- Deep Learning
- Machine Learning
- Explainable Machine Learning
- processing electronic health records
- clinical decision support systems
- International Classification of Diseases
- mining clinical databases
- Descriptive Statistics
- Electronic Health Records
- Ethics in EHR
- preprocessing of EHR and imputation
- Convolutional Neural Network
Spezialisierung Informed Clinical Decision Making using Deep Learning
Apply Deep Learning in Electronic Health Records. Understand the road path from data mining of clinical databases to clinical decision support systems
von
Spezialisierung Informed Clinical Decision Making using Deep LearningUniversity of Glasgow Was Sie lernen werden
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
Kompetenzen, die Sie erwerben
Ãœber dieses Spezialisierung
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.
Praktisches Lernprojekt
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.
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
Kurse, die komplett online stattfinden
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexibler Zeitplan
Festlegen und Einhalten flexibler Termine.
Stufe „Mittel“
Last year undergraduate or master students of computing science or engineering. Basic knowledge on SQL queries and python is required.
Etwa 5Â Monate bis zum Abschluss
Empfohlenes Lerntempo: 5Â Stunden/Woche
Englisch
Untertitel: Englisch
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
Kurse, die komplett online stattfinden
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexibler Zeitplan
Festlegen und Einhalten flexibler Termine.
Stufe „Mittel“
Last year undergraduate or master students of computing science or engineering. Basic knowledge on SQL queries and python is required.
Etwa 5Â Monate bis zum Abschluss
Empfohlenes Lerntempo: 5Â Stunden/Woche
Englisch
Untertitel: Englisch
So funktioniert die Spezialisierung
Kurse absolvieren
Eine Coursera-Spezialisierung ist eine Reihe von Kursen, in denen Sie eine Kompetenz erwerben. Um zu beginnen, melden Sie sich direkt für die Spezialisierung an oder überprüfen Sie deren Kurse und wählen Sie denjenigen Kurs aus, mit dem Sie beginnen möchten. Wenn Sie einen Kurs abonnieren, der Bestandteil einer Spezialisierung ist, abonnieren Sie automatisch die gesamte Spezialisierung Es ist in Ordnung, wenn Sie nur einen Kurs absolvieren möchten — Sie können Ihren Lernprozess jederzeit unterbrechen oder Ihr Abonnement kündigen. Gehen Sie zu Ihrem Lernender-Dashboard, um Ihre Kursanmeldungen und Ihren Fortschritt zu verfolgen.
Praxisprojekt
Jede Spezialisierung umfasst ein Praxisprojekt. Sie müssen das Projekt/die Projekte erfolgreich abschließen, um die Spezialisierung abzuschließen und Ihr Zertifikat zu erwerben. Wenn die Spezialisierung einen separaten Kurs für das Praxisprojekt umfasst, müssen Sie zunächst alle anderen Kurse abschließen, bevor Sie damit beginnen können.
Zertifikat erwerben
Wenn Sie alle Kurse und das Praxisprojekt abgeschlossen haben, erhalten Sie ein Zertifikat, dass Sie für potenzielle Arbeitgeber und Ihr berufliches Netzwerk freigeben können.
Es gibt 5 Kurse in dieser Spezialisierung
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.
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.
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.
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.
von
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.
Häufig gestellte Fragen
Wie erfolgen Rückerstattungen?
Kann ich mich auch nur für einen Kurs anmelden?
Ist finanzielle Unterstützung möglich?
Kann ich kostenlos an diesem Kurs teilnehmen?
Findet dieser Kurs wirklich ausschließlich online statt? Muss ich zu irgendwelchen Sitzungen persönlich erscheinen?
Wie lange dauert es, die Spezialisierung abzuschließen?
What background knowledge is necessary?
Do I need to take the courses in a specific order?
Erhalte ich akademische Leistungspunkte für den Abschluss der Spezialisierung?
What will I be able to do upon completing the Specialization?
Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.
