Spas ji bo serdana xwezayê.com. Guhertoya geroka ku hûn bi karanîna piştgiriya CSS-ê sînorkirî ye. Ji bo encamên çêtirîn, em pêşniyar dikin ku hûn guhertoyek nû ya geroka we bikar bînin (an jî di moda Internetnternetê de moda lihevhatinê vekişînin). Di vê navberê de, da ku piştgiriya domdar bicîh bikin, em bêyî stûn an javascript malperê nîşan didin.
Serlêdanên îstîxbarata artificial klînîkî (AI) zûtir dibin, lê dersa dibistana bijîjkî ya heyî hînkirina sînorkirî ya vê deverê pêşkêşî dike. Li vir em qursek perwerdehiya aramî ya aramî diyar dikin ku me pêşxist û radestî xwendekarên bijîjkî yên Kanadayî bikin û ji bo perwerdehiya pêşerojê pêşniyar bikin.
Di dermanê de îstîxbarata artificial (AI) dikare karbidestiya xebatê û alîkariyên biryara klînîkî baştir bike. Da ku bi ewlehî rêbernameya îstîxbarata artificial rêve bibe, divê bijîjk divê hin têgihiştina hişmendiya hunerî hebe. Gelek şîroveyên ku ji bo konseptên AI-ê hîn dikin, wek mînak ravekirina modelên AI û pêvajoyên verastkirinê2. Lêbelê, çend plansaziyên çêkirî hatine sepandin, nemaze di asta neteweyî de. Pinto dos Santos et al.3. 263 Xwendekarên bijîşkî hatin lêkolîn kirin û% 71 li hev kirin ku wan di hişmendiya artificial de perwerdehî kir. Hînkirina hişmendiya artificial a ji bo temaşevanên bijîşkî hewce dike ku ji bo xwendekarên ku bi gelemperî zanebûna berfireh a pêşîn hene, sêwirana teknîkî û ne teknîkî pêk tîne. Em ezmûna me diyar dikin ku di sê komên xebatkarên AI de radestî sê komên xwendekarên bijîjkî dikin û ji bo perwerdehiya bijîjkî ya pêşerojê li Ai pêşniyar dikin.
Destpêka me ya pênc-hefte ya ji bo kargêrê dermanê ji bo xwendekarên bijîjkî sê caran di navbera Sibat 2019 û Nîsana ji bo her komxebatê de hate girtin, bi kurtahî di qursê de tê nîşandan. Kursa me heye Sê armancên fêrbûna seretayî: Xwendekar fêm dikin ka daneyên îstîxbarata مص ernixulandî ji bo serlêdanên klînîkî çawa analîz dikin, û fersendên ji bo hevkariyê dikin ku bi endezyarên îstîxbarata artificial pêşve bibin.
Blue mijara leyeştê ye û şîn ronahî pirsa danûstendinê û bersivê ye. Beşa Grey balê dikişîne ser nirxandina wêjeya kurt. Beşên orjînal lêkolînên dozê têne hilbijartin ku modelên îstîxbarata aramî an teknîkan diyar dikin. Kesk qursek bernameyek rêber e ku ji bo çareserkirina îstîxbarata artificial e ku pirsgirêkên klînîkî çareser bike û modelan binirxîne. Naverok û temenê xebatê li ser bingeha nirxandina hewcedariyên xwendekar cûda dibin.
Komxebata yekemîn li Zanîngeha Columbia Brîtanî ji Sibatê heta Nîsana 2019 hate li dar xistin, û hemî 8 beşdaran bertekên erênî dan. Ji ber Covid-19, komxebata duyemîn di Cotmehê-Mijdarê 2020-an de, bi 222 xwendekarên bijîjkî û 3 niştecîhan ji 8 dibistanên bijîjkî yên Kanadayî. Slides û kodê pêşkêşî li ser malperek gihîştina vekirî (http://ubcaimed.github.io) hatî barkirin. Bersiva sereke ya ji iterasyona yekem ev bû ku leyistok pir dijwar bûn û materyal jî teorîk in. Xizmetkarê şeşên cuda yên demdirêj pêşengên dijwar dike. Bi vî rengî, komxebata duyemîn her danişîn ji 1 demjimêran kurt kir, lêkolînên qursê zêde kir, û lêkolînên lê zêde kir, û bernameyên boilerplate çêkir ku destûrê dide ku bi navgîniya kodên koda bi debara kêmtirîn (box 1). Bersivên sereke ji iterasyona duyemîn ve di nav ceribandinên bernamekirinê de nerînên erênî û daxwazek ji bo ku plansazkirina plansazkirina ji bo projeya fêrbûna makîneyê ve hatî destnîşan kirin. Ji ber vê yekê, di komxebata me de, di meha Adarê de 126 xwendekarên bijîşkî yên ku di meha Avrêlê de ne, me bêtir dersên kodakirinê û projeya nerînên ku bi karanîna têgehên komxebatê li ser projeyan nîşan dan.
Analîziya daneyê: Zeviyek xwendinê di statîstîkan de ku di daneyên analîzkirin, pêvajoyê, û ragihandina daneyên danûstendinê de nimûneyên wateyê nas dikin.
Danasîna daneyê: Pêvajoya naskirin û derxistina daneyan. Di çarçoweya îstîxbarata artificial de, ev pir caran mezin e, bi gelek guherbaran ji bo her nimûneyê.
Redkirina Dimensional: Pêvajoya veguherîna daneyan bi gelek taybetmendiyên kesane re di nav taybetmendiyên kêmtir de dema parastina taybetmendiyên girîng ên daneya orjînal.
Taybetmendiyên (di çarçoweya hişmendiya aramî de): Taybetmendiyên pîvandî yên nimûneyê. Bi gelemperî bi "milkê" an "guherbar" ve tête bikar anîn.
Nexşeya aktîfkirina gradient: Teknîkek ku ji bo şîrovekirina modelên îstîxbaratî yên artificial (bi taybetî jî torgilokên neuralîzasyonê yên aramî) tê bikar anîn da ku hûn pêvajoyê xweşbîniya torê an wêneyên ku pir texmîn dikin nas bikin.
Modela Standard: Modela AI ya heyî ya ku ji bo perwerdekirina karên wiha hatiye perwerdekirin.
Testkirina (di çarçoweya îstîxbarata artificial): çavdêrîkirin ka meriv çawa modela kar dike ku daneya ku daneya berê nehatiye dîtin.
Training (di çarçoweya hişmendiya aramî de): Modelek bi daneyan û encaman peyda dike da ku pîvanên xwe yên navxwe xweş bike da ku karên xwe bi karanîna daneyên nû xweş bike.
Vektor: Rêza daneyê. Di fêrbûna makîneyê de, her hêmanek array bi gelemperî taybetmendiyek bêhempa ya nimûneyê ye.
Table 1 qursên herî dawî ji bo Nîsana 2021-ê, di nav de armancên fêrbûna armanckirî ji bo her mijarê. Ev komxebat ji bo wan ên nû ji bo asta teknîkî tê armanc kirin û ji salona yekem a bijîjkî ya pola yekemîn ji we zanebûnek matematîkî hewce nake. Kurs ji hêla 6 xwendekarên bijîşkî û 3 mamosteyên bi dereceyên pêşkeftî ve di endazyariyê de hate pêşve xistin. Endezyaran teoriya îstîxbaratî ya artificial ji bo hînkirinê, û xwendekarên bijîşkî fêrbûna materyalê klînîkî fêr dibin.
Xebatên xebatê, lêkolînên dozê, û bernameyek rêber in. Di leyistoka yekemîn de, em têgehên bijarte yên analîzên daneyê di Biostatisîstan de, di nav de dîtinên daneyê, regresyona lojîstîkî, û berhevoka statîstîkên inductive û inductive. Her çend analîzên daneyê bingeha îstîxbarata artificial e, em mijaran wekî ceribandinên daneyên daneyê, girîngiyê, an dîtbariya înteraktîf dimeşînin. Ev ji ber sedemên deman û her weha ji ber ku hin xwendekarên zanîngehê di biyostatîzmê de hînbûn û xwestin ku mijarên fêrbûna makîneya bêhempa ya makîneyê biparêzin. Leksiyona paşê rêbazên nûjen diyar dike û di formulasyona pirsgirêka AI de, feydeyên û sînorkirinên modelên AI nîqaş dike, û ceribandina modela. Leksiyon ji hêla edebiyat û lêkolîna pratîkî ve li ser amûrên îstîxbarata hunerî ya heyî têne temam kirin. Em tekez dikin ku ji bo nirxandina bandor û feqîriya modêlê hewce dike ku hûn pirsên klînîkî binirxînin, di nav de têgihiştina amûrên îstîxbarata hunerî ya heyî. Mînakî me ji xwendekaran xwest ku rêwerzên birîna serê zarokan ji hêla Kupperman et. Em tekez dikin ku ev mînakek hevbeş a Ai ye ku ji bo şîrovekirinê, ji şûna bijîjkan, analytics pêşbînîkirî pêşkêşî dike.
Di Mînakên Bernameya Bootstrap Vekirî de (https://github.com/ubcaimed/ubcaimed.Github.io/tree/master/Programming_Exampe) How to prescription . û ceribandin. Em notebookên Google Colaboratoriyê (Google LLC, Mountain Mountain, CA) bikar tînin, ku destûrê dide ku koda Python ji gerokek webê were darve kirin. Li Fig. Hêjmar 2 mînakek xebatek bernamekirî peyda dike. Ev werzîşê pêşbînîkirina malignancies bikar tîne ku bi karanîna Wisconsin vekirî ya dataset6 û biryarek dara biryarê ye.
Bernameyên heyî li seranserê hefteyê li ser mijarên têkildar û mînakan ji serlêdanên AI-yê hatine hilbijartin. Hêmanên bernamekirinê tenê tête hesibandin ku ew ji bo peydakirina sîxuriyê di pratîka klînîkî ya pêşerojê de têne hesibandin, wek mînak modelên binirxînin da ku diyar bikin ka ew ji bo ceribandinên klînîkî amade ne. Van mînakan di serîlêdana dawiya dawîn a tevahî-dorpêçkirî de ku çîna ku tumor wekî benîşt an malxebat li ser bingeha parameterên wêneyê bijîşkî digire.
Heterogjeneity of zanîna pêşîn. Beşdarên me di asta zanebûna matematîkî de cih digirin. Mînakî, xwendekarên bi paşverû yên pêşkeftî li materyalên kûrtir digerin, wek mînak ka meriv çawa veguherînên xwe yên Fourier pêk tîne. Lêbelê, nîqaşkirina algorîtmaya çaremîn a li polê ne gengaz e ji ber ku ew hewce dike ku bi zanîna kûrahiya îşaretê de bi kûrahî nîşan bide.
Derketina tevlêbûnê. Beşdariya li civînên şopandinê kêm bû, nemaze di formên serhêl de. Dibe ku çareseriyek were şopandin û belgeya temamkirinê peyda bike. Dibistanên bijîjkî têne zanîn ku bi israreserkirina çalakiyên akademîk ên xweser ên xwendekaran nas dikin, ku dikarin xwendekaran teşwîq bikin ku li pêş de biçin.
Sêwirana Kursê: Ji ber ku Ai gelek subfields span dike, têgehên bingehîn ên kûrahiya kûr û nîgarê ya rastîn hilbijêrin. Mînakî, domdariya karanîna amûrên AI ji laboratorê ji klînîkê re mijarek girîng e. Dema ku em avahiyên daneyê, avakirina modêlê, û erêkirinê vedihewînin, em nagirin Prensîba rêberiya me ew e ku xwende, ne jêhatîbûnê baştir bike. Mînakî, têgihiştina Modela Pêvajoyên Pêvajoyên Pêvajoyê ji bo şîroveyê girîng e. Yek awayek ku vê yekê bike ev e ku hûn nexşeyên çalakkirinê yên gradient bikar bînin, ku dikarin li kîjan deverên daneyê pêşbîn bikin. Lêbelê, ev hewce dike ku kalîteya pirrjimar hewce bike û nikare were danîn. Pêşketina termînek hevbeş dijwar bû ji ber ku em hewl dan ku rave bikin ka meriv çawa bi daneyên wekî vektorên bêyî formalîzmê matematîkî dixebite. Têbînî ku têgehên cûda xwedî heman wateyê ne, mînakî, di epidemiology de, "taybetmendiyek" wekî "cûrbecûr" an "taybetmendî" tête diyar kirin.
Ragihandina zanînê. Ji ber ku serîlêdana AI bi sînor e, heya ku beşdaran zanyarî digire. Kursên dibistana bijîjkî bi gelemperî li ser dubarekirina spartedê sekinî da ku zanîna di dema zivirandina pratîkî de, 9 ya ku dikare li ser perwerdehiya AI were sepandin.
Profesyonelîzm ji wêjeyê girîngtir e. Kûrahiya materyalê bêyî hişmendiya matematîkî, ku pirsgirêk di destpêkirina qursên klînîkî de di hişmendiya hunerî de ye, hatiye çêkirin. Di mînakên bernameyê de, em bernameyek şablonê bikar tînin ku beşdaran zeviyan dagirin û nermalav bêyî ku fêm bikin ka meriv çawa li hawîrdora bernamenek bêkêmasî bicîh kiriye.
Pirsgirêkên li ser hişmendiya مصنوعی Ragihandî: Têkiliyek berfireh heye ku îstîxbarata artificial dikare hin erkên klînîkî biguhezîne. Ji bo çareserkirina vê pirsgirêkê, em sînorkirinên AI, tevî vê rastiyê diyar dikin ku hema hema hemî teknolojiyên AI-yê ku ji hêla rêgiran ve hatî pejirandin hewceyê çavdêriya bijîjkî ye. Her weha em girîngiya biasan tekez dikin ji ber ku algorîtmayên ku ji bo biyasan in, nemaze heke daneya daneyê ne cihêreng e. Di encamê de, dibe ku subgroupek bi şaşî were model kirin, rê li ber biryarên klînîkî neheq dike.
Resourcesavkaniyên bi gelemperî hene: Me çavkaniyên gelemperî peyda kirine, di nav de dirûşmên leyist û kod. Her çend gihîştina naveroka synchronous ji ber zeviyên deman sînorkirî ye, naveroka çavkaniya vekirî ji bo fêrbûna asynchronous ji ber ku pisporiya ku AI li hemû dibistanên bijîşkî tune ye, rêbazek hêsan e.
Hevkariya navborî: Ev komxebatek ji hêla xwendekarên bijîjkî ve hatî destpêkirin da ku ji hêla endezyaran ve qursan plan bikin. Ev di her du deveran de derfetên hevpar û zanebûnê nîşan dide, ku destûrê dide beşdaran rola potansiyela ku ew dikarin di pêşerojê de beşdar bibin.
Parçeyên bingehîn ên bingehîn destnîşan bikin. Daxuyaniyek navnîşek diyarker avahiyek standard peyda dike ku dikare di qursên bijîjkî yên bingehîn ên bingehîn de yek bibe. Vê komxebatê niha asta fêrbûnê 2 (têgihiştinê), 3 (serîlêdan), û 4 (analîz) ji baca bloya. Resourcesavkaniyên di astên astên bilindtir de, wekî afirandina projeyan, dikarin zanebûnê bêtir hêz bikin. Ev hewce dike ku bi pisporên klînîkî re bixebitin da ku ka mijarên AI-ê çawa li ser karên klînîkî werin bicîh kirin û pêşî li hînkirina mijarên dubare yên ku berê di dersên bijîjkî yên standard de hatine bicîh kirin.
Xebatên dozê biafirînin AI. Wekî mînakên klînîkî, fêrbûna bingeha dozê dikare têgehên abstrakt bi ronîkirina têkiliya xwe ji pirsên klînîkî re xurt bikin. Mînakî, xwendina xebatê ya Sîstema Detektîf a Detecîtê ya Detecîtê ya Derîn a Google-ê analîz kir da ku pirsgirêkên li ser riya ku ji bo klînîkê, wek daxwazên erêkirina derveyî û rêgezên pejirandina rêziknameyê nas bikin.
Fêrbûna ezmûnî bikar bînin: Hişmendiyên teknîkî hewce dike ku pratîkek mijûlbûyî û serîlêdana dubare ji bo master, mîna ezmûnên fêrbûna rotîner ên perwerdehiyên klînîkî bikar bînin. Yek çareseriya potansiyel modela pola flipped e, ku hatiye ragihandin ku di perwerdehiya endezyariyê de ragirtina zanînê baştir dibe. Di vê modêlê de, xwendekar ji materyalê teorîk serbixwe û wextê çîna xwe ji bo çareserkirina pirsgirêkan di nav lêkolînên dozê de têne dayîn.
Dirêjkirina ji bo beşdarên pirrengî: Em ji hevkariya hevkariya hevpariyê re li seranserî dîsîplînan, di nav de bijîjk û pisporên tenduristiyê yên hevgirtî yên bi astên cûda yên perwerdehiyê re pêşve xistin. Ji ber vê yekê, dibe ku dersê bi şêwirmendiyê bi fakulteya ji dezgehên cûda re were pêşxistin da ku naveroka xwe li deverên cûda yên lênihêrîna tenduristiyê bide hev.
Intelligenceixbarata artificial-teknolojî û têgehên wê yên bingehîn bi zanistiya matematîkî û computerê re têkildar in. Perestgeha tenduristiyê ya perwerdehiyê ji bo fêmkirina îstîxbarata artificial di hilbijartina naverokê de, têkildarî û rêbazên radestkirinê, di hilbijartina naverokê de dijberên bêhempa pêşkêş dikin. Em hêvî dikin ku di xebatkarên perwerdehiyê de di xebatkarên perwerdehiyê de ji we re bibin alîkar ku mamosteyên pêşerojê bi awayên nûjen ên hevgirtina AI-yê di perwerdehiya bijîjkî de bibin alîkar.
Skrîpta Google Colboon çavkaniya vekirî ye û li: https://github.com/ubcaimed/ubcaimed.Github.io/tree/master/.
Proper, KG AND KHAN, S. RETHINKING Perwerdehiya Tenduristî: A banga çalakiyê. Akkad. derman. 88, 1407-1410 (2013).
Mccoy, LG hwd Numbers NPZH. Derman 3, 1-3 (2020).
Dos santos, dp, et al. Helwestên xwendekarên bijîjkî berbi îstîxbarata hunerî: Lêkolînek multicenter. Ewro. xûyankirinî. 29, 1640-1646 (2019).
Fan, KY, Hu, R., û Singla, R. Destpêkirina Makîneyê ji bo xwendekarên bijîşkî: projeyek pîlot. J. med. hînkirin. 54, 1042-1043 (2020).
Cooperman n, et al. Naskirina zarokan di xetereya pir kêm a birîna mêjî ya girîng a klînîkî ya ku piştî birîndarbûna serê: Lêkolînek Cohort Pêşkêşker. Lancet 374, 1160-1170 (2009).
Kolane, WN, Wolberg, WH û MANGASARIAN, OL. Taybetmendiya taybetmendiya nukleerê ji bo tespîtkirina tumoriya pêsîrê. Zanista biyomedîkî. Pêvajoya wêneyê. Zanista biyomedîkî. Weiss. 1905, 861-870 (1993).
Chen, PHC, Liu, Y. P Peng, L. Howawa Pêşveçûn Modelên Fêrbûna Machine ji bo Tenduristiyê. Nat. Matt. 18, 410-414 (2019).
Selvaraju, rr et al. Grad-cam: şîrovekirina dîtbarî ya torên kûr bi navgîniya herêmî-bingehîn. Dozên Konferansa Navneteweyî ya IEEE li ser Vîzyona Computer, 618-626 (2017).
Kumaravel B, Stewart K and Ilic D. Pêşveçûn û nirxandina modela spiral ji bo nirxandina pêşbaziyên derman-bingeha delîlan bi karanîna OSCE di perwerdehiya bijîjkî ya zanîngehê de. Dermanê BMK. hînkirin. 21, 1-9 (2021).
Kolachalama Vb û Garg Ps Fêrbûna Makîneyê û Perwerdehiya Derman. Numbers NPZH. derman. 1, 1-3 (2018).
Van Leeuwen, KG, Schalekamp, S., Rutten, MJ, Van Ginneken, B., Rutoy, M. Ewro. xûyankirinî. 31, 3797-3804 (2021).
Topol, dermanê bilind-performansa bilind: Tevgera hişmendiya mirovî û artificial. Nat. derman. 25, 44-56 (2019).
Bede, E. et al. Nirxandina mirovî ya mirovî ya pergalek fêrbûna kûr a ku di klînîkê de ji bo tespîtkirina retinoopatiya diabetic hate damezrandin. Dozên konferansa 2020 Chi li ser faktorên mirovî di pergalên hesibandin (2020).
Kerr, B. Di perwerdehiya endezyariyê de çîna flipped: lêkolînek lêkolînê. Dozên Konferansa Navneteweyî ya 2015 li ser Fêrbûna Hevkar a Interactive (2015).
Nivîskar spas dikin Danielle Walker, Tim Salcudin, û Peter Zandstra ji xêza biyomedîkî û koma lêkolînê ya aramî ya li Zanîngeha Brîtanya Columbia ji bo piştgirî û fînansê.
RH, PP, Zh, RS û MA berpirsiyar ji bo pêşxistina naveroka hînkirinê ya xebatê. RH û PP berpirsiyarê pêşxistina nimûneyên bernamekirinê bûn. KYF, OY, MT û PW berpirsiyarê rêxistina lojîstîkî ya projeyê bûn û analîzên xebatê. RH, Oy, MT, Rs berpirsiyarê afirandina kesayet û maseyan bûn. Rh, kyf, pp, zh, oy, my, pw, tl, ma, rs berpirsiyar ji bo pêşnûme û guhertina belgeyê.
Dermanê ragihandinê spas Carolyn McGregor, Fabio Moraes, û Aditya borakati ji bo beşdariyên wan ji bo nirxandina vê xebatê.
Demjimêra paşîn: Feb-19-2024