Você é cientista de dados e quer, de maneira interdisciplinar, ajudar a construir soluções capazes de transformar a área da Saúde por meio da inteligência artificial (IA)? Este curso, desenvolvido por especialistas da Dasa Educa, é uma oportunidade única para aprofundar seus conhecimentos e entender como desenvolver algoritmos que vão fazer a diferença na vida das pessoas. 

De caráter prático, o conteúdo é baseado no caso real da construção de um algoritmo de IA criado para identificar embolia pulmonar nos exames de tomografia de tórax.

Além de todos os especialistas que compõem o time de professores da Dasa Educa, a produção do curso também foi acompanhada pelo Dr. Ian Pan, médico e matemático que já ganhou diversas vezes competições na área de IA. Entre eles, o desafio do RSNA de 2020, organizado pela Radiological Society of North America, em que desenvolveu o algoritmo de embolia pulmonar que você irá conferir no curso.

Ao final deste curso, você será capaz de:

• Conhecer os formatos de imagens médicas
• Entender o processo de anotação
• Analisar dados médicos de forma exploratória
• Treinar modelos de machine learning
• Avaliar métricas de performance dos modelos
• Ser capaz de identificar problemas nos dados

Conheça também o nosso curso de IA para médicos. 

*O material de apoio, as leituras complementares e os quizzes são disponibilizados em inglês. 
**Ter conhecimento de programação em Python pode ajudar a aproveitar o conteúdo de forma mais completa. 

1. Introduction to medical images

• Overview (Léo Max Feuerschuette Neto)
• Computed Tomography (CT) (Léo Max Feuerschuette Neto)
• Windowing and Hounsfield Units (HU) (Léo Max Feuerschuette Neto)
• Contrast Media (Léo Max Feuerschuette Neto)
• Artifacts (Léo Max Feuerschuette Neto)
• Other types of exams (Léo Max Feuerschuette Neto)
• PTE - Pulmonary Thromboembolism (Léo Max Feuerschuette Neto)
• Introduction to DICOM part I (Léo Max Feuerschuette Neto)
• Introduction to DICOM part II (Léo Max Feuerschuette Neto)
• DICOM Tags (Léo Max Feuerschuette Neto)
• Specific Tags (Léo Max Feuerschuette Neto)
• Dicom Hands-On (Matheus Ribeiro Furtado de Mendonça)
  • Handling Dicom Files
  • Handling Dicom Series
  • Calculating Pixel Area and Voxel Volume
  • Reading X-Ray Dicom Files
  • Reading MRI Dicom Files
• Non-DICOM Images (João Pedro Mazuco

2. Data/annotation

• Annotation
  • Introduction to Medical Image Annotation (Osvaldo Landi Junior)
  • Data-centric AI (Osvaldo Landi Junior)
  • Medical Image Labeling Classification (Osvaldo Landi Junior)
  • Medical Image Labeling Segmentation and Bounding Box (Osvaldo Landi Junior)
  • Annotation Strategies (Osvaldo Landi Junior)
  • Annotation Best Practices Part 1 (Osvaldo Landi Junior)
  • Annotation Best Practices Part 2 (Osvaldo Landi Junior)
  • Tools for Medical Image Annotation (Gustavo César de Antonio Corradi)

3. Data handler and model 

• Exploratory Data Analysis (EDA) (Paulo Kuriki)
• Building a datahandler for Keras (Matheus Ribeiro Furtado de Mendonça)
  • Building a Simple Datahandler
  • Saving Datahandler Parameters in a Json File
  • Augmenting Images
  • Final Modularization for the Datahandler
  • Analysing Data Leakage in Medical Images
• Building the model with Keras (Matheus Henriques Macedo Ferreira)
  • Building a Simple Model
  • Callbacks for Early Stopping and Tensorboard
  • Adding better metrics to evaluate the Model
  • Final Modularization of the Model

4. Deploy/Monitoring

• Real data vs training data (Ivan Passoni)
• Solving the common challenges (Ivan Passoni)
• Metrics (Ivan Passoni)
• Error analysis (Suely Fazio Ferraciolli)
• Inference and monitoring (Suely Fazio Ferraciolli)