,平台须支持持久化缓存的函数加速方法; (3).为提升平台并发响应能力,支持更多用户同时在线使用,平台计算引擎的工作模式应支持响应服务请求和执行代码解耦; (4).为解决同时接入访问瓶颈,平台应具备消息队列机制进行异步处理和流量削峰机制; (5).为提升GPU硬件资源利用率以及同时实验人数,平台计算引擎须支持GPU虚拟化技术,单卡至少可以被划分为5张虚拟GPU卡调用; (6).平台须保证数据安全,数据库支持每天频率的自动备份,文件存储至少支持落盘双副本; (7).为便于使用,平台须采用B/S架构,满足适合人工智能教学多样化需求,支持私有云部署方式; (8).平台须支持容器技术和分布式存储系统,实现快速部署和弹性管理; (9).软件部署架构:平台使用Kubernetes作为容器管理平台,应用通过容器化部署在Docker环境中,通过Kubernetes进行资源编排; 40.实验需运行在人工智能教学中心模块上,学生通过PC机浏览器接入平台使用。 |