牛津大学,简称“牛津”(Oxford),位于英国牛津,世界顶尖的公立研究型大学,采用书院联邦制。 牛津大学的具体建校时间已不可考,但有档案明确记载的最早的授课时间为1096年,之后在1167年因得到了英国皇室的大力支持而快速发展。牛津大学是英语世界中最古老的大学,也是世界上现存第二古老的高等教育机构。 该校涌现了一批引领时代的科学巨匠,培养了大量开创纪元的艺术大师、国家元首,其中包括28位英国首相及数十位世界各国元首、政商界领袖。 牛津大学在数学、物理、医学、法学、商学等多个领域拥有崇高的学术地位及广泛的影响力,被公认为是当今世界最顶尖的高等教育机构之一。从1902年起,牛津大学还设立了面向全世界本科生的“罗德奖学金”。 截止至2019年3月,牛津大学的校友、教授及研究人员中,共有72位诺贝尔奖得主(世界第九)、3位菲尔兹奖得主(世界第二十)、6位图灵奖得主(世界第九)。
课题背景:
随着成像技术的发展,我们从微观视角下中提取信息的能力越来越强,而这些信息在基础生物医学研究和越来越多的临床应用中发挥着越来越重要的作用。 生物医学成像技术利用x射线(CT扫描)、声音(超声)、磁性(MRI)、放射性药物(核医学:SPECT、PET)或光(内窥镜、OCT)来评估器官或组织的当前状况, 并可以对患者进行持续监测,对后续进行的诊断和治疗评估有重大意义。 在此背景下,我们需要利用自动图像分析方法从这些庞大而复杂的数据集中提取定量信息,减少临床的工作量同时,提高诊断的准确度。 例如,此类算法可用于计算给定组织学切片中的细胞数量。在更先进的应用中,有很多算法可以帮助医生评估诊断某些疾病,如黑色素瘤,乳腺肿块等等。
课题内容:
本课程将介绍计算机视觉和机器学习在医学图像中的应用。将在真实的数据集中使用一组具体应用这些方法。 课程将会涵盖生物成像和计算病理学提供简要的背景知识,并通过传统机器学习以及神经网络深度学习的方法提取特征对图像进行分割,追踪,并进一步分类。 该课程涉及话题:机器学习,深度学习,卷积神经网络,计算机视觉,图像处理。
适合人群:
对成像处理感兴趣的高中生,本科生
修读数学、计算机等专业,以及未来希望在工业自动化、文字及图纸的读取、医疗、交通及遥感图像处理等领域从业的学生
具备Python,数值计算基础的本科生优先;具备相关基础知识的高中生也可以选择
导师介绍:
牛津大学工程学终身教授:Jens Rittscher
时间安排与收获:
10周在线小组科研(总计72课时)
网申推荐信
学术评估报告
项目成绩单
论文成果