MIT医疗机器学习-学习资料
MIT医疗机器课程,内容覆盖临床护理、风险分层、生理时间序列、心脏成像、鉴别诊断、病理学机器学习、因果推断、强化学习、疾病进展建模、可解释性等

关键词标签: MIT, 生理时间序列, 因果推断, 医疗机器学习
6.S897; Machine Learning for Healthcare; 医疗机器学习
🏆 课程学习中心 | 🚧 AI生物医疗课程合辑 | 🌍 课程主页 | 📺 中英字幕视频 | 🚀 项目代码解析
Machine Learning for Healthcare
医疗机器学习
Massachusetts Institute of Technology
麻省理工学院(MIT)
6.S897
⭐⭐⭐⭐⭐


课程介绍

6.S897; Machine Learning for Healthcare; 医疗机器学习

MIT 6.S897是全球顶校麻省理工开设的医学机器学习的交叉专业课程。课程两位 MIT (副)教授对医学、机器学习内容进行了专业讲解,并邀请临床医生进行客座讲座,以及使用真实临床数据设计了课程项目,帮助学生真实地理解将机器学习技能转化到临床实践中的微妙之处。

6.S897; Machine Learning for Healthcare; 医疗机器学习

医学部分,课程讲解了临床数据的特性,如何将机器学习用于风险分层、疾病进展建模、精准医学、诊断、亚型发现和改进临床工作流程等。

机器学习部分,课程主题包括因果关系、可解释性、算法公平性、时间序列分析、图形模型、深度学习和迁移学习等。


课程主题

课程官网发布了课程主题,ShowMeAI 对其进行了翻译。

6.S897; Machine Learning for Healthcare; 医疗机器学习

课程讲师 Peter Szolovits,MIT计算机科学与工程教授,也是 CSAIL 临床决策小组的负责人。他的研究重点是人工智能方法在医疗决策问题中的应用,以及医疗机构和患者信息系统的设计,致力于解决各种医疗状况的诊断、治疗计划、执行和监测、遗传咨询的计算,以及医疗记录系统中的隐私和保密问题。

课程讲师 David Sontag,2017 年加入MIT,担任医学工程与科学研究所 (IMES) 的职业发展教授和电气工程与计算机科学系 (EECS) 的副教授,还是计算机科学与人工智能实验室 (CSAIL) 的首席研究员。


课程资料 | 下载

6.S897; Machine Learning for Healthcare; 医疗机器学习

扫描上方图片二维码,关注公众号并回复关键字 🎯『6.S897』,就可以获取整理完整的资料合辑啦!当然也可以点击 🎯 这里 查看更多课程的资料获取方式!

6.S897; Machine Learning for Healthcare; 医疗机器学习
6.S897; Machine Learning for Healthcare; 医疗机器学习

ShowMeAI 对课程资料进行了梳理,整理成这份完备且清晰的资料包:


课程视频 | B站

🌍 B站 | 【双语字幕+资料下载】MIT 6.S897 | 医疗机器学习(2019·完整版)

ShowMeAI 将视频上传至B站,并增加了中英双语字幕,以提供更加友好的学习体验。点击页面视频,可以进行预览。推荐前往 👆 B站 观看完整课程视频哦!

本门课程,ShowMeAI 将部分章节进行了切分,按照主题形成更短小的视频片段,便于按照标题进行更快速的检索。切分后的视频清单列写在这里:

课时编号 课时内容
第1讲 是什么让医疗保健与众不同?
第2讲 临床护理概述
第3讲 深入研究临床数据
第4讲 风险分层,第 1 部分
第5讲 风险分层,第 2 部分
第6讲 生理时间序列
第7讲 自然语言处理 (NLP),第 1 部分
第8讲 自然语言处理 (NLP),第 2 部分
第9讲 将技术转化为临床
第10讲 机器学习在心脏成像中的应用
第11讲 鉴别诊断
第12讲 病理学机器学习
第13讲 用于乳房 X 光检查的机器学习
第14讲 因果推断,第 1 部分
第15讲 因果推断,第 2 部分
第16讲 强化学习,第 1 部分
第17讲 强化学习,第 2 部分
第18讲 疾病进展建模和亚型,第 1 部分
第19讲 疾病进展建模和亚型,第 2 部分
第20讲 精准医学
第21讲 自动化临床工作流程
第22讲 美国对机器学习/人工智能的监管
第23讲 公平
第24讲 数据集转移的鲁棒性
第25讲 可解释性


更多技术与课程清单 | 点击查看详细课程

合辑 课程链接
CS数学基础课程合辑 【ENGR108】Stanford斯坦福 · 线性代数与矩阵方法导论课程
【6.042J】MIT麻省理工 · 计算机科学的数学基础课程
【MATH100】辛辛那提大学 · 微积分Ⅰ课程
【MATH101】辛辛那提大学 · 微积分Ⅱ课程
【MATH1071】辛辛那提大学 · 离散数学课程
计算机基础课程合辑 【14-455】CMU卡内基梅隆 · 数据库系统导论课程
【15-721】CMU卡内基梅隆 · 数据库系统进阶课程
【CS105】Stanford斯坦福 · 计算机科学导论课程
【CS50-CS】Harvard哈佛 · 计算机科学导论课程
【CS50-WEB】Harvard哈佛 · 基于Python / JavaScript的Web编程课程
【6.0001】MIT麻省理工 · 计算机科学与Python编程导论课程
【6.046J】MIT麻省理工 · 数据结构与算法设计课程
【18.S191】MIT麻省理工 · 计算思维导论(Julia)课程
【CMSC420】马里兰大学 · 数据结构课程
机器学习课程合辑 【AndrewNG-ML】吴恩达 · 机器学习专项课程
【CS229】Stanford斯坦福 · 机器学习课程
【6.036】MIT麻省理工 · 机器学习导论课程
深度学习课程合辑 【AndrewNG-DL】吴恩达 · 深度学习专项课程
【CS230】Stanford斯坦福 · 深度学习课程
【CSW182】Berkeley伯克利 · 深度神经网络设计、可视化与理解课程
【FSDL】Berkeley伯克利 · 全栈深度学习训练营课程
【CS50-AI】Harvard哈佛 · Python人工智能入门课程
【6.S191】MIT麻省理工 · 深度学习导论课程
【APPLY-DL】科罗拉多大学 · 应用深度学习(全知识点覆盖)课程
【STAT453】威斯康星 · 深度学习和生成模型导论课程
【T81-558】WUSTL · 深度神经网络应用案例实操课程
【HYLEE】李宏毅 · 机器学习(&深度学习)课程
NLP课程合辑 【CS224n】Stanford斯坦福 · 深度学习与自然语言处理课程
【CS124】Stanford斯坦福 · 从语言到信息课程
【CS520】Stanford斯坦福 · 知识图谱课程
【CS685】马萨诸塞大学 · 自然语言处理进阶课程
计算机视觉课程合辑 【CS231n】Stanford斯坦福 · 深度学习与计算机视觉课程
【EECS498】Michigan密歇根 · 深度学习与计算机视觉(CS231n进阶课)
【ADL4CV】慕尼黑工大 · 计算机视觉深度学习进阶课
强化学习课程合辑 【CS285】Berkeley伯克利 · 深度强化学习课程
【CS234】Stanford斯坦福 · 强化学习课程
AI生物医疗课程合辑 【6.047】MIT麻省理工 · 基因组学机器学习课程
【6.874】MIT麻省理工 · 面向生命科学的深度学习课程
【6.S897】MIT麻省理工 · 医疗机器学习课程
其他名校AI课程合辑 【CS294】Berkeley伯克利 · 深度无监督学习课程
【11-777】CMU卡内基梅隆 · 多模态机器学习课程
【15-462】CMU卡内基梅隆 · 计算机图形学课程
【CS224W】Stanford斯坦福 · 图机器学习课程
【6.S094】MIT麻省理工 · 深度学习与无人驾驶课程
【GDL】AMMI · 几何深度学习课程
6.S897; Machine Learning for Healthcare; 医疗机器学习
*****
本文作者 韩信子
欢迎关注微信公众号 ShowMeAI研究中心 获取更多资源!