全球名校AI课程库（32）| MIT麻省理工 · 医疗机器学习课程『Machine Learning for Healthcare』_fundamentals of machine learning and deep learning-优快云博客

6.S897; Machine Learning for Healthcare; 医疗机器学习

🏆 课程学习中心 | 🚧 AI生物医疗课程合辑 | 🌍 课程主页 | 📺 中英字幕视频 | 🚀 项目代码解析

课程介绍

MIT 6.S897是全球顶校麻省理工开设的医学与机器学习的交叉专业课程。课程两位 MIT (副)教授对医学、机器学习内容进行了专业讲解，并邀请临床医生进行客座讲座，以及使用真实临床数据设计了课程项目，帮助学生真实地理解将机器学习技能转化到临床实践中的微妙之处。

医学部分，课程讲解了临床数据的特性，如何将机器学习用于风险分层、疾病进展建模、精准医学、诊断、亚型发现和改进临床工作流程等。

机器学习部分，课程主题包括因果关系、可解释性、算法公平性、时间序列分析、图形模型、深度学习和迁移学习等。

课程主题

课程官网发布了课程主题，ShowMeAI 对其进行了翻译。

Overview of Clinical Care（临床护理概述）
Deep Dive into Clinical Data（深入研究临床数据）
Risk Stratification（风险分层）
Physiological Time-Series（生理时间序列）
Natural Language Processing (NLP)（自然语言处理(NLP)）
Translating Technology into the Clinic（将技术转化到临床）
Machine Learning for Cardiology（机器学习在心脏成像中的应用）
Machine Learning for Differential Diagnosis（鉴别诊断）
Machine Learning for Pathology（病理学机器学习）
Machine Learning for Mammography（用于乳房X光检查的机器学习）
Causal Inference（因果推断）
Reinforcement Learning（强化学习）
Disease Progression & Subtyping（疾病进展建模和亚型）
Precision Medicine（精准医学）
Automating Clinical Workflows（自动化临床工作流程）

课程讲师 Peter Szolovits，MIT计算机科学与工程教授，也是 CSAIL 临床决策小组的负责人。他的研究重点是人工智能方法在医疗决策问题中的应用，以及医疗机构和患者信息系统的设计，致力于解决各种医疗状况的诊断、治疗计划、执行和监测、遗传咨询的计算，以及医疗记录系统中的隐私和保密问题。

课程讲师 David Sontag，2017 年加入MIT，担任医学工程与科学研究所 (IMES) 的职业发展教授和电气工程与计算机科学系 (EECS) 的副教授，还是计算机科学与人工智能实验室 (CSAIL) 的首席研究员。

课程资料 | 下载

扫描上方图片二维码，关注公众号并回复关键字 🎯『6.S897』，就可以获取整理完整的资料合辑啦！当然也可以点击 🎯 这里查看更多课程的资料获取方式！

ShowMeAI 对课程资料进行了梳理，整理成这份完备且清晰的资料包：

📚 课件。PDF文件。覆盖Lecture 1~25所有章节。
📚 笔记。PDF文件。覆盖Lecture 1~24课程学习要点，图文并茂。
📚 习题。PDF文件和.ipynb文件。覆盖Recitation 1~9，涉及学习中的常见问题与答案。
📚 拓展阅读材料。PDF文件。课程推荐的19篇相关论文/文章。