Цель программы:  

  • Познакомить врачей с ключевыми концепциями и возможностями применения методов машинного обучения и нейронных сетей в области медицинской визуализации.
  • Развить практические навыки работы с алгоритмами искусственного интеллекта, ориентированными на анализ медицинских изображений.
  • Обеспечить понимание современных тенденций, этических аспектов и перспектив внедрения технологий искусственного интеллекта в клиническую практику и систему здравоохранения.

Целевая аудитория:  

Программа предназначена для специалистов, желающих освоить современные технологии анализа медицинских данных с использованием искусственного интеллекта:

  • Врачи всех специальностей, заинтересованные в получении базовых знаний и практических навыков в области нейросетевых технологий для применения в диагностике и лечении пациентов;
  • Специалисты в сфере здравоохранения, осуществляющие оказание первичной медико-санитарной помощи в поликлиниках, амбулаториях, стационарах и других медицинских организациях;
  • Работники в области административно-управленческой деятельности учреждений здравоохранения, отвечающие за цифровизацию процессов и внедрение информационных систем.

Требования к слушателям: наличие высшего профессионального образования по направлениям подготовки, соответствующим профилю программы.

Срок обучения: 36 академических часа.

Преимущества обучения:

Практическая направленность: 
Программа построена на реальных примерах использования нейронных сетей в обработке и интерпретации медицинских изображений (КТ, МРТ, рентген и др.). Участники выполняют практические задания с применением Python, библиотек OpenCV, scikit-image, PyRadiomics и других инструментов анализа данных.

Структура курса:

  1. Медицинская визуализация и основы обработки изображений.
  2. Методы анализа и экстракция признаков медицинских изображений.
  3. Введение в нейронные сети и их применение в медицинской визуализации.
Ожидаемые результаты: 

По завершении программы участники смогут:

  • объяснять принципы работы искусственного интеллекта и его роль в современной медицине;
  • применять методы машинного и глубокого обучения для анализа медицинских изображений;
  • использовать Python и специализированное программное обеспечение для обработки и визуализации данных;
  • выбирать и адаптировать подходящие алгоритмы ИИ под конкретные задачи диагностики;
  • интерпретировать результаты модели и оценивать их достоверность;
  • соблюдать требования информационной безопасности и этические нормы при работе с ИИ в здравоохранении.