1.提供統(tǒng)計(jì)數(shù)據(jù)分析概述課程內(nèi)容,主要介紹統(tǒng)計(jì)數(shù)據(jù)分析的基本概念、醫(yī)學(xué)統(tǒng)計(jì)數(shù)據(jù)的獲取方式及數(shù)據(jù)預(yù)處理方法課程內(nèi)容。 2. (略) 空氣污染數(shù)據(jù)分析實(shí)驗(yàn)項(xiàng)目,具體內(nèi)容包括:統(tǒng)計(jì)描述的基本方法和使用EXCEL進(jìn)行進(jìn)行統(tǒng)計(jì)描述。 3.提供數(shù)據(jù)分析方法課程內(nèi)容,主要介紹統(tǒng)計(jì)數(shù)據(jù)分析中使用到的t檢驗(yàn)、F檢驗(yàn)、卡方檢驗(yàn)等統(tǒng)計(jì)推斷方法。 4.提供中國(guó)青少年體質(zhì)數(shù)據(jù)分析實(shí)驗(yàn)項(xiàng)目,具體內(nèi)容包括:統(tǒng)計(jì)推斷的基本方法和使用Python進(jìn)行進(jìn)行統(tǒng)計(jì)推斷。 5.提供文本表示課程內(nèi)容,主要介紹主要介紹醫(yī)學(xué)文本數(shù)據(jù)的基本內(nèi)容,文本表示的基本概念以及相關(guān)技術(shù)。 6.提供文本數(shù)據(jù)分詞與文本表示實(shí)驗(yàn)項(xiàng)目,具體內(nèi)容包括:讀取數(shù)據(jù),數(shù)據(jù)預(yù)處理,實(shí)現(xiàn)FMM/BMM算法,利用實(shí)現(xiàn)的FMM/BMM算法對(duì)醫(yī)案數(shù)據(jù)進(jìn)行分詞,輸出并存儲(chǔ)分詞結(jié)果和文本向量化表示。 7.提供文本相似課程內(nèi)容,具體內(nèi)容包括:文本相似性及其相關(guān)概念、基于字符串相似的方法中的經(jīng)典算法和文本相似度的計(jì)算方法。 8.提供文本相似評(píng)估實(shí)驗(yàn)項(xiàng)目,具體內(nèi)容包括:利用患者癥狀向量表示對(duì)患者的癥狀相似度進(jìn)行計(jì)算,得到所有患者間的癥狀相似度結(jié)果。 9.提供文本信息抽取課程內(nèi)容,主要介紹信息抽取的相關(guān)概念及常用算法和兩個(gè)有監(jiān)督關(guān)系抽取方法。 10.提供關(guān)系抽取調(diào)參實(shí)驗(yàn)項(xiàng)目,具體內(nèi)容包括:對(duì)CNN+SoftMax這個(gè)模型進(jìn)行調(diào)參,理解在關(guān)系分類模型上不同超參數(shù)對(duì)實(shí)驗(yàn)結(jié)果的影響。 11.提供文本分類課程內(nèi)容,主要介紹文本分類和相關(guān)概念和不同類型的文本分類方法。 12.提供文本分類實(shí)驗(yàn)項(xiàng)目,具體內(nèi)容包括:基于 (略) 絡(luò),實(shí)現(xiàn)基本的疾病分類模型。通過(guò)數(shù)據(jù)讀取,特征初始化,數(shù)據(jù)集劃分,模型構(gòu)建與訓(xùn)練,測(cè)試評(píng)估等環(huán)節(jié),構(gòu)建疾病分類模型,從而實(shí)現(xiàn)文本分類技術(shù)在醫(yī)學(xué)文本的應(yīng)用。 13.提供文本聚類課程內(nèi)容,主要介紹詞云圖的原理和一些常用工具、網(wǎng)絡(luò)的基本概念和基本屬性和文本聚類中的相關(guān)算法。 14.提供文本聚類實(shí)驗(yàn)項(xiàng)目,具體內(nèi)容包括:對(duì)網(wǎng)絡(luò)可視化技術(shù)進(jìn)行實(shí)踐以及實(shí)踐文本聚類的相關(guān)方法。 15.提供腦電數(shù)據(jù)簡(jiǎn)介和預(yù)處理課程內(nèi)容,主要介紹腦電數(shù)據(jù)讀取與方法和腦電數(shù)據(jù)預(yù)處理方法。 16.提供腦電數(shù)據(jù)簡(jiǎn)介和預(yù)處理實(shí)驗(yàn)項(xiàng)目,具體內(nèi)容包括:腦電數(shù)據(jù)特點(diǎn)、MNE相關(guān)函數(shù)進(jìn)行腦電數(shù)據(jù)的預(yù)處理。 17.提供腦電數(shù)據(jù)的時(shí)頻分析課程內(nèi)容,主要介紹腦電數(shù)據(jù)的功率譜分析方法、腦電數(shù)據(jù)的短時(shí)傅里葉變換方法和腦電數(shù)據(jù)的小波分析方法。 18.提供腦電數(shù)據(jù)的時(shí)頻分析實(shí)驗(yàn)項(xiàng)目,具體內(nèi)容包括:功率譜分析在腦電數(shù)據(jù)分析中的應(yīng)用、短時(shí)傅里葉變換在腦電數(shù)據(jù)分析中的應(yīng)用和小波分析在腦電數(shù)據(jù)分析中的應(yīng)用。 19.提供腦電數(shù)據(jù)的非線性分析課程內(nèi)容,主要介紹LZC復(fù)雜度、LZC復(fù)雜度計(jì)算方式、小波熵、小波熵計(jì)算方式、分形維數(shù)和分形維數(shù)計(jì)算方式。 20.提供腦電數(shù)據(jù)的非線性分析實(shí)驗(yàn)項(xiàng)目,具體內(nèi)容:包括腦電數(shù)據(jù)的非線性分析方法,LZC復(fù)雜度、小波熵和分形維數(shù)。 21.提供腦 (略) 絡(luò)分析課程內(nèi)容,主 (略) 絡(luò)的構(gòu) (略) 絡(luò)參數(shù)的計(jì)算與分析方法及相關(guān)函數(shù)。 22.提供腦 (略) 絡(luò)分析實(shí)驗(yàn)項(xiàng)目,具體內(nèi)容包括:基于圖論的對(duì) (略) 絡(luò)進(jìn)行描繪和評(píng)估的分析方法和相關(guān)函數(shù)。 23.腦電綜合案例分析(SSVEP腦機(jī)接口)課程內(nèi)容,主要介紹SSVEP數(shù)據(jù)讀入、預(yù)處理、特征提取方法和兩種SSVEP數(shù)據(jù)分類方法。 24.腦電綜合案例分析(SSVEP腦機(jī)接口)實(shí)驗(yàn)項(xiàng)目,具體內(nèi)容包括:基于視覺(jué)穩(wěn)態(tài)誘發(fā)電位(SSVEP)的腦機(jī)接口的數(shù)據(jù)分析為例,介紹上述方法在處理實(shí)際問(wèn)題中的綜合應(yīng)用。 25.提供醫(yī)學(xué)圖像基礎(chǔ)運(yùn)算課程內(nèi)容,主要介紹醫(yī)學(xué)圖像基礎(chǔ)運(yùn)算、圖像的基本表示方法、圖像的灰度變換和圖像的幾何變換。 26.提供醫(yī)學(xué)圖像基礎(chǔ)運(yùn)算實(shí)驗(yàn)項(xiàng)目,具體內(nèi)容包括:使用PIL庫(kù)函數(shù)進(jìn)行圖像處理。 27.提供醫(yī)學(xué)圖像增強(qiáng)課程內(nèi)容,主要介紹醫(yī)學(xué)圖像的直方圖增強(qiáng)和空域與頻域?yàn)V波增強(qiáng)。 28.提供醫(yī)學(xué)圖像增強(qiáng)實(shí)驗(yàn)項(xiàng)目,具體內(nèi)容包括:學(xué)臺(tái)須具備原創(chuàng)知識(shí)產(chǎn)權(quán)的深度學(xué)臺(tái)實(shí)驗(yàn)設(shè)計(jì)須包括模型壓縮、模型預(yù)訓(xùn)練、調(diào)參,平臺(tái)須支持持久化緩存的函數(shù)加速方法; (3). (略) 并發(fā)響應(yīng)能力,支持更多用戶同時(shí)在線使用,平臺(tái)計(jì)算引擎的工作模式應(yīng)支持響應(yīng)服務(wù)請(qǐng)求和執(zhí)行代碼解耦; (4).為解決同時(shí)接入訪問(wèn)瓶頸,平臺(tái)應(yīng)具備消息隊(duì)列機(jī)制進(jìn)行異步處理和流量削峰機(jī)制; (5).為提升GPU硬件資源利用率以及同時(shí)實(shí)驗(yàn)人數(shù),平臺(tái)計(jì)算引擎須支持GPU虛擬化技術(shù),單卡至少可以被劃分為5張?zhí)摂MGPU卡調(diào)用; (6).平臺(tái)須保證數(shù)據(jù)安全,數(shù)據(jù)庫(kù)支持每天頻率的自動(dòng)備份,文件存儲(chǔ)至少支持落盤雙副本; (7).為便于使用,平臺(tái)須采用B/S架構(gòu),滿足適合人工智能教學(xué)多樣化需求,支持私有云部署方式; (8).平臺(tái)須支持容器技術(shù)和分布式存儲(chǔ)系統(tǒng),實(shí)現(xiàn)快速部署和彈性管理; (9).軟件部署架構(gòu):平臺(tái)使用Kubernet (略) ,應(yīng)用通過(guò)容器化部署在Docker環(huán)境中,通過(guò)Kubernetes進(jìn)行資源編排; 40.實(shí)驗(yàn)需運(yùn)行在人工智能教學(xué)中心模塊上,學(xué)生通過(guò) (略) 使用。 |