AI醫療專題實作營？
營隊介紹
AI醫療專題實作營，簡單來說就是同時結合「人工智慧（Artificial Intelligence）」與「醫療、醫學」兩項專題，做出能輔助人類在醫學領域的工具。
更簡單的來說，人工智慧是為了增加人類生活的便利性，至於增加哪方面的便利性，就看人工智慧與什麼結合。當與醫療結合時，就可以幫助醫生更準確的判斷患者的病況，減少誤診的機率，這就是人工智慧帶給人類的便利性。
聽起來也許很厲害、很酷、很複雜……也許你認為高中生怎麼可能做到？但這場營隊的目的就是希望可以讓「非資訊或醫療專業領域的高中生」體驗、探索、學習平常無法嘗試的事物，也就是「人工智慧x醫療」
在四天的營隊當中，對於初次接觸人工智慧領域的學生，可以了解運作流程、基本原理結構；對於過去接觸過人工智慧的學生，可以深入理解人工智慧演算法的運作原理，探討更深入的數學等等。
簡言之，這就是一個讓你、我收穫滿滿的營隊：）
參加營隊原因（希望可以獲得什麼）
我個人對人工智慧很有興趣，身為108課綱的學生，我的自主學習計畫就是「初探人工智慧」，過去也參加過北醫舉辦的AI醫學營，所以這次看到AI4kids舉辦了「AI醫療專題實作4日營」，也就義無反顧地參加了！
因為我過去有一點人工智慧的基本知識，所以這次參加營隊的期望，就是能夠把過去學的內容重新複習一次，並且加深我所學的部分，例如從單純實作變成了解理論、結構等等，甚至是分享自己的知識給隊友等等。
想知道我有沒有真的達成期望嗎？那就繼續看下去吧！（底下內容看完保證你收穫滿滿～）
營隊地點
AI4KIDS一共舉辦了四個梯次，我選擇了台大場，想說離家近，又可以來台大逛逛，何樂而不為呢？
每次進來台大時，我都會刻意去椰林大道拍個照留念，覺得椰林整齊劃一的直通盡頭，看起來真是過癮，又配合陽光的助陣，整張照片就活了起來，你說是不是？
前言：
因為這次營隊的四天課程包含了約30小時的課程，很難簡單的用一篇文章就分享給大家，所以本篇文章會分享我個人覺得最精彩的理論、實作課程，各一堂課。
如果有興趣的同學，那麼歡迎你也來營隊體驗看看，踏入人工智慧的領域喔！
營隊的課程：
理論：
- 跨領域的智慧醫療
- 認識人工智慧
- 機器學習與醫療應用
- 看得見的神經網路
- Python套件介紹
- 基礎醫學與臨床應用
- 醫學論理與思辨
- 綜觀醫學影像AI分析流程
實作：
- 認識深度學習與實際應用
- 電腦視覺-數位圖片格式
- 卷積與圖片特徵萃取
- AI胸腔植入物偵測實作
- 腦部醫學影像對位（Registration）實作
- 腹部醫學影響對位（Registration）實作
- AI醫療影像黑客松（競賽）
理論課程：認識人工智慧
講師介紹：強哥！
接下來的這章節都是強哥所教授的內容呦！因為我覺得太精彩了，所以想把課程、我所學到的知識，盡可能分享給各位讀者，如果大家有興趣，很推薦大家參加營隊聽聽完整版的課程喔！
什麼是人工智慧
超越人類？！
資訊科技日新月異，過去的電腦也許只能執行簡單的運算，但現今的電腦卻能打敗全世界最強棋士（Alpha Go），到底什麼原因讓電腦能夠進化得如此迅速，甚至有著某方面比人類更卓越的能力？
就是因為人工智慧的出現，讓「機器」能表現像「人類智慧」一樣處理任務。而且機器的運算比人類更快，學習的速度也就大幅領先人類，這也造就了機器學習一小段時間便超越人類長久以來學習的內容。
人工智慧範疇與發展
人工智慧（Artificial Intelligence）涵蓋了許多事情，包括近幾年竄紅的機器學習、深度學習，都是屬於在人工智慧底下。以下這張圖讓你更了解三者之間的關係。
(圖片提供: AI4kids)
這個觀念非常重要，因為學習人工智慧的過程，一定要先認清楚整體的架構，不然人工智慧領域的知識太過豐富，很容易會搞不清楚自己到底在學哪個地方。
人工智慧 > 機器學習 > 深度學習
人工智慧包括機器學習，機器學習包括深度學習
圖靈測試
在人工智慧發展史上，圖靈測試為一種『判斷機器是否具有「智慧」』的實驗，實驗如下：
實驗中總共有三個主角，提問者A、真人B、機器C，在實驗過程中提問者會對真人B、機器C提出問題，並且讓他們回答，假如提問者無法正確選出哪個是真人哪個是機器，實驗就算通過，也就代表該機器擁有「智能」，也就是擁有「人性」的相同概念。
簡單舉一個例子：
1.「貓坐在毯子上，因為它很冷」，那麼請問誰很冷？
2.「貓坐在毯子上，因為它很溫暖」，那麼請問誰很溫暖？
這樣類似的問題，也許大班的小孩就可以輕鬆回答出來，不過現在強大的人工智慧，卻還是無法回答與通過圖靈測試。
AI的發展史
最近因為深度學習竄紅，所以人工智慧又重新浮現在普同大眾眼前，不過人工智慧是近幾年才開始發展的嗎？不，人工智慧早在80年前就開始發展了，至今歷經了三次興起，兩次衰敗，目前正處於第三次興起時代。
第一次沒落：沒有人工智慧能夠通過「圖靈測試」，多數人認為人工智慧不具有思考能力，沒有發展機會。
第二次沒落：雖然專家系統被研發出來，但是維護費用過高，又不是很實用，所以又被唾棄。
第三次？這就要靠我們這一世代決定，人工智慧到底是沒落還是持續起飛了！
人工智慧在醫療的應用案例
行動醫療（mHealth）
現在已經有血糖測量機可以傳輸數據到手機的App上，再從App去判斷血糖的變化，最後連結到健康照護設備，給予糖尿病等患者飲食方面的建議。
穿戴式裝置（Health IT）
現在非常流行的穿戴式裝置 Apple Watch，讓使用者可以長時間測量身體各項數值的變化，即時偵測到身體的狀況，提供回饋建議，又或是根據大數據去比較，推斷出哪項數值有可能發生異常等等。
遠距醫療照護（Telehealth and Telemedicine）
在2020年的新型冠狀病毒爆發，新型肺炎患者會因為肺部病變，而產生不同的呼吸音，現在已經有微型聽診器、貼片，便可以取代聽診，甚至結合AI遠端監控，達到「遠距醫療照護」效果。
個人化醫療（Personalized Medicine）
個人化醫療，就是根據每個人的體質差異、不同疾病的分子機制，對某特定類型的病人給予正確的藥物，獲得「最佳」的療效。
電腦如何學習
AI是如何訓練出來的呢？AI的學習方法是從大量數據中學習，並且配合演算法去訓練，最後就能預測成果。
以下舉幾個簡單的人工智慧訓練例子：
如何訓練判斷狗或貓的AI呢？
1.我們需要有大量的貓、狗照片
2.把這些照片處理完成後，選擇演算法去訓練AI
3.得出可判斷貓狗的AI模型
看似很簡單的三步驟，但實際上細節可是很多的，每一步驟都可以拆成好多步驟與好多細節，不過這裡就不深入討論了。
又或者是常見的「語音辨識」、「手寫辨識」等等，都是利用這個模式去訓練人工智慧，得出最終的預測結果喔！
實作課程：黑客松
競賽主題
這次營隊在最後的半天有舉辦一場小型黑客松，在場的16個小隊都必須抽選一個題目，並且利用這四天所學之知識，自己訓練出可以運行的人工智慧模型，並且最後上台成果發表。
總共有以下幾種題目，每一小隊會隨機分配到一種，我們十三小隊分配到的是：「心臟肥大」
討論分工
整體黑客松的競賽結果，看中「程式設計」與「簡報內容」，所以我們小隊分為三小組，負責「撰寫程式」、「搜集資料」、「簡報製作」。
- 撰寫程式：在Colab平台上把程式碼寫完，並且訓練出可用的AI模型
- 搜集資料：蒐集「醫療」相關的資訊，例如病情影響因素等等
- 簡報製作：把前兩組所得的資料，製作成簡報。
程式設計實作
程式設計實作可以分成兩部分，首先要把整個訓練流程撰寫出來，等到AI模型順利被建造出來，再藉由調整各項參數，達到最高的成功預測率。
初始訓練過程：完整程式撰寫
一、環境準備
下載、引入一些等等會用到的PY模組（numpy, pandas, matplotlib等等)
二、下載資料庫
從Dropbox上下載數據資料，並且進行解壓縮。
三、引入並且確認資料集
1.先確認資料庫
2.切割訓練集、測試集、驗證集
3.資料預處理
4.數據視覺化
5.加強資料
四、建立、訓練模型
開始訓練模型
五、測試模型
持續調整參數：增加AI模型成功識別率
一、數據加強
二、資料標準化
討論簡報內容
上台報告
反思心得
在這次短短的四天「AI醫學營當中」，我不但重新複習了過去所學的知識，更深入探所有關人工智慧的原理方面，收穫甚多。我也決定在未來把人工智慧加入自主學習計畫當中，讓我對人工智慧的探索可以更深入。
人家都說師傅引進門，修行在個人。在參加完人工智慧醫學營後，我發現我對這方面有興趣，所以未來也會自行花時間學習，無論是線上課程或是書籍的資源。
