AI is transforming the practice of medicine. It’s helping doctors diagnose patients more accurately, make predictions about patients’ future health, and recommend better treatments. As an AI practitioner, you have the opportunity to join in this transformation of modern medicine. If you're already familiar with some of the math and coding behind AI algorithms, and are eager to develop your skills further to tackle challenges in the healthcare industry, then this specialization is for you. No prior medical expertise is required!
Ce cours fait partie de la Spécialisation AI for Medicine
Offert par
Spécialisation AI for Medicinedeeplearning.aiÀ propos de ce cours
404,314 consultations récentes
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 1 sur 3 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 20 heures pour terminer
Anglais
Sous-titres : Anglais
Compétences que vous acquerrez
Deep LearningImage SegmentationMachine Learningmodel evaluationMulti-class classification
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 1 sur 3 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire
Approx. 20 heures pour terminer
Anglais
Sous-titres : Anglais
Offert par
deeplearning.ai
deeplearning.ai is Andrew Ng's new venture which amongst others, strives for providing comprehensive AI education beyond borders.
Programme du cours : ce que vous apprendrez dans ce cours
9 heures pour terminer
Disease detection with computer vision
By the end of this week, you will practice classifying diseases on chest x-rays using a neural network.
9 heures pour terminer
20 vidéos (Total 48 min), 5 lectures, 2 quiz
20 vidéos
Demo1 min
Recommended prerequisites1 min
Medical Image Diagnosis2 min
Eye Disease and Cancer Diagnosis3 min
Building and Training a Model for Medical Diagnosis2 min
Training, prediction, and loss1 min
Image Classification and Class Imbalance1 min
Binary Cross Entropy Loss Function3 min
Impact of Class Imbalance on Loss Calculation3 min
Resampling to Achieve Balanced Classes1 min
Multi-Task1 min
Multi-task Loss, Dataset size, and CNN Architectures2 min
Working with a Small Training Set2 min
Generating More Samples3 min
Model Testing2 min
Splitting data by patient1 min
Sampling2 min
Ground Truth and Consensus Voting1 min
Additional Medical Testing2 min
5 lectures
Connect with your mentors and fellow learners on Slack10 min
Please Save your work regularly10 min
About the automatic grader10 min
assignment updated April 16, 9pm PST - please refresh10 min
How to refresh your workspace10 min
1 exercices pour s'entraîner
Week 1 Quiz: Disease detection with computer vision30 min
4 heures pour terminer
Evaluating models
By the end of this week, you will practice implementing standard evaluation metrics to see how well a model performs in diagnosing diseases.
4 heures pour terminer
10 vidéos (Total 24 min), 1 lecture, 2 quiz
10 vidéos
Accuracy in terms of conditional probability1 min
Sensitivity, Specificity and Prevalence4 min
PPV, NPV2 min
Confusion matrix2 min
ROC curve and Threshold1 min
Varying the threshold2 min
Sampling from the Total Population1 min
Confidence intervals2 min
95% Confidence interval2 min
1 lectures
Calculating PPV in terms of sensitivity, specificity and prevalence10 min
1 exercices pour s'entraîner
Week 2 Quiz: Evaluating machine learning models
7 heures pour terminer
Image segmentation on MRI images
By the end of this week, you will prepare 3D MRI data, implement an appropriate loss function for image segmentation, and apply a pre-trained U-net model to segment tumor regions in 3D brain MRI images.
7 heures pour terminer
10 vidéos (Total 25 min), 4 lectures, 2 quiz
10 vidéos
MRI Data and Image Registration3 min
Segmentation3 min
2D U-Net and 3D U-Net2 min
Data augmentation for segmentation2 min
Loss function for image segmentation3 min
Different Populations and Diagnostic Technology1 min
External validation2 min
Measuring Patient outcomes3 min
Congratulations!1 min
4 lectures
Convolutional Neural networks10 min
More about U-Net (Optional)10 min
Acknowledgements10 min
Citations10 min
1 exercices pour s'entraîner
Week 3 Quiz: Segmentation on medical images
À propos du Spécialisation AI for Medicine
AI is transforming the practice of medicine. It’s helping doctors diagnose patients more accurately, make predictions about patients’ future health, and recommend better treatments. This three-course Specialization will give you practical experience in applying machine learning to concrete problems in medicine.
These courses go beyond the foundations of deep learning to teach you the nuances in applying AI to medical use cases. If you are new to deep learning or want to get a deeper foundation of how neural networks work, we recommend taking the Deep Learning Specialization.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
What is the refund policy?
Si vous vous abonnez, vous bénéficiez d'une période d'essai gratuite de 7 jours, durant laquelle vous pouvez annuler votre abonnement sans pénalité. Ensuite, nous n'accordons plus de remboursements, mais vous pouvez annuler votre abonnement à tout instant. Consultez notre politique de remboursement complète.
Is financial aid available?
Oui, Coursera offre une Aide Financière aux étudiants qui n'ont pas les moyens d'acquitter les frais. Demandez-la en cliquant sur le lien Aide Financière sous le bouton S'inscrire situé à gauche. Vous devrez remplir un formulaire de demande et vous serez averti(e) si elle est acceptée. Vous devrez répéter cette procédure pour chaque cours de la Spécialisation, y compris pour le Projet Final. En savoir plus.
Puis-je obtenir des crédits universitaires si je réussis le Cours ?
Ce Cours n'est pas associé à des crédits universitaires, mais certaines universités peuvent décider d'accepter des Certificats de Cours pour des crédits. Vérifiez-le auprès de votre établissement pour en savoir plus. Les Diplômes en ligne et les Certificats Mastertrack™ sur Coursera apportent la possibilité d'obtenir des crédits universitaires.
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
