Apply Deep Learning in Electronic Health Records. Understand the road path from data mining of clinical databases to clinical decision support systems

4.9

звезд

Оценки: 9

Fani Deligianni

от партнера

Специализация Informed Clinical Decision Making using Deep LearningUniversity of Glasgow

Чему вы научитесь

Extract and preprocess data from complex clinical databases
Apply deep learning in Electronic Health Records
Imputation of Electronic Health Records and data encodings
Explainable, fair and privacy-preserved Clinical Decision Support Systems

Приобретаемые навыки

Специализация: общие сведения

This specialisation is for learners with experience in programming that are interested in expanding their skills in applying deep learning in Electronic Health Records and with a focus on how to translate their models into Clinical Decision Support Systems. The main areas that would explore are: Data mining of Clinical Databases: Ethics, MIMIC III database, International Classification of Disease System and definition of common clinical outcomes. Deep learning in Electronic Health Records: From descriptive analytics to predictive analytics Explainable deep learning models for healthcare applications: What it is and why it is needed Clinical Decision Support Systems: Generalisation, bias, ‘fairness’, clinical usefulness and privacy of artificial intelligence algorithms.

Проект прикладного обучения

Learners have the opportunity to choose and undertake an exercise based on MIMIC-III extracted datasets that combines knowledge from:

Data mining of Clinical Databases to query the MIMIC database
Deep learning in Electronic Health Records to pre-process EHR and build deep learning models
Explainable deep learning models for healthcare to explain the models decision

Learners can choose from:

1. Permutation feature importance on the MIMIC critical care database

The technique is applied both on logistic regression and on an LSTM model. The explanations derived are global explanations of the model.

2. LIME on the MIMIC critical care database

The technique is applied on both logistic regression and an LSTM model. The explanations derived are local explanations of the model.

3. Grad-CAM on the MIMIC critical care database

GradCam is implemented and applied on an LSTM model that predicts mortality. The explanations derived are local explanations of the model.

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

Только онлайн-курсы

Начните сейчас и учитесь по собственному графику.

Гибкий график

Установите гибкие сроки сдачи заданий.

Средний уровень

Ориентировочное время на прохождение: 5 месяцев

Рекомендуемый темп: 5 ч/неделю

Английский

Будет ли вашей компании выгодно обучить сотрудников востребованным навыкам?

Попробуйте Coursera для бизнеса

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

Только онлайн-курсы

Начните сейчас и учитесь по собственному графику.

Гибкий график

Установите гибкие сроки сдачи заданий.

Средний уровень

Ориентировочное время на прохождение: 5 месяцев

Рекомендуемый темп: 5 ч/неделю

Английский

Будет ли вашей компании выгодно обучить сотрудников востребованным навыкам?

Попробуйте Coursera для бизнеса

Узнайте, как сотрудники ведущих компаний осваивают востребованные навыки

Подробнее о Coursera для бизнеса

О специализации

Пройти курсы

Специализация Coursera — это серия курсов, помогающих в совершенстве овладеть определенным навыком. Можно сразу записаться на специализацию или просмотреть курсы, из которых она состоит и выбрать тот, с которого вы хотите начать. Подписываясь на курс, который входит в специализацию, вы автоматически подписываетесь на всю специализацию. Можно завершить всего один курс, а потом сделать паузу в обучении или в любой момент отменить подписку. Отслеживайте свои курсы и прогресс на панели управления учащегося.

Практический проект

В каждой специализации есть практический проект, который нужно успешно выполнить, чтобы завершить специализацию и получить сертификат. Если для практического проекта в специализации предусмотрен отдельный курс, прежде чем начать его, необходимо завершить все остальные курсы.

Получите сертификат

Когда вы пройдете все курсы и завершите практический проект, вы получите сертификат, которым можно поделиться с потенциальными работодателями и коллегами.

Специализация включает несколько курсов: 5

Курс1

Курс 1

Data mining of Clinical Databases - CDSS 1

This course will introduce MIMIC-III, which is the largest publicly Electronic Health Record (EHR) database available to benchmark machine learning algorithms. In particular, you will learn about the design of this relational database, what tools are available to query, extract and visualise descriptive analytics.

Курс2

Курс 2

Deep learning in Electronic Health Records - CDSS 2

Overview of the main principles of Deep Learning along with common architectures. Formulate the problem for time-series classification and apply it to vital signals such as ECG. Applying this methods in Electronic Health Records is challenging due to the missing values and the heterogeneity in EHR, which include both continuous, ordinal and categorical variables. Subsequently, explore imputation techniques and different encoding strategies to address these issues. Apply these approaches to formulate clinical prediction benchmarks derived from information available in MIMIC-III database.

Курс3

Курс 3

Explainable deep learning models for healthcare - CDSS 3

This course will introduce the concepts of interpretability and explainability in machine learning applications. The learner will understand the difference between global, local, model-agnostic and model-specific explanations. State-of-the-art explainability methods such as Permutation Feature Importance (PFI), Local Interpretable Model-agnostic Explanations (LIME) and SHapley Additive exPlanation (SHAP) are explained and applied in time-series classification. Subsequently, model-specific explanations such as Class-Activation Mapping (CAM) and Gradient-Weighted CAM are explained and implemented. The learners will understand axiomatic attributions and why they are important. Finally, attention mechanisms are going to be incorporated after Recurrent Layers and the attention weights will be visualised to produce local explanations of the model.

Курс4

Курс 4

Clinical Decision Support Systems - CDSS 4

Machine learning systems used in Clinical Decision Support Systems (CDSS) require further external validation, calibration analysis, assessment of bias and fairness. In this course, the main concepts of machine learning evaluation adopted in CDSS will be explained. Furthermore, decision curve analysis along with human-centred CDSS that need to be explainable will be discussed. Finally, privacy concerns of deep learning models and potential adversarial attacks will be presented along with the vision for a new generation of explainable and privacy-preserved CDSS.

Преподаватели

Fani Deligianni

School of Computing Science

1 586 учащихся

5 курсов

от партнера

University of Glasgow

The University of Glasgow has been changing the world since 1451. It is a world top 100 university (THE, QS) with one of the largest research bases in the UK.

We are a member of the prestigious Russell Group of leading UK Universities with annual research income of more than £179m. The University’s #TeamUofG community is truly international with over 8000 staff and 28,0000 students from more than 140 countries. A 2019 Time Out survey placed Glasgow in the top ten cities in the world. Ranked between Berlin and Paris, Glasgow was voted number one for both friendliness and affordability. Right now our dedicated community of staff, students and alumni is working to address the challenges of Covid-19 and understand how we can make life safer for everyone.

Часто задаваемые вопросы

Какие правила возврата средств?
Когда вы оформите подписку, начнется семидневный бесплатный пробный период, в течение которого подписку можно отменить без штрафа. По истечении этого срока вы не сможете вернуть средства, но сможете отменить подписку в любой момент. Ознакомьтесь с нашей политикой возврата средств.
Можно ли зарегистрироваться только на один курс?
Да! Чтобы начать, нажмите карточку интересующего вас курса и зарегистрируйтесь. Зарегистрировавшись, вы можете пройти курс и получить сертификат, ссылкой на который можно делиться с другими людьми. Просто ознакомиться с содержанием курса можно бесплатно. При подписке на курс, входящий в специализацию, вы автоматически подписываетесь на всю специализацию. Ход учебы можно отслеживать в панели управления учащегося.
Можно ли получить финансовую помощь?
Да. В некоторых программах обучения вы можете подать заявку на получение финансовой помощи или стипендии, если не можете оплатить регистрационный взнос. Если для выбранной вами программы предлагается такая возможность, вы увидите ссылку для подачи заявки на странице описания.
Могу ли я пройти курс бесплатно?
Когда вы регистрируетесь на курс, то можете получить доступ ко всем курсам в специализации. Кроме того, вы получаете сертификат о прохождении курса.Просто ознакомиться с содержанием курса можно бесплатно. Если стоимость обучения для вас слишком велика, вы можете подать заявку на финансовую помощь.
Действительно ли это полностью дистанционный курс? Нужно ли мне посещать какие-либо занятия лично?
Это полностью дистанционный курс, потому вам не нужно ничего посещать. Все лекции, материалы для самостоятельного изучения и задания доступны всегда и везде по Интернету и с мобильных устройств.
Сколько времени занимает получение специализации?
Each module is designed to take 4-5 weeks. Modules two and three are heavy in practical exercise and it may take slightly longer for inexperienced in machine learning learners.
What background knowledge is necessary?
It is required basic knowledge in sql databases and how to setup a postgres database. It also requires knowledge in python programming with common scientific libraries, such as numpy, scipy and matplotlib.
Do I need to take the courses in a specific order?
Yes, the course is designed to be taken with the prespecified order. Specifically, the second module requires knowledge from the first module, the third module requires knowledge from the second module and the forth module requires high-level understanding of module one, two and three.
Получу ли я зачеты в университете за прохождение специализации?
No
What will I be able to do upon completing the Specialization?
Implement benchmark pipelines for Deep Learning Algorithms with Electronic Health Records.

Остались вопросы? Посетите Центр поддержки учащихся.

Обучайте сотрудников и добивайтесь отличных результатов в бизнесе

Откройте для себя Coursera для бизнеса

Специализация Informed Clinical Decision Making using Deep Learning

Чему вы научитесь

Приобретаемые навыки

Специализация: общие сведения

Проект прикладного обучения