高级搜索 共查询到50条结果
排序方式 添加会议
2021年第107届北美放射学年会(RSNA)

2021-11-28 至 2021-12-03

美国

北美放射学会(RSNA)成立于1915年,是一个有着来自全球136个国家超过54,001多名医疗专家的学会,其中包括放射学家、医疗物理学家、科学家和其他医务人员,他们都是放射医学科学和技术方面的领导者。RSNA的目标是通过教育和研究活动促进放射学和相关科学的高水平发展。RSNA为放射学者和保健学家提供继续教育计划和高质量的学习材料,并不断地改进这些教育活动的内容。RSNA致力于放射学各方面和相关学科的研究,包括促进健康检查的基础临床医学研究,并鼓励放射学家之间的交流合作以及其会员同其他医学分支及专业。主办方:北美放射学年会(RSNA)组织单位:全球医学会议网会议时间:2021年11月28日-2021年12月3日会议地点:美国-芝加哥访客信息:放射科医生、分子成像和核医学医生,头颈部放射科医师,心脏科医师、儿科放射医师、儿科放射学研究员、初级保健居民、成像技术专家、实验室专家、护士、放射科管理员、医疗保健提供商、管理专家、医学物理学家、医院管理人员、产业代表、制药公司、诊断公司、其他医疗从业人员联系人:陈老师电话:13811318030(同微信)邮箱:globalconfs@gmail.com 编辑: 会议君   

2021年第72届澳大利亚皇家和新西兰放射学家学院科学年度会议(RANZCR)

2021-10-21 至 2021-10-24

澳大利亚

澳大利亚皇家和新西兰放射学家学院(RANZCR)放射肿瘤学系是澳大利亚和新西兰放射肿瘤学专业的顶峰。放射肿瘤学院设定质量标准,提供世界一流的培训和持续的专业教育,并推动癌症治疗方面的研究,创新和合作。它在以下领域采取行动,以促进该专业及其与政府,更广泛的医疗体系和公众的关系:学习,研究和发展知识实践中的技能,专业知识和道德标准培训和评估质量严格消费者和社区的需求与放射治疗有关的公共利益事项与临床医生,保健医生和其他人的合作。主办方:澳大利亚皇家和新西兰放射学家学院(RANZCR)组织单位:全球医学会议网会议时间:2021年10月21日-2021年10月24日会议地点:澳大利亚-阿德莱德访客信息:放射科医生、分子成像和核医学医生,头颈部放射科医师,心脏科医师、儿科放射医师、儿科放射学研究员、初级保健居民、成像技术专家、实验室专家、护士、放射科管理员、医疗保健提供商、管理专家、医学物理学家、医院管理人员、产业代表、制药公司、诊断公司、其他医疗从业人员联系人:陈老师电话:13811318030(同微信)邮箱:globalconfs@gmail.com 编辑: 会议君   

2021年国际儿科放射大会(IPR)

2021-06-15 至 2021-06-19

意大利

2021年国际儿科放射大会(IPR)2021年6月15-19日意大利-罗马国际儿科放射大会(IPR)◆贴心服务供您选:1、提供以下服务:会议注册,申请邀请函,预订酒店、预订机票、代办签证、接送机安排。 2、随团预订:本机构组团前往,除安排前期所有的预订服务外随团安排参会全程及当地医院、文化的参观考察。3、定制服务:根据客户时间及需求单独定制行程接待服务。4、展台预订及布展服务提供大会注册及申请邀请函等服务,成功注册后即可获得组委会提供的书面邀请函组织单位:汉鼎国际医学推广机构邮箱:chenxi@hdimcs.com联系人:陈夕电话:15600183655地址:北京经济技术开发区荣华南路大族广场5号楼2002室 编辑: 会议君   

医学影像组学人工智能应用案例实践培训班

2021-06-04 至 2021-06-07

北京·北京市

各企事业单位、高等院校及科研院所: 随着数字医学和医学图像信息学的发展,从医学图像中挖掘图像特征、解析临床信息,逐渐成为 医学领域重要研究方向。通过对图像数据特征的深层次挖掘,医学图像能提供更多肉眼不能识别的信 息,可用于指导临床决策。2012 年,影像组学(radiomics)概念的提出,影像组学分析流程主要包 括:图像获取、病灶分割、特征提取和筛选、模型构建和临床信息解析等;其研究涉及医工交叉学科, 需要医学和工科紧密合作,共同解决医生们在临床实践中提出的实际问题。 中国管理科学研究院职业资格认证培训中心( http://www.cnzgrz.org.cn/)特举办“医学影像组学人 工智能应用案例实践培训班”。本次对前沿的影像组学及人工智能案例结合方法及应用进行了全面的 讲解,帮助学员掌握影像组学临床和科研工作的开展方法和实现路径。 一、培训目标: 1、掌握影像组学研究过程与方法,掌握影像组学 SCI 论文写作思路,常用影像组学建模方法及 未来发展方向和科研思路。 2、结合具体临床实际案例,进行案例讲解和专题讨论,有效的提升学员解决临床和科研问题的 能力。3、《癌症的生存率预测》《鼻窦炎预后效果分析》《乳腺癌识别》《COVID-19 新冠肺炎识别》《人 脑肿瘤分割》《皮肤疾病病灶区域分割》等经典案例实践训练。 二、上课形式: 经典任务案例实际操作,统一提供数据,统一提供训练代码,一键运行,零基础快速掌握人工智 能应用工具。 三、时间地点: 《远程在线培训班和线下现场培训两种授课方式任选其一》 2021 年 06 月 04 日—2021 年 06 月 07 日 远程在线授课 2021 年 06 月 04 日—2021 年 06 月 07 日 北京*机房上课 (第一天全天报到,授课三天,机房上课)中国管理科学研究院职业资格认证培训中心 2021 年 4 月 15 日 中国管理科学研究院 职业资格认证培训中心四、课程体系: 一、人工智能与影像组学综述 1.影像组学应用方向和进展研究 2.影像组学核心思想剖析、分析流程介绍 3.影像组学影像组学数据分析、模型建立及实现 4.影像组学经典可视化内容描绘方法 5.影像组学所需要的数学与统计学基础 6.人工智能在医学影像组学的发展及趋势 二、影像组学 SCI 论文、专利、基 金申请写作思路重要内容 1.影像组学 SCI 论文书写流程 2.影像组学 SCI 论文评价标准 3.影像组学专利申请流程 4.影像组学专利撰写要点 5.影像组学临床预测模型比较 6.影像组学基金的撰写思路及未来发展方向和科研思路 案例:标注一个脑部肿瘤病灶区域 三、影像组学数据获取以及数据标 注 1.Labelme 标注软件介绍 2.影像学分类数据标注 3.影像学检测数据标注 4.影像学 ROI 分割数据标注 5.常见开源数据集介绍 案例:标注一个脑部肿瘤病灶区域 四、人工智能实验环境配置 1.实验环境配置要求 2.实验环境配置介绍 3.深度学习开发环境搭建 4.实验室环境计算资源配置 案例:搭建并配置好人工智能实验环境 五、数据处理 Python 入门指导 1.0 基础入门 Python 2.NumPy 库基础解读 3.Pandas 库基础解读 4.图像预处理方法介绍 案例:使用 python 处理 dicom 类型 CT 数据 六、影像组学抽象建模 1.结构化数据建模方式。 2.图像数据建模方式。 3.时序信号建模方式。 七、上手一个具体的影像组学案例 1.模型训练中基本概念 1.学习率 2.损失函数等 案例:癌症生存概率分析 八、分类影像学 1.图像分类网络详解。 1.面向精度的图像识别网络,LeNet、AlexNet、VGG、Inception、 ResNet 等。 2.面试速度的图像识别网络,MobileNetV1、MobileNetV2、 ShuffleNet 等。 2.CT 数据的预处理。 1.训练数据的如何进行划分,如何进行裁剪。 2.为应对数据量不足的情况,在训练模型的过程中如何对数据 进行实时的数据增强。 3.案例上手练习1.数据集如何使用。 2.自己的数据如何适配到给定的算法。 3.其它可能扩展的任务场景介绍,例如肝炎 CT 数据识别等。 案例: COVID-19 新冠肺炎识别 九、分割影像学 1.图像分割网络详解。 1.FCN,第一个基于全卷积的图像分割算法。 2.DeepLab V1-V3 系列算法介绍。 3.UNet 及其衍生算法在图像分割,尤其是医学影像数据的分割 算法中的应用。 2.数据的预处理。 1.数据集介绍,分割算法依赖的数据包括那几个重要的部分。 2.如何对分割数据形成对应的 mask。 3.案例上手联系:基于 UNet 的图像分割方法。 1.如何将自己的数据适配到 UNet 算法。 2.其他可能扩展到的分割场景。 3.如何使用已经训练的模型,对未知的数据进行预测。 案例:人脑肿瘤分割 十、辅助课程 1.疑难解答、分组讨论; 2.学后交流、微信群、QQ 群建立; 3.咨询、合作 五、医学影像案例实战结合: 一、结构化数据 《癌症的生存率预测》,结构化数据介绍 1. 结构化数据的处理方法。 1.如何快速读取结构化数据。 2.使用 pandas 对数据快速进行统计学分析。 2. 传统机器学习算法对问题进行建模。 1.基于 scikit-learn 中的算法,例如 LR、SVM、RF、GBDT 等常见的监督算法。 2.基于 XGBoost 的建模方法。tree_method、max_depth 等重要参数的介绍。 3.基于 LightGBM 的建模方法。eta、objective 等重要参数介绍。 3. 案例上手练习:基于 DNN 的深度学习建模方法。 1.DNN 模型在 Tensorflow 的搭建。tensorflow 中的一些主要 API 的参数以及用法介绍。 2.Tensorflow 训练 DNN 基本流程。model、train、loss function 等相关技术的串联。 3.如何对模型进行部署测试。对于训练好的模型,使用测试集对模型的性能进行测试。二、自然语言数据 《鼻窦炎预后效果分析》,自然语言数据的任务的处理方法。 1.数据的预处理方法 1.文本等自然语言数据的进行分词,基于 jieba 分词的工具使用介绍。 2.【专有名词】字典如何输入到 jieba 中,使特定的单词不被分割。 3.去掉停用词等,保留文本的主要信息。 2. 数据的编码方式 1.将文字信息,转化成一个向量表示。Embedding 的技术。 2.可以考虑使用 wordnet、word2vec 等开源的 Embedding 的库,基于预训练的模型对特征进 行迁移。3. 案例上手练习:基于 RNN 的深度学习建模方法。 1.RNN 网络如何使用 Tensorflow 进行搭建。 2.将编码好的文字信息输入到 RNN 当中,并且训练对应的模型。 3.RNN 模型部署测试。使用已经训练的模型对未知的数据进行测试,评估效果。 三、医院影像数据--分类任务 以《乳腺癌识别》以及《COVID-19 新冠肺炎识别》,从 CT 扫描数据中识别指定疾病。 1.图像分类网络详解。 1.面向精度的图像识别网络,LeNet、AlexNet、VGG、Inception、ResNet 等。 2.面试速度的图像识别网络,MobileNetV1、MobileNetV2、ShuffleNet 等。 2. CT 数据的预处理。 1.训练数据的如何进行划分,如何进行裁剪。2.为应对数据量不足的情况,在训练模型的过程中如何对数据进行实时的数据增强。 3.案例上手练习: 基于 CNN 的图像分类,乳腺癌识别或者 COVID-19 新冠肺炎识别二选一。 1.数据集如何使用。 2.自己的数据如何适配到给定的算法。 3.其它可能扩展的任务场景介绍,例如肝炎 CT 数据识别等。 四、医学影像数据--分割任务 以《人脑肿瘤分割》以及《皮肤疾病病灶区域分割》为例,介绍如何使用分割算法将制定区域从图 像中分割出来。 1. 图像分割网络详解。 1.FCN,第一个基于全卷积的图像分割算法。 2.DeepLab V1-V3 系列算法介绍。 3.UNet 及其衍生算法在图像分割,尤其是医学影像数据的分割算法中的应用。 2. 数据的预处理。 1.数据集介绍,分割算法依赖的数据包括那几个重要的部分。 2.如何对分割数据形成对应的 mask。 3. 案例上手联系:基于 UNet 的图像分割方法。人脑肿瘤分割或者皮肤疾病病灶区域分割二选一。 1.如何将自己的数据适配到 UNet 算法。 2.其他可能扩展到的分割场景。 3.如何使用已经训练的模型,对未知的数据进行预测。 六、培训费用: A 类,每人 3900 元(含培训费、证书费、资料费、GPU 训练) B 类,每人 4580 元(含培训费、证书费、资料费、GPU 训练) 注:住宿可统一由会务组进行安排,费用自理。 七、颁发证书:参加相关培训并通过考试的学员,可以获得: A 类,由中国管理科学研究院职业资格认证培训中心颁发的《影像组学技术工程师》(高级)专 业技能资格证书,官方网站查询,该证书可作为有关单位专业技术人员能力评价、考核和任职的重要 依据。B 类,由工业和信息化部全国网络与信息技术考试管理中心颁发的《人工智能算法工程师》职业 技能证书,官方网站查询,可通过官方网站查询或扫描证书上方的二维码查询,该证书直接纳入专业 人才数据库。可作为专业技术人员继续教育证明。(加上 A 类共两本证书)。 注:请学员带两寸彩照两张(背面注明姓名)、身份证复印件和学历证明复印件各两张。八、联系方式: 联系人: 李连杰(老师) 手机(微信同号):13311241619 电话:010-56129268 网址:http://www.cnzg rz.org.cn/ E_mail:1503177939@qq.com 官方咨询 QQ:1503177939 影像组学 QQ 群群号: 823857372(加群备注:李连杰邀请)

人工智能 影像组学

医学影像组学及人工智能案例结合实践培训班

2021-05-27 至 2021-05-30

北京·北京市

各企事业单位、高等院校及科研院 所: 近年来,随着医学图像信息学的发展,从医学图像中挖掘图像特征、解析临床信息,逐渐引起医学领域专家的重视。很多研究发现,通过对图像数据特征的深层次挖掘,医学图像能提供更多肉眼不能识别的信息,可用于指导临床决策。2012年,受生物医学领域高产出的“组学”概念的启发,荷兰Lambin等首次提出了影像组学(radiomics)的概念,即使用计算机软件从影像图像中自动化抽取海量影像定量特征,借助大数据分析手段,解析临床信息,用于肿瘤的定性、分级分期、基因分析、疗效评估和预后预测等,指导并优化临床决策,最终实现精准医疗。影像组学分析流程主要包括:图像获取、病灶分割、特征提取和筛选、模型构建和临床信息解析等;其研究涉及医工交叉学科,需要医学和工科紧密合作,而绝大部分医学生或医生并无工科背景 中国管理科学研究院职业资格认证培训中心(http://www.cnzgrz.org.cn )特举办“医学影像组学及人工智能案例结合实训班”。本次对前沿的影像组学及人工智能案例结合方法及应用进行了全面的讲解,帮助学员掌握影像组学临床和科研工作的开展方法和实现路径。 本次培训由北京中科软博信息技术研究院、北京中际英才文化传媒有限公司具体承办。如下;一、培训目标:1、掌握影像组学研究过程与方法,掌握影像组学SCI论文写作思路,常用影像组学建模方法及未来发展方向和科研思路。2、结合具体临床实际案例,进行案例讲解和专题讨论,有效的提升学员解决临床和科研问题的能力。3、《癌症的生存率预测》《鼻窦炎预后效果分析》《乳腺癌识别》《COVID-19新冠肺炎识别》《人脑肿瘤分割》《皮肤疾病病灶区域分割》等案例的具体人工智能实现路径及方法。二、时间地点: 《远程在线培训班和线下现场培训两种授课方式任选其一》 2021年05月27日—2021年05月30日 远程在线授课 2021年05月27日—2021年05月30日 北京*机房上课 (第一天全天报到,授课三天,机房上课)三、课程体系: 一、人工智能与影像组学综述 1.影像组学应用方向和进展研究2.影像组学核心思想剖析、分析流程介绍3.影像组学影像组学数据分析、模型建立及实现4.影像组学经典可视化内容描绘方法5.影像组学所需要的数学与统计学基础6.人工智能在医学影像组学的发展及趋势 二、影像组学SCI论文、专利、基金申请写作思路重要内容 1.影像组学SCI论文书写流程2.影像组学SCI论文评价标准3.影像组学专利申请流程4.影像组学专利撰写要点5.影像组学临床预测模型比较6.影像组学基金的撰写思路及未来发展方向和科研思路案例:标注一个脑部肿瘤病灶区域 三、影像组学数据获取以及数据标注 1.Labelme标注软件介绍2.影像学分类数据标注3.影像学检测数据标注4.影像学ROI分割数据标注5.常见开源数据集介绍案例:标注一个脑部肿瘤病灶区域 四、人工智能实验环境配置 1.实验环境配置要求2.实验环境配置介绍3.深度学习开发环境搭建4.实验室环境计算资源配置案例:搭建并配置好人工智能实验环境 五、数据处理Python入门指导 1.0基础入门Python2.NumPy库基础解读3.Pandas库基础解读4.图像预处理方法介绍案例:使用python处理dicom类型CT数据 六、影像组学抽象建模 1.结构化数据建模方式。2.图像数据建模方式。3.时序信号建模方式。 七、上手一个具体的影像组学案例 1.模型训练中基本概念 1.学习率 2.损失函数等案例:癌症生存概率分析八、分类影像学 1.图像分类网络详解。 1.面向精度的图像识别网络,LeNet、AlexNet、VGG、Inception、ResNet等。 2.面试速度的图像识别网络,MobileNetV1、MobileNetV2、ShuffleNet等。2.CT数据的预处理。 1.训练数据的如何进行划分,如何进行裁剪。 2.为应对数据量不足的情况,在训练模型的过程中如何对数据进行实时的数据增强。3.案例上手练习 1.数据集如何使用。 2.自己的数据如何适配到给定的算法。 3.其它可能扩展的任务场景介绍,例如肝炎CT数据识别等。案例: COVID-19新冠肺炎识别九、分割影像学 1.图像分割网络详解。 1.FCN,第一个基于全卷积的图像分割算法。 2.DeepLab V1-V3系列算法介绍。 3.UNet及其衍生算法在图像分割,尤其是医学影像数据的分割算法中的应用。2.数据的预处理。 1.数据集介绍,分割算法依赖的数据包括那几个重要的部分。 2.如何对分割数据形成对应的mask。3.案例上手联系:基于UNet的图像分割方法。 1.如何将自己的数据适配到UNet算法。 2.其他可能扩展到的分割场景。 3.如何使用已经训练的模型,对未知的数据进行预测。案例:人脑肿瘤分割十、辅助课程 1.疑难解答、分组讨论;2.学后交流、微信群、QQ群建立;3.咨询、合作课程详细链接:https://maiimg.com/pdf/?e=agcBRhZkez7PUm

2021年第59届美国神经放射学会年会(ASNR)

2021-05-22 至 2021-05-27

美国

美国神经放射学会(ASNR)成立于1962年,是一个在神经放射学领域拥有5000多名医师会员的专业协会。神经放射学是指利用x射线,MRI,CT和血管造影术诊断中枢神经系统、脑、头部和颈部疾病,与放射诊断学有关的临床亚专业,它在医院环境、学术/教育机构和私人执业中得到充分利用。主办方:美国神经放射学会(ASNR)组织单位:全球医学会议网会议时间:2021年5月22日-2021年5月27日会议地点:美国-旧金山访客信息:放射科医生、分子成像和核医学医生,头颈部放射科医师,心脏科医师、儿科放射医师、儿科放射学研究员、初级保健居民、成像技术专家、实验室专家、护士、放射科管理员、医疗保健提供商、管理专家、医学物理学家、医院管理人员、产业代表、制药公司、诊断公司、其他医疗从业人员联系人:陈老师电话:13811318030(同微信)邮箱:globalconfs@gmail.com 编辑: 会议君   

2020年第106届北美放射学年会(RSNA)

2020-11-29 至 2020-12-04

美国

会议简介:北美放射学会(RSNA)成立于1915年,是一个有着来自全球136个国家超过54,001多名医疗专家的学会,其中包括放射学家、医疗物理学家、科学家和其他医务人员,他们都是放射医学科学和技术方面的领导者。RSNA的目标是通过教育和研究活动促进放射学和相关科学的高水平发展。RSNA为放射学者和保健学家提供继续教育计划和高质量的学习材料,并不断地改进这些教育活动的内容。RSNA致访客信息:放射科医生、分子成像和核医学医生,头颈部放射科医师,心脏科医师、儿科放射医师、儿科放射学研究员、初级保健居民、成像技术专家、实验室专家、护士、放射科管理员、医疗保健提供商、管理专家、医学物理学家、医院管理人员、产业代表、制药公司、诊断公司、其他医疗从业人员组织单位:沃德迈斯国际会议公司服务项目:大会注册、会员申请、大会投稿、代办签证、机票、酒店等、翻译服务、大会订制服务、交流访问、培训考察联系人:陈老师Email: globalconfs@gmail.com联系地址:北京市朝阳区朝阳北路101号 编辑: 会议君   

2020年第50届澳大利亚医用超声波协会年度会议

2020-10-30 至 2020-11-01

澳大利亚

会议介绍:澳大利亚医用超声波协会是最先进的多学科学会,其为诊断医学超声的临床实践提供了最高水平的患者护理。该协会的目的是鼓励和协助诊断超声的教育和研究;制定适当的业务标准;就诊断超声的实践方面向政府和法定当局提供咨询;并在从业者之间提供交流和联系。2020年是该协会成立的50周年,大会组委会准备了丰富的会议内容,欢迎参加。2020年第50届澳大利亚医用超声波协会年度会议将于10月30日-11月1日在澳大利亚悉尼召开。主办单位:澳大利亚医用超声波协会组织单位:联合国际医院协作中心会议地点:澳大利亚-悉尼出团时间:2020年10月29日-11月3日参会对象:医生、研究员、医药企业等。联系人:高老师电话:010-80877099邮箱:hongshengtianxia@sina.cn 编辑: 会议君   

2020年美国口腔颌面放射学学会年度会议(AAOMR)

2020-10-28 至 2020-10-31

美国

美国口腔颌面放射学学会(AAOMR)旨在 促进和推进牙科放射学,并为其成员,医疗界和公众之间提供交流的论坛。什么是口腔颌面放射科医生(OMR)?口腔颌面放射科医生是牙医,并接受了其他高级牙齿和颌骨放射学专业培训。他们是牙科放射学的专家。口腔颌面放射科医生毕业于牙科学校,然后完成了至少两年的专业培训。在这段时间里,他们学习了对牙齿和颌骨,放射线对人的影响以及放射线安全和防护的影像检查的正确使用和解释。主办方:美国口腔颌面放射学学会(AAOMR)组织单位:全球医学会议网会议时间:2020年10月28日-2020年10月31日会议地点:美国-圣地亚哥访客信息:放射科医生、分子成像和核医学医生,头颈部放射科医师,心脏科医师、儿科放射医师、儿科放射学研究员、初级保健居民、成像技术专家、实验室专家、护士、放射科管理员、医疗保健提供商、管理专家、医学物理学家、医院管理人员、产业代表、制药公司、诊断公司、其他医疗从业人员联系人:陈老师电话:13811318030(同微信)邮箱:globalconfs@gmail.com 编辑: 会议君   

2020年美国放射技师协会放射治疗大会

2020-10-25 至 2020-10-27

美国

2020年放射治疗大会是与放射肿瘤学学会的管理者会议一起举行的,包括免费进入展览厅。不要错过这个独一无二的学习机会,看看来自世界各地的肿瘤专业人员的最新技术。美国放射技师协会的使命是推进和提升医学影像和放射治疗专业的发展,提升患者护理的质量和安全性。愿景是通过教育,宣传,研究和创新,成为医学影像和放射治疗领域的首要专业协会。2020年美国放射技师协会放射治疗大会将于10月25-27日在美国迈阿密召开。主办单位:美国放射技师协会组织单位:联合国际医院协作中心会议地点:美国-迈阿密出团时间:2020年10月24-29日参会对象:医生、研究员、医药企业等。联系人:高老师电话:010-80877099邮箱:hongshengtianxia@sina.cn 编辑: 会议君   

共50条页码: 1/5页10条/页
打开APP