|
醫學影像處理與生物大數據資料視覺化實作
課程主題一：醫學影像處理工具3D Slicer實作 3D Slicer是一套免費且開源的醫學影像處理軟體，它是經由美國國立衛生研究院（NIH）的多個資助項目在近二十年內創建的。可在Windows、macOS和多種Linux發行版本上運行，提供了強大的功能，包括影像處理、可視化、分割、註冊和分析。它支援多種影像格式，如核磁共振造影像、電腦斷層掃描和超音波等。3D Slicer是一個功能豐富且廣泛使用的工具，舉例來說，載入CT掃描或MRI的影像數據後，可以使用Segment Editor模塊進行分割，以不同的分割算法和策略來標記感興趣的結構，例如器官、腫瘤或血管，可以在2D和3D視圖中進行分割，並根據需要進行微調；此外，如果有多個影像，可能需要將它們註冊到相同的坐標系，3D Slicer提供了不同的註冊方法，例如剛體註冊、非剛體註冊和變形註冊，可以使用這些方法將不同時間點或不同模態的影像對齊。完成分割和註冊後，可以將分割的結構保存為標籤映射或3D模型，以便進一步分析或可視化。 3D Slicer是專為醫學影像處理和分析而設計的軟體，具備相當豐富的功能，讓它成為當今最受歡迎的醫學標註軟體之一，廣泛用於多種醫療用途，能夠支援各種醫學影像格式，同時亦支援透過嵌入模組擴充功能，是一套功能強大，上手門檻稍高的醫學AI標註軟體。本課程特邀請長庚大學人工智慧學系馬誠佑老師，以實作方式由淺入深帶領學員熟悉3D Slicer的功能與操作，課程內容較適用於有相關使用需求的生物資訊專家和醫學影像專業人員。歡迎有意研究醫學影像AI與對這個主題感興趣的研究同仁踴躍參加！ 課程主題二：生物大數據資料視覺化實作 龐大的生物數據需要有效歸類並加以分析與整合，才能展現數據資料的意義與價值，而大多數人常常侷限於只會生成簡單的長條圖或是折線圖來顯示數據的變化，但是各種數據或是資料表之間, 除了一對一的關聯性外, 可能還有一對多或是多對多的關聯。因此，如何處理與展現數據資料間的關聯性? 如何應用工具分析? 這些都是本次的學習重點。 本課程從"生物大數據視覺化實作"的角度出發，引導學員實機操作生物醫學數據處理與圖表製作，像是利用Excel即可生成差異基因表現量分析常用的熱度圖 (Heatmap)，另外也會實作目前常見的資料視覺化分析工具Power BI。Power BI可以串接多種數據來源，將龐大的原始數據資料轉換成簡單易懂的圖像化儀表板(Dashboard)，同時呈現資料視覺化與互動式報表的效果。舉例來說，我們可以從疾管署資料開放平台下載"登革熱近12個月每日確定病例統計"，經由圖像化儀表板的設計呈現資料熱點，我們可以輕易藉由互動資料同時顯示在各個時間點 (如季、月、日)，全國各縣市的確診病例統計、男女性別及年齡層分布人數，也可以導入地理資訊，顯示互動式的地理位置。 本課程學習的重點是，當我們展示數據和圖表時，能夠用生動、清楚的方式解釋我們的結果報告，而資料視覺化和互動展示在這方面扮演了不可或缺的關鍵角色，可以幫助我們以圖形和互動的方式呈現數據，使得解釋和理解結果變得更加直觀和有趣。期望這個主題能提供相關領域之研究學者及學生在展現實驗數據分析結果上之助益，歡迎大家踴躍參加，一起來學習自動化資料處理與分析的方法。
2024年3月25日(星期一)主題：醫學影像處理與生物大數據資料視覺化實作
|
|||||||||||||||||||||
簡介：