Artwork

Content provided by Radio Galaksija. All podcast content including episodes, graphics, and podcast descriptions are uploaded and provided directly by Radio Galaksija or their podcast platform partner. If you believe someone is using your copyrighted work without your permission, you can follow the process outlined here https://player.fm/legal.
Player FM - Podcast App
Go offline with the Player FM app!

Radio Galaksija #161: Mašinsko učenje u medicini (Ognjen Milićević) [22-11-2022]

1:56:45
 
Share
 

Manage episode 347807461 series 2644612
Content provided by Radio Galaksija. All podcast content including episodes, graphics, and podcast descriptions are uploaded and provided directly by Radio Galaksija or their podcast platform partner. If you believe someone is using your copyrighted work without your permission, you can follow the process outlined here https://player.fm/legal.

U ovoj epizodi smo pričali o primenama mašinskog učenja u oblasti medicine i zdravstva, a gost je bio Ognjen Milićević, sa Instituta za medicinsku statistiku i informatiku Medicinskog fakulteta Univerziteta u Beogradu, bioinformatički istraživač u GenieUs Genomics i Machine Learning Tech Lead u kompaniji HTEC Group.
Ognjen je takođe i kolega podcaster i ima svoj podcast Baš dobra priča.
Pričali smo o različitim domenima i važnim i izazovnim problemima na koje se mašinsko učenje u medicini može primeniti.
Pričali smo o radiološkim problemima i korišćenju veštačke inteligencije (AI) i mašinskog učenja (ML), kako i kompjuterske vizije (en. computer vision) pri čitanju, segmentaciji, detekciji, klasifikaciji različitih objekata i karakteristika različitih vrsta radioloških, histopatoloških i drugih slika i snimaka u medicinskim dijagnostičkim metodama. Čućete razne primere, poput toga kako koristimo ML kada želimo da detektujemo ćelije raka na histopatološkim snimcima.
Tu su i razna pitanja poput toga kada i kako koristimo i NE koristimo ML algoritme i alate u medicini, gde jesu i gde nisu implementirani u softvere i uređaje za medicinsku dijagnostiku itd, i zašto nisu? Govorili smo malo i o obazrivosti i otporu prema uplivu savremenih tehnologija u dijagnostici itd.
Pričali smo i o tome na koji način se modeli, bili oni empirijski i ljudski ili računarski i AI modeli, evaluiraju i na koji način se bavimo uspešnošću modela i predikcija u dijagnostici ili terapiji.
Govorili smo o varijabilitetu u medicinskim podacima i intrinsičkim nesavršenostima dijagnostike i terapije, kao i o nesavršenostima algoritama mašinskog učenja i na koji način možemo da unapredimo našu medicinu uz svest o tome.
Pokrenuli smo i pitanja tehničkog, ML/AI i bioinformatičkog obrazovanja i pismenosti na studijama medicine i značaja te vrste pismenosti.
Na kraju, govorili smo i o mnoštvu inovacija koje dolaze od mnogobrojnih startup kompanija i o tome na koji način one mogu da unaprede medicinu, kao i kakve opasnosti i rizike nose sa sobom.
Support the Show.

Više o Radio Galaksiji, kao i mnoge druge sadržaje, možete naći na našem sajtu: https://radiogalaksija.rs. A ako volite ovo što radimo i želite da pomognete, potražite više informacija o tome kako to možete da uradite nalazi se ovde.

  continue reading

261 episodes

Artwork
iconShare
 
Manage episode 347807461 series 2644612
Content provided by Radio Galaksija. All podcast content including episodes, graphics, and podcast descriptions are uploaded and provided directly by Radio Galaksija or their podcast platform partner. If you believe someone is using your copyrighted work without your permission, you can follow the process outlined here https://player.fm/legal.

U ovoj epizodi smo pričali o primenama mašinskog učenja u oblasti medicine i zdravstva, a gost je bio Ognjen Milićević, sa Instituta za medicinsku statistiku i informatiku Medicinskog fakulteta Univerziteta u Beogradu, bioinformatički istraživač u GenieUs Genomics i Machine Learning Tech Lead u kompaniji HTEC Group.
Ognjen je takođe i kolega podcaster i ima svoj podcast Baš dobra priča.
Pričali smo o različitim domenima i važnim i izazovnim problemima na koje se mašinsko učenje u medicini može primeniti.
Pričali smo o radiološkim problemima i korišćenju veštačke inteligencije (AI) i mašinskog učenja (ML), kako i kompjuterske vizije (en. computer vision) pri čitanju, segmentaciji, detekciji, klasifikaciji različitih objekata i karakteristika različitih vrsta radioloških, histopatoloških i drugih slika i snimaka u medicinskim dijagnostičkim metodama. Čućete razne primere, poput toga kako koristimo ML kada želimo da detektujemo ćelije raka na histopatološkim snimcima.
Tu su i razna pitanja poput toga kada i kako koristimo i NE koristimo ML algoritme i alate u medicini, gde jesu i gde nisu implementirani u softvere i uređaje za medicinsku dijagnostiku itd, i zašto nisu? Govorili smo malo i o obazrivosti i otporu prema uplivu savremenih tehnologija u dijagnostici itd.
Pričali smo i o tome na koji način se modeli, bili oni empirijski i ljudski ili računarski i AI modeli, evaluiraju i na koji način se bavimo uspešnošću modela i predikcija u dijagnostici ili terapiji.
Govorili smo o varijabilitetu u medicinskim podacima i intrinsičkim nesavršenostima dijagnostike i terapije, kao i o nesavršenostima algoritama mašinskog učenja i na koji način možemo da unapredimo našu medicinu uz svest o tome.
Pokrenuli smo i pitanja tehničkog, ML/AI i bioinformatičkog obrazovanja i pismenosti na studijama medicine i značaja te vrste pismenosti.
Na kraju, govorili smo i o mnoštvu inovacija koje dolaze od mnogobrojnih startup kompanija i o tome na koji način one mogu da unaprede medicinu, kao i kakve opasnosti i rizike nose sa sobom.
Support the Show.

Više o Radio Galaksiji, kao i mnoge druge sadržaje, možete naći na našem sajtu: https://radiogalaksija.rs. A ako volite ovo što radimo i želite da pomognete, potražite više informacija o tome kako to možete da uradite nalazi se ovde.

  continue reading

261 episodes

All episodes

×
 
Loading …

Welcome to Player FM!

Player FM is scanning the web for high-quality podcasts for you to enjoy right now. It's the best podcast app and works on Android, iPhone, and the web. Signup to sync subscriptions across devices.

 

Quick Reference Guide