Hoppa direkt till innehållet
printicon

Djupa faltningsnät med tillämpningar i medicinsk bildanalys

  • Antal högskolepoäng 7,5 hp
  • Nivå Avancerad nivå
  • Starttid Vårtermin 2020

Om kursen

Denna kurs behandlar djupa faltningsnät (eng. convolutional neural networks, CNNs) för datorseende, med tillämpningar inom medicinsk bildanalys. Kursen ger en introduktion till grundläggande begrepp inom maskininlärning, beskriver neuronnätverk (eng. neural networks) och området djupinlärning eller djup maskininlärning (eng. deep learning), och fördjupar sig sedan i djupa faltningsnätverk. Kursen beskriver de olika delarna som används för att bygga upp djupa faltningsnät och behandlar bl.a. filter, aktiveringsfunktioner, förlustfunktioner; regulariseringstekniker såsom bl.a. satsnormalisering (eng. batch normalisation) och bortfall (eng. dropout); förklarar flera av de olika icke-linjära optimeringsalgoritmer som används för att träna nätverken, såsom stokastiska gradientmetoden, Adam, etc.; samt beskriver populära nätverksarkitekturer såsom t.ex. U-Net, ResNet och DenseNet, och diskuterar deras för- och nackdelar. Kursen behandlar även generativa modeller, såsom variationsautokodare (eng. variational autoencoder, VAE) och generativa motståndarnätverk (eng. generative adversarial network, GAN).

Studenter på kursen kommer att lära sig att implementera och träna moderna nätverksarkitekturer och djupinlärningsmetoder, och att tillämpa dessa på stora bilddata både på medicinska bilder och på andra bilder.

I kursen ingår två moduler:
Teoridel 5,5 hp
Laborationsdel 2,0 hp

Anmälan och behörighet

Djupa faltningsnät med tillämpningar i medicinsk bildanalys, 7,5 hp

Det finns inga tidigare terminer för kursen Vårtermin 2020 Visa tillfällen för efterkommande termin

Startar

20 januari 2020

Slutar

7 juni 2020

Studieort

Umeå

Undervisningsspråk

Kan eventuellt ges på engelska

Studieform

Dagtid, 25%

Behörighetskrav

För tillträde till kursen krävs 90 hp avklarade studier i något av huvudområdena datavetenskap, fysik, elektronik, kemi, matematik eller matematisk statistik, eller 2 års avklarade studier (120 hp). Av dessa poäng krävs minst 7,5 hp i grundläggande programmeringsmetodik (t.ex. 5DV104, 5DV157, 5DV158, 5DV176 eller 5DV177), minst 7,5 hp som behandlar Datastrukturer och algoritmer (t.ex. 5DV149, 5DV150 eller 5DV169), minst 7,5 hp som behandlar Linjär algebra (t.ex. 5MA019 eller 5MA160), minst 7,5 hp som behandlar Envariabelanalys 1 (t.ex. 5MA009, 5MA153), minst 7,5 hp som behandlar matematisk statistik (t.ex. 5MS005, 5MS045, 5MS043, 5MS068 eller 5MS069) eller motsvarande kunskaper.
Svenska för grundläggande behörighet för högskolestudier samt Engelska A/5. Krav på svenska gäller endast om utbildningen ges på svenska.

Urval

Högskolepoäng avklarade per sista anmälningsdag (för utbildning på grundnivå 1-165 hp, för avancerad nivå 30-285 hp)

Anmälningskod

UMU-33401

Anmälan

Sista anmälningsdag var den 15 oktober 2019. Du kan göra en sen anmälan via Antagning.se.

Studieavgifter

Anmälnings- och studieavgifter krävs för dig som inte har medborgarskap i EU, EES-länderna eller Schweiz. Läs mer på antagning.se

Kontaktformulär

Kontaktformulär

Tänk på att universitetet är en statlig myndighet och att det du skriver här kan bli en allmän handling. Var därför försiktig med att skriva känsliga eller personliga frågor här i kontaktformuläret. Alla uppgifter behandlas enligt dataskyddsförordningen (GDPR)

Kursen ges av
Institutionen för strålningsvetenskaper
Kontaktperson för kursen är:
Tommy Löfstedt