本医学人工智能网络公开课程定位在通识教育和科普教育，旨在覆盖更多的医工交叉科研人员、工科学生、医科学生、体育运动健康专业学生以及医疗器械工程技术人员等。

面向各个不同数学和计算机基础的听众、服务于不同的课题科学研究和不同细分领域的实际工程应用。

本次设计的医学人工智能课程，提炼出了医工交叉的核心技术和共性应用。主要包括3部分内容：医学数字信号处理、医学影像分析处理和多模态医疗大模型。

医学数字信号处理包括：脑电、近红外脑血氧FNIRS、超声骨密度、核磁共振MRI信号。

医学影像分析处理包括：X射线影像、CT影像、核磁共振MRI影像。

多模态医疗大模型包括：大模型的基本概念和注意力机制、医疗大模型概况、文心一言医疗大模型实践案例。

声光电磁，是感知自然界和人体世界的基本物理量。对这些物理量进行采集、存储、传输、分析、解读、决策，就构成了医疗行业应用的整个本质过程。

本人在声、光、电、磁四个维度，各提炼出了医疗行业中主流的用户群体较大的数据监测技术，详细讲解相关医疗器械设备的数据采集原理和数据分析解读决策方法逻辑。指出可以AI赋能的环节，并在AI studio上提供了3个实践代码案例。

医学人工智能课程既包括人工智能算法(比如，深度学习或机器学习等)，又包括支撑人工智能算法运行的信息基础设施（比如，医疗器械、智能设备、网络通信、移动计算、物联网技术、基础软件等等）。

如果要熟练掌握医学人工智能技术并在实际工作中应用，则需要具备线性代数、高等数学、概率统计、计算机编程等知识和能力。

如果是为了明晰在医学科研场景中哪些环节可以AI赋能，为了更好地与工科人员沟通合作，则无需前置知识，直接学习本课程即可。