یادگیری عمیق با Pytorch برای تجزیه و تحلیل تصویر پزشکی

یاد بگیرید چگونه از Pytorch-Lightning برای حل وظایف تصویربرداری دنیای دنیای واقعی استفاده کنید!

عنوان اصلی : Deep Learning with PyTorch for Medical Image Analysis

سرفصل های دوره :

مقدمه:
لینک دانلود فایل های دوره
نصب و راه اندازی محیط
نصب بدون فایل yml
برنامه درسی
دوره Crash: NumPy:
آرایه های NumPy
آرایه های NumPy قسمت دوم
انتخاب شاخص NumPy
عملیات NumPy
تمرینات NumPy
تمرین NumPy - راه حل
بررسی اجمالی مفاهیم یادگیری ماشین:
یادگیری ماشین چیست؟
آموزش تحت نظارت
بیش از حد
ارزیابی عملکرد - معیارهای خطای طبقه بندی
ارزیابی عملکرد - معیارهای خطای رگرسیون
مبانی PyTorch:
مقدمه مبانی PyTorch
مبانی تانسور
مبانی تنسور-بخش دوم
عملیات تانسور
عملیات تانسور - قسمت دوم
اصول PyTorch - ورزش
اصول PyTorch - راه حل های تمرین
سی‌ان‌ان - شبکه‌های عصبی کانولوشنال:
مقدمه ای بر CNN ها
درک مجموعه داده های MNIST
ANN با MNIST - بخش اول - داده
ANN با MNIST - قسمت دوم - ایجاد شبکه
مهم: تفاوت کتابخانه بین ویدیو و نوت بوک
ANN با MNIST - قسمت سوم - آموزش
ANN با MNIST - قسمت چهارم - ارزیابی
فیلترها و هسته های تصویر
تجمیع لایه ها
داده‌های MNIST بازبینی شد
MNIST با CNN - Code Along - قسمت اول
MNIST با CNN - Code Along - قسمت دوم
MNIST با CNN - Code Along - قسمت سوم
چرا به GPU نیاز داریم؟
استفاده از GPU برای PyTorch
تصویربرداری پزشکی - مقدمه ای کوتاه:
نمای کلی: X-RAY
نمای کلی: CT
بررسی اجمالی: MRI
نمای کلی: PET
خلاصه: تصویربرداری پزشکی
فرمت های داده در تصویربرداری پزشکی:
DICOM
DICOM-in-Python
خلاصه: DICOM
NIfTI
NIfTI-in-Python
خلاصه:NIfTI
پیش پردازش
Preprocessing-in-Python-Part-1
Preprocessing-in-Python-Part-2
Recap:Preprocessing
طبقه بندی پنومونی:
پیش پردازش
Train-01-Data-Loading
Train-02-Model-Creation
Train-03-Trainer
Train-04-Evaluation
قابلیت تفسیر
تشخیص قلب:
01-مقدمه
02-پیش پردازش
03-Dataset-Part-1
04-Dataset-Part-2
Train-01-Data-Loading
Train-02-Model-Creation
بخش بندی دهلیز:
01-مقدمه
Preprocessing-01-Visualization
Preprocessing-02-Processing
Dataset-01-Dataset-Creation
Dataset-02-Dataset-Validation
UNet
Train-01-Data-Loading-and-Loss
Train-02-Model-Creation
Train-03-Evaluation
Capstone-Project: Lung Tumor Segmentation:
نمای کلی
نمونه برداری بیش از حد
نکته - خطای زمان اجرا: نوع اسکالر مورد انتظار Double but found Float
بحث
تقسیم بندی سه بعدی کبد و تومور کبد:
مقدمه
مدل
Train-01-TorchIO-Dataset
Train-02-Model-Creation
Train-03-Evaluation
بخش پاداش: از شما متشکرم! :
سخنرانی جایزه