在线课程 – 使用深入的 Google 学习做出明智的临床决策的认证专业。

了解如何将深度学习应用于电子健康记录。探索从临床数据库中的数据挖掘到临床决策支持系统的路径。

Suggested by: Coursera (What is Coursera?)

Start your Coursera.com free trial today
在线课程 - 使用深入的 Google 学习做出明智的临床决策的认证专业。

Professional Certificate

中档

No prior knowledge required

Time to complete the course

7-day free trial

No unnecessary risks

Skills you will acquire in the course

  • 从临床数据库挖掘数据
  • 电子病历中的深度学习
  • 适用于健康应用的可解释深度学习模型
  • 临床决策支持系统
  • EHR 预处理
  • 构建深度学习模型
  • 模型的一般说明
  • 模型的局部解释

What you will learn in the course

Courses for which the course is suitable

  • 临床数据分析师
  • 开发深度学习模型
  • 医疗保健软件工程师
  • 临床决策支持系统专家
  • 健康人工智能领域的研究员
  • 医疗信息系统分析师
  • 医学算法开发者
  • 医疗信息挖掘专家
  • 为医疗保健系统开发技术解决方案
  • 医疗预测分析仪

专业化 – 5 门课程系列

该专业面向具有编程经验的学习者，他们希望扩展他们在电子病历中应用深度学习的技能，重点是如何将他们的模型转化为临床决策支持系统。

主要主题

  • 从临床数据库挖掘数据：伦理学、MIMIC III 数据库、国际疾病分类系统和常见临床结果的定义。
  • 电子病历中的深度学习：从描述性分析到预测分析。
  • 深度学习模型可以解释用于医疗保健应用：它们是什么以及为什么需要它们。
  • 临床决策支持系统：AI 算法的包容性、信息偏差、“公平性”、临床可用性和隐私。

实践学习项目

学习者有机会根据从 MIMIC-III 中提取的数据集选择并执行练习，并结合以下方面的知识：

  • 从临床数据库中挖掘信息借用了 MIMIC 数据库。
  • 电子病历中的深度学习，用于 EHR 预处理和深度学习模型构建。
  • 深度学习模型可以解释给 health 来解释模型的决策。

可供选择的选项

  • 重症监护 MIMIC 数据库交换中一项功能的重要性： 该技术应用于 logistic 回归和 LSTM 模型。出现的解释是对模型的一般解释。
  • 用于重症监护的 MIMIC 数据库上的 LIME： 该技术应用于逻辑回归和 LSTM 模型。生成的解释是模型的局部解释。
  • 用于重症监护的 MIMIC 数据库上的 Grad-CAM： GradCam 应用于预测死亡率的 LSTM 模型。生成的解释是模型的局部解释。

Details of the courses that make up the specialization

从临床数据库提取数据 – CDSS 1

课程 1
20 小时
4.8 （13 评价）

学习内容

  • 了解可公开访问的 EHR 数据库 （MIMIC-III） 的架构
  • 熟悉国际疾病分类 （ICD） 的使用方法
  • 从临床数据库中提取和可视化理论统计数据
  • 了解并提取关键临床结果，例如死亡率和住院时间

您将获得的技能

  • 从临床数据库中抓取数据
  • 电子病历
  • 理论统计
  • 电子病历中的道德规范
  • 国际疾病分类

电子病历中的深度学习 – CDSS 2

课程 2
31 小时

学习内容

  • 指导深度学习架构，例如多层感知器、卷积神经网络和递归神经网络，以便进行分类
  • 验证和比较不同的机器学习算法
  • 部署电子健康记录并将其表示为时间序列数据
  • 减法和数据编码策略

您将获得的技能

  • 全局和本地解释
  • 可解释的机器学习模型
  • 注意力机制
  • 解释 vs. 解释
  • 中立和特定型号

医疗保健深度学习的解释模型 – CDSS 3

课程 3
30 小时
4.6 （15 评价）

学习内容

  • 将全局解释方法编码到时间序列分类类别中
  • 为深度学习编写本地解释方法，例如 CAM 和 GRAD-CAM
  • 了解深度学习网络的成熟方法
  • 将注意力集成到重复的神经网络中，并可视化注意力权重

您将获得的技能

  • 递归神经网络
  • 卷积神经网络
  • 数据编码和自动编码器
  • EHR 和减法的过程
  • 深度学习和验证

临床决策支持系统 – CDSS 4

课程 4
8 小时

学习内容

  • 临床决策支持系统的评估
  • 机器学习模型中的失真、校准和公平性
  • 决策曲线分析和以受众为中心的临床支持系统
  • 临床决策支持系统中的隐私问题

您将获得的技能

  • 临床支持系统中的隐私问题
  • 机器学习模型中的扭曲和公平性
  • 机器学习模型中的校准
  • 临床支持系统
  • 以受众为中心的临床支持系统

屋顶任务 – CDSS 5

课程 5
2 小时

学习内容

本课程是一项总括性作业，要求您应用在整个实习期间学到的知识和技能。在本课程中，您将选择其中一个字段并完成要通过的任务。

相关产品