هیچ محصولی در سبد خرید شما وجود ندارد.
تجزیه و تحلیل تصاویر پزشکی از مهم ترین ارکان در تصویربرداری های پزشکی است. با انواع و اقسام روش ها در این حوزه یعنی پردازش تصاویر پزشکی، افراد مشغول پژوهش هستند. پردازش تصویر به صورت های مختلفی انجام می شود؛ استفاده از نرم افزار MATLAB، PYTHON در این حوزه بسیار کاربردی است. دوره پیش رو یک دوره ی تخصصی با استفاده از یادگیری عمیق این بار در PyTorch می باشد. این دوره بر روی کاربرد پیشرفته ترین معماری های یادگیری عمیق در چالش های مختلف تصویربرداری پزشکی تمرکز دارد که در مهندسی پزشکی از چالش های جدید این رشته نام برده می شود. شما با چندین کار مختلف از جمله تقسیم بندی سرطان، طبقه بندی ذات الریه، تشخیص قلب، تفسیرپذیری و بسیاری موارد دیگر مقابله خواهید کرد.این دوره، دانش منحصر به فردی را در مورد کاربرد یادگیری عمیق در مسائل بسیار پیچیده و پزشکی (در فضای دو بعدی و سه بعدی) ارائه می کند.
NumPy
تئوری یادگیری ماشین
تقسیم دادههای تست/آموزش/اعتبار
ارزیابی مدل - وظایف رگرسیون و طبقه بندی
تانسورها با PyTorch
شبکه های عصبی کانولوشنال
تصویربرداری پزشکی
تفسیرپذیری تصمیم شبکه - چرا شبکه همان کاری را که انجام می دهد انجام می دهد؟
یکی از پیشرفته ترین کتابخانه های pytorch سطح بالا: pytorch-lightning
تقسیم بندی تومور داده های سه بعدی