Learning Path

適合對象

• 以醫療 AI 為研究主軸的碩博生、臨床研究員與產業研發工程師

學習順序

• Circle 1：基礎鋪陳｜從 Medical AI Introduction 開始，搭配 Python 與基礎軟體開發技能，並對 MONAI 以及機器學習、深度學習等概念建立基本理解。

• Circle 2：中階強化｜深入機器學習、Radiomics 與 MONAI 進階實作，並以分類、分割、偵測、配準四大任務為主軸，強化模型開發與評估能力。

• Circle 3：高階整合｜研讀深度學習理論專書、接觸大型語言模型與聯邦學習等前沿主題；同時導入 GitHub 與數據視覺化等軟體工程流程，完成具臨床價值的專題或論文。

適合對象

• 放射科醫師、醫學生、醫工與資電背景之醫院研究助理等，希望在短期內把 AI 工具帶入臨床工作流程者

學習順序

• Circle 1：基礎鋪陳｜從 Medical AI Introduction 開始，搭配 Python 與基礎軟體開發技能，並對 MONAI 以及機器學習、深度學習等概念建立基本理解。

• Circle 2：中階強化｜深入機器學習、Radiomics 與 MONAI 進階實作，並以分類、分割、偵測、配準四大任務為主軸，強化模型開發與評估能力。

• Circle 3：高階整合｜針對 Python 以及分類任務做進階知識的加強。

適合對象

• 需在極短時間內理解醫療 AI 核心概念的跨域工程師、創業者或短期研習學員

學習順序

• Week 1-2：基礎奠基｜醫療 AI 與影像導論＋Python/Colab 操作。

• Week 3-4：理論與實戰並行｜機器學習、Radiomics 與深度學習基礎；在 Colab 完成資料前處理、模型建立與優化流程。

• Week 5-6：任務導向實作｜專攻影像分類與分割兩大重點，透過 MONAI 教學與實際操作，完成迷你專案並進行模型評估。