使用 PyTorch 进行深度学习以进行医学图像分析

了解如何使用 Pytorch-Lightning 解决现实世界的医学成像任务！

讲师：Jose Portilla

口袋资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

你将会学到的

• 学习如何使用 NumPy
• 学习经典的机器学习理论原理
• 医学影像基础
• 医学影像中的数据格式
• 使用 PyTorch 创建人工神经网络
• 使用 PyTorch-Lightning 进行最先进的培训
• 可视化 CNN 的决策
• 2D & 3D 数据处理
• 自动癌症分割

课程内容

13 个章节 • 88 个讲座 • 总时长 12 小时 5 分钟展开所有章节

介绍5 个讲座 • 26 分钟

速成课程：NumPy7 个讲座 • 49 分钟

机器学习概念概述5 个讲座 • 42 分钟

PyTorch 基础知识7 个讲座 • 55 分钟

CNN – 卷积神经网络16 个讲座 • 2 小时 50 分钟

医学影像 – 简介5 个讲座 • 19 分钟

医学影像中的数据格式8 个讲座 • 1 小时 15 分钟

肺炎-分类7 个讲座 • 1 小时 25 分钟

心脏检测7 个讲座 • 1 小时 3 分钟

中庭分割9 个讲座 • 1 小时 18 分钟

还有 3 个章节

要求

• 了解 Python 基本主题（数据类型、循环、函数）也推荐 Python OOP
• 理想情况下是 PyTorch，但不一定需要

说明

你是否曾经想将深度神经网络应用到 MNIST、CIFAR10 或猫与狗之外的领域？

你想在 CT 图像中分割癌症时了解最先进的机器学习框架吗？

那么这是适合你的课程！

欢迎来到医学影像深度学习最全面的课程之一！

本课程侧重于将最先进的深度学习架构应用于各种医学成像挑战。

你将处理几个不同的任务，包括癌症分割、肺炎分类、心脏检测、可解释性等等。

涵盖以下主题：

• 数字货币
• 机器学习理论
• 测试/训练/验证数据拆分
• 模型评估 – 回归和分类任务
• PyTorch 的张量
• 卷积神经网络
• 医学影像
• 网络决策的可解释性——网络为什么要这样做？
• 最先进的高级 pytorch 库：pytorch-lightning
• 肿瘤分割
• 三维数据
• 还有很多

为什么选择这个特定的深度学习与 PyTorch 进行医学图像分析 课程？

• 本课程提供有关将深度学习应用于高度复杂和非标准（医学）问题（2D 和 3D）的独特知识
• 所有课程都包含清晰总结的理论和代码示例，以便你理解并遵循每一步。
• 强大的在线社区，我们的 QA 论坛拥有数千名学生和专门的助教，以及我们 Discord 服务器上的学生互动。
• 你将学习到绝大多数 AI 工程师所没有的技能和技巧！

————–

何塞、马塞尔、塞尔吉奥斯和托拜厄斯

此课程面向哪些人：

• Python 开发人员和机器学习工程师希望学习如何在深度卷积神经网络的帮助下解决医学成像领域每天发生的现实问题。
• 每个想了解更多关于人工智能和医学影像联合领域及其工作原理的人
• 熟悉基本深度学习知识的开发人员，他们希望将自己的技能应用于不仅仅是玩具问题
• 对人工智能在医学中的实际运作方式感兴趣的医学专业人士