智慧醫療與機器學習基礎

臺北科技大學 115-1 學期課程，課號 367162。

課程大綱

本課程目標能培育具備跨域能力的智慧醫療人才，課程採理論與實作並重的教學模式，從醫學資料處理基礎出發，循序漸進引導學生掌握機器學習核心技術與深度學習方法。 課程內容涵蓋醫學影像處理、傳統機器學習、深度學習架構及相關進階主題，使學生建立完整的智慧醫療技術基礎。 培養目標包含掌握醫學資料處理與分析技術、具備機器學習與深度學習基礎能力、能夠完成智慧醫療相關專題研究、建立跨域合作與問題解決能力。 This course aims to cultivate interdisciplinary talent in smart healthcare. The curriculum adopts a balanced approach between theory and practice, progressively guiding students from fundamental medical data processing to mastering core machine learning techniques and deep learning methods. Course content covers medical image processing, traditional machine learning, deep learning architectures, and related advanced topics, establishing a comprehensive foundation in smart healthcare technologies. Through multiple practical units and a capstone project, the course develops students technical expertise, independent research capabilities, and cross-disciplinary communication skills in the smart healthcare domain. Learning objectives include mastering medical data processing and analysis techniques, developing foundational proficiency in machine learning and deep learning, completing practical projects in smart healthcare applications, and building cross-disciplinary collaboration and problem-solving capabilities.

課程進度

Week 01 課程介紹與智慧醫療概論 Week 02 程式環境與醫療資料處理基礎（Python/MATLAB） Week 03 醫學影像讀取與視覺化 Week 04 醫學影像前處理Pipeline Week 05 機器學習概論與特徵工程 Week 06 傳統機器學習分類實戰 Week 07 生理訊號分析與分類 Week 08 期中檢核與專題提案 Week 09 深度學習概論與遷移學習 Week 10 CNN模型建構與訓練 Week 11 醫學影像分割實作 Week 12 Transformer模型應用 Week 13 模型可解釋性分析 Week 14-16 期末專題實作輔導

評量方式

平時實作作業 30% 期中檢核與專題提案 15% 期末專題 45% 自主學習同儕評分10% 出席與課堂參與 10% (每次缺席 -1%) Total 110%

教材

【遵守智慧財產權觀念，請使用正版教科書，不得使用非法影印教科書】 使用外文原文書：是 提供參考數目與自行設計之教材