ARRS Machine Learning (ML) και Τεχνητή Νοημοσύνη (AI) στο διαδικτυακό μάθημα ακτινολογίας 2021

Πλήρες μάθημα βίντεο

ΘΑ ΠΑΡΕΤΕ ΤΟ ΜΑΘΗΜΑ ΜΕΣΩ ΖΩΝΤΑΝΗΣ ΛΗΨΗΣ ΣΥΝΔΕΣΜΟΣ (ΓΡΗΓΟΡΑ ΤΑΧΥΤΗΤΑ) ΜΕΤΑ ΤΗΝ ΠΛΗΡΩΜΗ

Εστιάζοντας στις βασικές αρχές της μηχανικής μάθησης (ML) και της τεχνητής νοημοσύνης (AI) στην ακτινολογία, καθώς και τις τρέχουσες κλινικές εφαρμογές και τις μελλοντικές εφαρμοσμένες εξελίξεις, οι συμμετέχοντες σε αυτό το Διαδικτυακό Μάθημα θα είναι καλύτερα εξοπλισμένοι για την κριτική αξιολόγηση και την εφαρμογή συστημάτων ML και AI στα δικές πρακτικές απεικόνισης

Μαθησιακά Αποτελέσματα και Διαλέξεις

Μετά την ολοκλήρωση αυτού του μαθήματος, ο μαθητής θα πρέπει να είναι σε θέση:

• Συζητήστε τα βασικά της Μηχανικής Μάθησης και της Τεχνητής Νοημοσύνης
• Εξηγήστε πώς οι αλγόριθμοι AI μπορούν να επηρεαστούν από προκατάληψη
• Αναγνωρίστε την επίδραση των συστημάτων AI στην κλινική συλλογιστική
• Αξιολογήστε νέες αξιώσεις και προσφορές AI και διαχωρίστε τη διαφημιστική εκστρατεία από την πραγματικότητα στο Radiology AI
• Συζητήστε πώς χρησιμοποιείται το Radiology AI επί του παρόντος στην καρδιοθωρακική απεικόνιση
• Αναφορά μελλοντικών εξελίξεων στην ΑΙ στην Ακτινολογία
• Αναγνωρίστε ορισμένα ηθικά ζητήματα στην Ακτινολογία AI

Ημερομηνία έκδοσης: Φεβρουάριος 22, 2021
Ημερομηνία λήξης: Φεβρουάριος 21, 202

Θέματα και ομιλητές:

Ενότητα 1

• Ακτινολογία AI: Πέρα από τη διαφημιστική εκστρατεία—John Banja, MD
• Τα βασικά της μηχανικής μάθησης και της τεχνητής νοημοσύνης—Στίβεν Λι, ΜΑ

Ενότητα 2

• Προκατάληψη στο AI—Michael Bruno, MD
• AI στην απεικόνιση πνευμόνων και καρδιοακτινοβολία—Anthony Reeves, Ph.D

Ενότητα 3

• AI και κλινική λογική: Καθρέφτης ή ευρετική—David Chartash, Ph.D
• Ο δρόμος μπροστά για την τεχνητή νοημοσύνη στην ακτινολογία—Charles Kahn, MD