選課日期：2025/08/29截止
課程名稱
腦影像分析與人工智慧入門：理論與實作 Introduction to Brain Imaging Analysis and Artificial Intelligence: Theory and Practice
（對應總課程名稱：人工智慧應用與實作）
授課教師
教學發展中心 紀以柔 兼任助理教授
課程概述與目標
本課程旨在教授學生從基礎的結構性與功能性腦影像與擴散張量造影處理流程開始，逐步學習常用的分析工具（如FreeSurfer、FSL、SPM、ANTs），並進一步結合MATLAB中的人工智慧與機器學習工具箱進行分類與回歸模型訓練與驗證。課程以實作導向為主，學生將在期末製作一份個人或小組專題，實際操作腦影像處理流程並應用AI模型進行簡單的神經科學研究分析。
1. 學會結構性腦影像（T1-MRI、DTI）資料的基本處理流程。
2. 熟悉FreeSurfer、FSL、SPM、ANTs等主要影像處理工具的操作。
3. 了解並實作腦區特徵的提取與量化。
4. 使用MATLAB工具建立基本的AI模型（分類與回歸）。
5. 完成一個結合腦影像處理與AI模型分析的期末專題報告。
課程日期
9/4-12/18 週四
15:00-16:00
課程總時數
16小時
上課地點
陽明校區圖資大樓845
修課人數上限
15人
先修科目或先備能力
有程式基礎為佳
學生自備物品
筆電
作業、考試、評量
專題成果報告：40%、每週實作與小作業：40%、課堂參與與回饋：20%
課程大綱
| 單元主題 | 內容綱要 | 講授 | 示範 | 習作 | 其他 | |
| 基礎理論 | 腦影像成像原理、前處理機制介紹。 | 4hr | – | – | – | |
| 影像處理與AI模型實作 | 腦影像處理、特徵提取、AI建模實作 | – | 2hr | 8hr | – | |
| 專題報告呈現 | 製作並呈現專題成果 | 2hr |
課程進度表
| 日期 | 課程進度、內容、主題 |
| 9/4 9/11 9/18 9/25 | 課程介紹與腦影像入門 課程目標、評量方式說明；MRI基本原理與影像序列（T1, T2, DTI, fMRI）； 腦影像研究應用與資料格式（DICOM/NIfTI）。 影像處理工具入門：MATLAB、SPM 與 DPABI 環境安裝與影像展示；SPM 前處理步驟說明與簡單操作。 腦影像前處理實作（SPM/DPABI） 批次處理流程：重新取樣、配準、標準化、平滑；常見錯誤排除教學。 FreeSurfer 安裝與基本結構分析 環境建置、皮質重建流程（recon-all）；提取皮質厚度、體積等結構特徵。 |
| 10/2 10/9 10/16 10/23 10/30 | FSL 與 DTI 分析基礎 DTI 原理；FSL 套件操作；FA、MD 特徵提取與 tract-based 分析。 腦區圖譜與特徵擷取技巧 使用 AAL、DK、Schaefer 等圖譜進行結構特徵彙整與統計表建立。 分類模型建構 I：MATLAB + KNN/SVM 實作 資料分割、訓練與測試、交叉驗證、混淆矩陣分析。 回歸模型建構 I：MATLAB 線性回歸與年齡預測 使用腦影像結構特徵預測連續變項（年齡、認知分數等）；MAE 與 R² 評估。 模型進階：調參與避免 overfitting SVM kernel、交叉驗證設計；正規化與資料標準化策略。 |
| 11/6 11/13 11/20 11/27 | 腦影像+AI 模型整合實作 I 使用萃取的腦影像特徵建立疾病分類或狀態預測模型。 腦影像+AI 模型整合實作 II：多模態分析 結合結構與DTI資料進行多特徵模型建立與比較。 模型可解釋性與倫理議題 介紹 SHAP, LIME 等模型可視化工具； 討論AI在醫學影像應用中的倫理風險與透明性需求。 期末專題構想發想與分組提案 學生分組；提出專題構想與資料處理規劃；老師協助提供開放資料建議。 |
| 12/4 12/11 12/18 | 期末專題實作 I：數據清理與初步分析 進行資料前處理、特徵擷取與初步模型建構。 期末專題實作 II：模型建立與結果呈現 繼續優化模型、整理分析成果與準備簡報。 期末成果發表與總結討論 各組發表；簡報與 demo；課程總結與學生回饋討論。 |
課程教材
1. Literature reading.
2. Online resources.
微學分課程Q&A
📌 我想修微學分課程，該如何報名/進行選課？
每門課程將於開課前三週至前一週間開放選課，請同學於選課截止日前至ICT選課系統進行報名。
📌 若是學期課併開的微學分課程，我可以修學期課又修微學分嗎？
完全不可。學生不得同一學期選修學期課及其併開之微學分課程，僅能二擇一。微學分若成功認計僅可計於【自由選修學分】，而非【必修學分】。
補充說明：學期課是學校課務系統上選的3學分課程，微學分則是在ICT系統上報名的課程，兩者的永久課號不同。有的學期課微學分將會分成-1,-2,-3或A,B,C三階段來進行，每完成一階段，需再報名下一階段選課。若是課程內容設計具連貫性，則未修-1或A者，不得選修-2,-3或B,C課程。
📌 我是校外學生，請問可以選課嗎？
校外學生請點擊ICT選課系統頁面右上角【非本校學生申請賬號】，完成註冊後可以進入系統選課。若該課程不開放給校外學生選課，則無法進行報名。
📌 若已經畢業/在職中，可以選課嗎？
校內/校外的【非學生】身份者，請在選課前寄信詢問授課教師是否可以參與課程，獲教師同意後再進行選課報名，修課名額將以【校內在學學生】為優先。
📌 如何得知是否選上了該課程？
請於選課截止的隔日至選課系統查詢選課結果。
📌 我已經選了課程，該如何退選？
① 若選課報名未截止，可直接在ICT選課系統上點擊【取消報名】。
② 若報名已截止至開課日前，請寄信給助理corlyn@nycu.edu.tw 告知退選意願並說明原因。
③ 若開課當日/課程已進行中，請寫信給授課教師，經老師同意後，截圖/轉寄信件內容給助理。
📌 若沒有退選/無故缺席課程會如何？
未依規定辦理課程退選或無故未到課，將取消該同學兩月內之ICT選課權益，即2個月內無法報名選課系統上的任何課程。
📌 若無法出席課程，該如何請假呢？
若學生因故無法出席課程，請於上課前兩日寫信給授課教師說明請假原因(請附上姓名、學號及請假事由)。
📌 我是學士/碩士/博士生，可以報名選修微學分課程嗎？
可以。惟請留意該學分是否認計為畢業學分，將由您的系所決定。為避免學分爭議，請於抵免前詢問系所該門課的學分是否可以認計。研究生修習之微學分不得採計於畢業學分。
📌 修微學分課程需要繳學分費嗎？
無需。
📌 課程會有成績嗎？
微學分的修課方式比照一般課程，必須通過課堂之作業、測驗、討論、實驗或成果發表等教學活動規定，經授課教師認證，該修課結果通過或不通過。
📌 微學分完修證明該如何申請？
請至微學分課程頁面查詢完修證明申請表，並於結課日前提交申請，詳細規定請參閱表單內容。
📌 申請完修證明就表示匯出學分了嗎？
否，兩者是分開的，授課教師提供成績後，由創創工坊核檢學生修課結果，確認同學【通過】課程後，會在2-4週內以電子檔寄出。而學分登錄表，則需到選課系統下載。
📌 修課結果會直接出現在成績單上嗎？
否，請同學必須於畢業當學期統一提出抵免申請。請至ICT選課系統上【匯出學分登錄表】，經系所認計及各單位簽核完成後，該成績才會出現在成績單上。