由 Laurence Moroney，AI 倡导者 发布

我很高兴与大家分享 TensorFlow 社区的一个重要方面：当教育工作者和领域专家教授和培训开发人员如何使用机器学习技术来解决各种场景下的重要任务时，包括医疗保健领域。为此，deeplearning.ai 和 Coursera 推出了一个使用 TensorFlow 的“医疗 AI”专业课程。
看到其他人如何使用 TensorFlow 来解决现实世界的问题，这是我们团队最激动人心的事情。在这个由 Andrew Ng 介绍，由 Pranav Rajpurkar 教授的 三门课程专业课程 中，我们希望扩大访问权限，让更多人能够了解医疗机器学习问题的需求。

deeplearning.ai 和 Coursera 设计了一个专业课程，分为三个课程。第一个课程是医疗诊断的机器学习，它将带您了解一些关于医疗问题诊断的假设机器学习场景。在第一周，您将探索像检测皮肤癌、眼病和组织病理学这样的场景。您将动手学习如何在 TensorFlow 中使用卷积神经网络编写代码来检查图像，例如，可以使用它来识别 X 光片中的不同病症。

本课程需要您具备一些 TensorFlow 的知识，使用卷积神经网络、迁移学习、自然语言处理等技术。我建议您参加 TensorFlow：实践 专业课程，以了解其背后的编码技能，以及 深度学习 专业课程，更深入地了解其背后的技术原理。另一个学习本课程中使用的技术的资源是 《SciKit-Learn、Keras 和 TensorFlow 机器学习实战》 一书，作者是 Aurelien Geron。

我真正喜欢这门课程的一点是，它将医学术语与 TensorFlow 中常见的机器学习技术，如数据增强，结合起来，以改进您的模型。注意：本课程中使用的所有数据都是去识别的。

Rajpurkar 和 Ng 的课程中的练习：使用图像增强来扩展数据集的有效大小。

本课程继续介绍评估指标等技术，并隔离关键指标，并了解如何准确地解释置信区间。

第一个课程以对图像处理的深入探讨结束，这次是使用 分割 在 MRI 图像中，最后用在 MRI 上进行脑肿瘤自动分割的编程作业结束。

本专业课程的第二个课程将是医疗预后的机器学习，您将在其中学习构建模型以预测患者未来的健康状况。您将学习从报告中提取数据的技术，例如患者的健康指标、病史和人口统计信息，以预测他们发生重大事件（如心脏病发作）的风险。

第三个也是最后一个课程是医疗治疗的机器学习，其中模型可能用于辅助医疗护理，以预测某种医疗治疗对患者的潜在影响。它还将介绍使用机器学习进行文本处理，以便您可以使用 NLP 技术从放射线报告中提取信息以获取标签，或者为回答医学问题的机器人提供基础。

用 Andrew Ng 的话说，“即使你目前的工作不是在医学领域，我认为你会发现这些应用场景和这些场景的实践非常有用，也许这个专业课程会激发你对医学的更多兴趣”。

该 专业课程 在 Coursera 上提供，与所有课程一样，可以免费 试听。您可以在 deeplearning.ai 的网站 上了解更多关于他们的信息，以及在 tensorflow.org 上了解更多关于 TensorFlow 的信息。