2021
1. Introduction
2 Health Data
3 Machine Learning Basics
4 Deep Neural Networks (DNN)
5. Embedding
6 Convolutional Neural Networks (CNN)
7 Recurrent Neural Networks (RNN)
8 Autoencoders (AE)
9 Attention Models
10 Graph Neural Networks
11 Memory Networks
12 Generative Models
1. Introduction
2 Health Data
3 Machine Learning Basics
4 Deep Neural Networks (DNN)
5. Embedding
6 Convolutional Neural Networks (CNN)
p 83 , cnn เป็น specific type of nn for – processing grid-like data eg image , time series
healthcare app – cnn model ใช้เยอะใน automatic feature learning and disese classification from – medical images
– automatic classification of skin lesion , detection of diabetic retinopathy and covid x-ray classification
cnn – great preformance ใน disease detection โดยใช้ biosignals eg ECG , EEG
– research applied cnn model – structured EHR data , clinical text
6.1 CNN Intuition เป็น nn ปกด layer of convolution
มักจะ nonlinear activation and pooling layer , ตามด้วย fully connected layer ,
ไม่เหมือนกับ DNN ที่ connect ทุก neuron to all neuron ใน next layer
cnn – focus local properties ดฉ ใช้ convolutionม้วนงอ over input layer – เพื่อสร้าง local connection -> connect unit next layer
– output convolution เรียกว่า feature maps -> จากนั้น ไป pooling layer , progressive reduce size of feature map
การ design – convolution and pooling layer – leverage กับ local properties of grid-like data eg image or time-series signal – ชื่อ translational invariance and compositonality
– Translational invariance = statistic one local region eg section in image or fragment of ECG series – คล้ายๆ กับother local regions
– feature learn จาก local region – ใช้ในทุก regions
p 84 , compositionality – refer ถึง intrinsic hierarachical structure ในimage / signal data – lower-level feature as pixel ใน image or beat in ECG signal -> composed into -> higher-level representation eg scene or rhythm pattern
cnn – มีการ repeat – convolutionn and poolign layer – multiple times , -> fully connect layer เพื่อfuse all local feature -> produce more abstract feature for – classification tasks
– different layer สามารถ stack เป็น deep n
6.2 Architecture of CNN
7 Recurrent Neural Networks (RNN)
8 Autoencoders (AE)
9 Attention Models
10 Graph Neural Networks
11 Memory Networks
12 Generative Models