大章节 | 小章节 |
第一章:2024年AI在医学中的应用介绍及实操 | 1.AI模型在医学研究中的应用概览。 2.(课堂动手练习)最新超强模型Claude3使用讲解 3.OpenAI新模型-GPT-5介绍 4.(课堂动手练习)谷歌新模型-Gemini使用讲解 5.Meta新模型-LLama3 6.(课堂动手练习)阿里巴巴-通义千问 7.(课堂动手练习)科大讯飞-星火认知 8.(课堂动手练习)百度-文心一言 9.(课堂动手练习)MoonshotAI-Kimi 10.(课堂动手练习)智谱AI-智谱清言 11.最新大模型GPT-4Turbo详细介绍12.GPTStore介绍 13.(课堂动手练习)从0到1创建自己的GPT应用 |
第二章:谷歌最新模型Gemini在医学的应用详解 | 1.Gemini三大模型 2.Gemini与GPT-4对比 3.Gemini的原生多模态技术 4.Gemini的测试效果 5.(课堂动手练习)Gemini的使用 |
第三章:最新超强模型Claude3在医学中的应用讲解 | 1.Claude3三大模型 2.Claude3模型团队介绍 3.Claude3的技术细节介绍 4.Claude3与GPT4对比 5.(课堂动手练习)Claude3的使用 |
第四章:AIGC医学应用课程概述 | 1.AIGC医学应用课程概述 2.AI工具与科研应用的结合 3.OpenAI开发者大会介绍 4.AIGC技术发展 5.GPT3.5/GPT4/GPT4-turbo模型介绍 6.Tokens概念介绍 7.大语言模型在处理医学上下文数据的能力介绍 8.(课堂动手练习)ChatGPT/GPT4官网使用方法
9.(课堂动手练习)ChatGPT/GPT4国内使用方法 10.(课堂动手练习)ChatGPT/GPT4的API使用方法 11.提示词工程介绍 12.如何写好一篇论文的提示词 13.如何与AI交流医学相关科研问题 |
第五章:大语言模型(LLM)在医学领域提示词高级使用技巧 | 1.大语言模型和搜索引擎的区别 2.PromptEngineering提示词工程介绍 3.(课堂动手练习)技巧1:角色扮演 4.(课堂动手练习)技巧2:使用不同的语气 5.(课堂动手练习)技巧3:给出具体任务 6.(课堂动手练习)技巧4:利用上下文管关联的特点 7.(课堂动手练习)技巧5:零样本思维链提示-提高模型逻辑推理能力 8.(课堂动手练习)技巧6:多样本思维链提示-提升模型模仿能力 9.(课堂动手练习)技巧7:自洽性-提升模型数学能力 10.(课堂动手练习)技巧8:生成知识提示-提升模型知识水平 |
第六章:人工智能算法介绍 | 1.AI算法是如何进行训练的 2.深度学习常用架构介绍 3.GPT1-3模型介绍 4.强化学习和InstructGPT模型介绍 5.RLHF人类反馈强化学习介绍 6.ChatGPT和GPT4模型介绍 |
第七章:GPT在医学研究中的应用实战案例 | 1.(课堂动手练习)使用GPT进行医学文献翻译 2.(课堂动手练习)GPT学会类比并输出表情符号 3.(课堂动手练习)使用GPT生成临床研究的数据表 4.(课堂动手练习)让GPT生成医学相关的数学公式并保存 5.(课堂动手练习)识别医学图像中的公式并保存 6.(课堂动手练习)将医学研究文章中的数据整理成表格 7.(课堂动手练习)GPT帮你进行用户评论分类 8.(课堂动手练习)GPT协助撰写医学工作报告 9.(课堂动手练习)GPT快速生成100道医学测试题 |
第八章:让GPT成为你的医学论文/基金写作助手 | 1.(课堂动手练习)论文搜索平台介绍 2.(课堂动手练习)根据某一篇核心论文进行相关论文拓展 3.(课堂动手练习)判别文章是不是AI的生成 4.(课堂动手练习)上传本地PDF论文然后让GPT提出审稿意见 5.(课堂动手练习)上传本地PDF论文然后让GPT帮你翻译 6.(课堂动手练习)上传本地PDF论文然后让GPT相关论文中的相关问题 7.(课堂动手练习)用GPT帮你生成论文摘要 8.(课堂动手练习)用GPT帮你生成文献综述 9.(课堂动手练习)用GPT帮你论文中的技术方法 10.(课堂动手练习)用GPT帮你进行中文论文润色 11.(课堂动手练习)用GPT帮你进行中英文论文润色
12.(课堂动手练习)用GPT帮你提出论文修改意见 13.(课堂动手练习)用GPT帮你翻译并润色 14.(课堂动手练习)用GPT帮你进行论文降重 15.(课堂动手练习)让AI帮你写论文综述并标注内容来源 16.(课堂动手练习)让AI帮你查找某个观点或内容相关的论文 17.(课堂动手练习)让AI帮你查找某篇论文相关的论文 18.(课堂动手练习)用GPT写出完整论文的方法 19.(课堂动手练习)用GPT对整篇论文进行润色 20.(课堂动手练习)用GPT进行论文搜索 21.(课堂动手练习)如何避免GPT写的文章被检测 |
第九章:让GPT成为你的医学编程助手 | 1.(课堂动手练习)用GPT实现某一特定功能的程序 2.(课堂动手练习)用GPT对代码进行解释 3.(课堂动手练习)用GPT进行代码纠错及修改 4.(课堂动手练习)用GPT回答代码疑问 5.(课堂动手练习)用GPT帮你优化代码 6.(课堂动手练习)用GPT读取本地医学数据然后写代码 7.(课堂动手练习)让GPT帮你提供医学研究项目的完整代码并进行不断修正 8.(课堂动手练习)自动化AI编程助手介绍 |
第十章:GPT在医学领域的拓展应用 | 1.(课堂动手练习)使用AI工具自动创建医学教育PPT 2.(课堂动手练习)使用AI工具根据医学研究文章内容创建PPT 3.(课堂动手练习)使用AI工具快速产出医学科普短视频 4.大语言模型是如何理解文字信息的 5.大语言模型是如何理解数学的 |
第十一章:利用ChatGPT/GPT4接口开发医学应用程序 | 1.(课堂动手练习)ChatGPT/GPT4接口程序基础 2.(课堂动手练习)使用API方式进行文章内容推断 3.(课堂动手练习)ChatGPT/GPT4接口的参数介绍 4.(课堂动手练习)用ChatGPT/GPT4程序接口制作聊天机器人 5.(课堂动手练习)用ChatGPT/GPT4程序接口批量化处理文章内容 |
第十二章:ChatGPTPlus/GPT4功能详解 | 1.(课堂动手练习)GPT4模型使用 2.(课堂动手练习)GPT4联网功能 2.(课堂动手练习)GPT4识别图片中的商品价格 3.(课堂动手练习)GPT4识别图片中的液体类型 4.(课堂动手练习)GPT4识别图片中的数学题并解答 5.(课堂动手练习)GPT4识别图片中的地标 6.(课堂动手练习)GPT4识别图片中的菜品
7.(课堂动手练习)GPT4医疗影像诊断 8.(课堂动手练习)GPT4识别统计分析图并生成对应画图的代码 9.(课堂动手练习)GPT4识别图片中的表格并保存 10.(课堂动手练习)GPT4识别图片中的公式并进行编辑 11.(课堂动手练习)GPT4对医学论文中的公式进行详细解析 |
第十三章:ChatGPTPlus/GPT4医学领域高级数据分析 | 1.(课堂动手练习)GPT4自动写代码和运行代码的能力 2.(课堂动手练习)使用高级数据分析功能进行数学计算 3.(课堂动手练习)使用高级数据分析功能生成二维码 4.(课堂动手练习)使用高级数据分析功能进行图片处理 5.(课堂动手练习)使用高级数据分析功能进行文字识别 6.(课堂动手练习)使用GPT4进行自动化医学数据处理和分析 |
第十四章:定制自己的GPTs应用 | 1.(课堂动手练习)热门的自定义GPTs使用介绍 2.(课堂动手练习)通过聊天交流的方式制作针对医学领域的GPTs 3.(课堂动手练习)通过自定义的方式制作医学研究专用GPTs 4.(课堂动手练习)GPTs的3种分发方式 5.(课堂动手练习)GPTs的action功能介绍 6.(课堂动手练习)论文改进专家(GTPs) 7.(课堂动手练习)论文搜索(GTPs) 8.(课堂动手练习)论文写作(GTPs) |
第十五章:最新绘图工具DALL-E3的医学绘图应用 | 1.(课堂动手练习)DALL-E3模型介绍 2.(课堂动手练习)DALL-E3与GPT4结合使用 3.(课堂动手练习)DALL-E3中文提示词的使用 4.(课堂动手练习)DALL-E3根据上下文内容修改图片 5.(课堂动手练习)DALL-E3在图像中生成特定文字 6.(课堂动手练习)DALL-E3绘图结果的不断优化 |
第十六章:python基础学习 | 1.python的应用场景 2.(课堂动手练习)python环境安装配置 3.(课堂动手练习)print使用 4.(课堂动手练习)运算符和变量 5.(课堂动手练习)循环 6.(课堂动手练习)列表元组字典 7.(课堂动手练习)if条件 8.(课堂动手练习)函数 9.(课堂动手练习)模块 10.(课堂动手练习)类的使用 11.(课堂动手练习)文件读写 12.(课堂动手练习)异常处理 |
第十七章:科学计算模块Numpy和绘图模块Matplotlib学习 | 1.(课堂动手练习)numpy的属性 2.(课堂动手练习)创建array 3.(课堂动手练习)numpy的运算 4.(课堂动手练习)随机数生成以及矩阵的运算 5.(课堂动手练习)numpy的索引 6.(课堂动手练习)Matplotlib基础用法
7.(课堂动手练习)figure图像 8.(课堂动手练习)设置坐标轴 9.(课堂动手练习)legend图例 10.(课堂动手练习)scatter散点图 |
第十八章:机器学习算法在医学研究中的应用 | 1.机器学习概述 2.训练集/验证集/测试集 3.监督学习与无监督学习 4.分类/回归/聚类算法 5.机器学习算法应用分析 6.(课堂动手练习)使用回归算法完成医学成本预测 7.(课堂动手练习)使用KNN算法完成疾病分类 8.(课堂动手练习)使用多种算法完成疾病分类 9.(课堂动手练习)分析特征重要性(哪些医学特征对疾病的影响最大) 10.(课堂动手练习)机器学习特征工程完整流程 |
第十九章:基于GPT的机器学习/深度学习项目案例 | 1.(课堂动手练习)用GPT了解科研/项目相关知识 2.(课堂动手练习)用GPT优化科研/项目的设计 3.(课堂动手练习)用GPT解答科研/项目相关问题 4.(课堂动手练习)用GPT读取本地数据(例如医学实验数据的Excel或CSV文件) 5.(课堂动手练习)用GPT对科研/项目数据进行深度学习建模程序编写 6.(课堂动手练习)如何分析医学研究中的特征重要性(哪些医学特征对标签的影响最大) 7.(课堂动手练习)多种常用机器学习算法在医学数据上的结果对比 |
第二十章:深度学习算法基础 | 1.单层感知器 2.激活函数,损失函数和梯度下降法 3.BP算法介绍 4.梯度消失问题 5.多种激活函数介绍 6.(课堂动手练习)BP算法解决医学识别问题 |
第二十一章:深度学习框架Tensorflow应用 | 1.(课堂动手练习)Mnist数据集和softmax讲解 2.(课堂动手练习)使用BP神经网络识别图片 3.(课堂动手练习)交叉熵(cross-entropy)讲解和使用 4.(课堂动手练习)欠拟合/正确拟合/过拟合 5.(课堂动手练习)各种优化器Optimizer 6.(课堂动手练习)模型保存和模型载入方法 |
第二十二章:深度学习算法-卷积神经网络CNN应用 | 1.CNN卷积神经网络 2.卷积的局部感受野,权值共享介绍。 3.卷积的具体计算方式 4.池化层介绍(均值池化、最大池化) 5.samepadding和validpadding介绍 6.LeNET-5卷积网络介绍 7.(课堂动手练习)CNN手写数字识别案例 |
第二十三章:深度学习算法-长短时记忆网络LSTM应用 | 1.RNN循环神经网络介绍 2.RNN具体计算分析 3.长短时记忆网络LSTM介绍
4.输入门,遗忘门,输出门具体计算分析 5.堆叠LSTM介绍 6.双向LSTM介绍 7.(课堂动手练习)使用LSTM进行医学时间序列数据的分析 |
第二十四章:基于深度学习模型的图像识别(医学影像案例) | 1.VGG16模型详解 2.ResNet模型详解 3.EfficientNet模型详解 4.(课堂动手练习)下载训练好的1000分类图像识别模型 5.(课堂动手练习)使用训练好的图像识别模型进行各种图像分类 6.(课堂动手练习)使用迁移学习训练疟疾细胞图像分类模型 |
第二十五章:ChatGPT在医学领域绘图的应用 | 1.基础医学图表绘制 应用范围:绘制血压、心率等基础生理数据的时间序列图。 技术介绍:使用GPT生成自动化脚本,快速绘制线图、条形图和饼图,直观展示数据比例和变化。 2.常见医学图表绘制 应用范围:创建基本的饼图和等高线图,用于展示患者疾病类型比例和数据密度分布。 技术介绍:GPT生成饼图展示分类数据的比例,等高线图描绘变量间的关系和分布密度。 3.统计数据可视化 应用范围:展示患者人口统计学分布、治疗效果的箱形图和散点图。 技术介绍:利用GPT自动化数据处理并绘制统计意义显著的图形,专注于显示数据分散情况和中心趋势。 4.临床研究结果展示 应用范围:临床试验数据的结果展示,如生存分析的Kaplan-Meier曲线。 技术介绍:使用GPT进行数据分析,生成复杂的生存分析图和风险比较图,辅助临床决策。 |
第二十六章:医学领域中的AI项目汇总介绍 | 1.甲状腺图像分级 目标:开发一个深度学习模型,基于图像数据自动对甲状腺病变进行分级。 技术:使用预训练CNN模型和自定义顶层网络进行图像分类。 成果:模型能有效区分不同级别的甲状腺病变,并在测试集上表现出高准确率。 2.糖尿病预测项目 目标:利用机器学习算法预测个体是否将发展成糖尿病,基于患者的医疗指标数据。 技术:应用多种机器学习分类算法,并通过交叉验证方法评估模型性能。 成果:选定最佳模型,实现高准确率预测,并对模型预测结果提供解释。 3.心脏病预测项目 目标:使用临床数据预测个体是否患有心脏病。 技术:数据预处理,特征工程,和多模型评估。 成果:建立了具有良好准确率和解释性的预测模型。 4.乳腺癌预测项目 目标:开发一个模型预测乳腺癌的可能性,基于患者的医疗指标。 技术:分析数据,选择合适的机器学习算法进行模型训练。 成果:模型能够以高准确性预测乳腺癌,帮助早期诊断。 5.基因序列能量预测 目标:预测蛋白质结构的能量,基于其氨基酸序列。 技术:利用深度学习模型如LSTM处理序列数据。 成果:模型准确地预测蛋白质结构能量,助力生物医学研究。 |
第二十七章:将医学项目成果有效地转化为学术论文内容 | 1.如何将医学项目中的数据处理、分析、建模和可视化成果转化为学术论文,并利用ChatGPT优化论文写作流程。 2.数据处理 描述:详述数据预处理、清洗和转换步骤。 ChatGPT应用:生成数据处理部分的文本描述,确保术语准确。 3.建模方法 描述:阐明模型选择、训练过程和参数优化。 ChatGPT应用:帮助撰写模型选择和优化策略的逻辑论述。 4.结果可视化 描述:展示关键图表,如准确率和ROC曲线,并解释其意义。 ChatGPT应用:生成图表的描述和解释,简洁明了。 5.成果讨论 描述:分析模型表现,讨论其在医学领域的应用潜力。 ChatGPT应用:生成对模型结果的深入讨论和潜在应用的描述。 6.论文撰写 ChatGPT应用:辅助撰写论文各部分,包括摘要、引言和结论,提高写作效率。 |
辅助课程 | 1.课程总结及技术发展展望。 2.根据学员感兴趣的领域,讲解ChatGPT在该领域的应用方法 3.建立信群答疑群(课后提供终身免费答疑,提供一对一答疑) 4.配备AIGC/GPT/AI绘图/等教材,课后逐步提高能力。 |