好课。quiz 时间略赶，这回几乎都是一堆填空题。

信院的同学不少，但是不一定项目完成的更好，反而 BME 的同学似乎这学期的完成情况更好。所以 BME 同学不用被评价这么多信院人吓到 hhh 班上信院人不少但是摆烂的也不少，找到合拍的队友好好做项目就行了，课程给分很好，完全不用担心，quiz 适当准备一下。

老师上课有点容易把人讲困了，自己对着 ppt 学，d2l 的那本书就是很好的参考资料。

课程内容

前半学期涉及一些经典的人工智能算法，与机器学习引论相比，这些轻推导，更多是概念的了解，对数学要求并不高。后半学期讲述深度学习在医学影像的应用，包含网络架构的介绍，还有一些医学影像的应用方向。内容来说，不太会有听不懂的地方，老师也会常常问同学有没有不清楚，或者是进度如何。

作业

三次 project，两次需要写代码，最后一次只要读论文。project 是组队形式，最多一组五个人。代码难度不算高，助教会有两次课上讲解一下大概需要的步骤，然后照着助教给的代码改改能完成大部分，所以每次耗时并不会特别大。虽然说每次 project 号称有 bonus，但是似乎并没有小组会不做这部部分。到时候的评分也跟算法的性能没什么关系，只需要把每个步骤实现清楚就可以了，然后实验的效果符合常理，不然你 pre 的时候就要想好怎么解释。第一次 project 是一个 MRI 重建，bonus 要求 construct an unrolled deep learning reconstruction network；第二次是要求用 unet 做分割任务，bonus 是换点别的损失或者网络尝试分割任务；最后一次 project 就是看看论文，自己选相关主题做个 pre。

给分

先说总评

个人认为这课内容和 project 的项目非常适合作为一门 CV 入门课，虽然我修这课的时候已经上过 CV 了就是说（）, 上课内容在计算机视觉的知识上涉猎非常广，涉及了 KNN，SVM 等传统机器学习算法，也涉及了 CNN，U-net，GAN 等经典网络架构，也会引入一些比较前沿的 SAM，Diffusion model 等，然后在 CV 任务上讲了经典的重建，去噪，分割任务，然后会具体讲这些任务在医学影像语境下的实践与应用，感觉整体逻辑上非常棒！上下来确实至少会对 CV（DL）在医学影像中应用有一个相对全面的认知。给分上来说，我们组几次 project 效果上都比较好，然后该创新的点也创了，然后 presentation 应该算是讲的非常不错的，然后 quiz 一次满分一次 55/75，最后拿了 A，身边采样同组同学也都是 A，然后隔壁组好兄弟 quiz 和我差不多，pj 稍微低一点也是 A，整体上来说给分应该是非常不错的捏！

建议修读人群

背景

BME 大二，之前没接触过深度学习相关内容

上课体验

虽然每种算法之前都没接触过，但是好在老师讲的还算比较细致，内容比较丰富，涵盖了多种机器学习和深度学习的算法，感觉是一门不错的导论课。但是缺点是老师上课语速较快，并且有点枯燥，并且作为生医工专业课，生医工的同学不到 10 人，绝大多数都是信院的同学，学起来压力比较大。

学到的知识点

上课体验

虽然是一门生医工的专业课，但是信院的同学占了 60-70%，信院同学上课应该能看到好多认识的人。这课评分标准就是 quiz+proj，没有签到，所以很适合不想上课的信院同学刷分。齐老师上课语速有点快，没学过的同学上起来可能会有点吃力，而且语气比较平淡，可能会有点无聊。王老师会稍微好一点，上课更有激情。但总体这门课毕竟是专业课，不会很有趣，就是学校的平均水平，上课不能说有趣，但也不至于听不下去。

上课内容

前半学期会讲一些经典的机器学习的算法，后半学期是相对先进一些的深度学习的方法，然后中间穿插与医学图像的结合的应用。总体来说当作生医工的人工智能入门课是比较合适的，但是信院的同学大多数的算法应该都接触过，可以学到一些在医学图像中的应用。

评分标准