لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
هوش مصنوعی در پزشکی و مراقبتهای بهداشتی [آموزشی ویدئویی]
- آخرین آپدیت
دانلود AI in Medical & Healthcare [Video]
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
هوش مصنوعی در حال متحول کردن مراقبتهای بهداشتی است و راهکارهای نوآورانهای برای تشخیص بیماریها، مدیریت بیماران و تصویربرداری پزشکی ارائه میدهد. در این دوره، شما یاد میگیرید که چگونه AI را در چالشهای واقعی دنیای پزشکی به کار بگیرید. این مسیر با معرفی مفاهیم بنیادی هوش مصنوعی آغاز شده و با آموزشهای عملی برای ساخت مدلهای AI جهت دستیارهای سلامت شخصی و چتباتهای پشتیبانی سلامت روان ادامه مییابد. شما وارد کاربردهای پیشرفتهای مانند تشخیص ذاتالریه از طریق رادیولوژی قفسه سینه، شناسایی سرطان پوست و پیشبینی بیماریهای قلبی خواهید شد.
با پیشروی در دوره، یاد میگیرید که چگونه مدلهایی را برای تحلیل تصاویر پزشکی، مانند اسکنهای MRI برای طبقهبندی تومورهای مغزی و تصاویر شبکیه برای تشخیص رتینوپاتی دیابتی آموزش دهید. این دوره همچنین آموزش مدلهایی برای پیشبینی مرگومیر در بخشهای مراقبتهای ویژه (ICU) و موارد دیگر را پوشش میدهد. هر ماژول به گونهای طراحی شده است تا تجربه عملی در کار با دادههای پزشکی، از آمادهسازی و آموزش تا استقرار مدل را به شما ارائه دهد.
در پایان این دوره، مهارتهای لازم برای توسعه راهکارهای هوش مصنوعی را خواهید داشت که تحویل و نتایج مراقبتهای بهداشتی را بهبود میبخشد. شما قادر خواهید بود اپلیکیشنهای مبتنی بر AI را برای کمک در تشخیص، مراقبت از بیمار و تحقیقات پزشکی پیادهسازی کنید و نقش مؤثری در تکامل هوش مصنوعی در صنعت سلامت ایفا نمایید.
توسعه اپلیکیشنهای دستیار سلامت شخصی مبتنی بر AI
ساخت چتباتهای پشتیبانی سلامت روان برای تعامل با بیماران
آموزش مدلهای پیشبینی بیماریهایی مانند بیماریهای قلبی و دیابت
استفاده از AI برای تحلیل تصاویر پزشکی جهت تشخیص ذاتالریه و سرطان پوست
پیادهسازی تکنیکهای پیشرفته AI برای تشخیص تومور مغزی
ایجاد راهکارهای پیشرفته AI برای پیشبینی مرگومیر در ICU
این دوره برای متخصصان مراقبتهای بهداشتی، دانشمندان داده، علاقهمندان به هوش مصنوعی و هر کسی که به دنبال بررسی تلاقی AI و پزشکی است، طراحی شده است. این دوره برای کسانی که قصد دارند مهارتهای کاربردی AI در پزشکی را بیاموزند ایدهآل است. داشتن درک پایه از پایتون و یادگیری ماشین توصیه میشود، هرچند مفاهیم بنیادی در دوره پوشش داده شده تا همه کاربران به موفقیت دست یابند.
پروژههای عملی برای توسعه اپلیکیشنهای واقعی AI در سلامت * آموزشهای دقیق در زمینه پیشبینی بیماریها، تحلیل تصاویر پزشکی و بیشتر * ماژولهای جامع برای تجهیز کاربران به مهارتهای ضروری AI در حوزه بهداشت و درمان
سرفصل ها و درس ها
به دوره خوش آمدید
Welcome to the Course
به دوره خوش آمدید
Welcome to the Course
نحوه دریافت کمک
How to Get Help
مزایا و گواهینامه
Benefit & Certification
مرور کلی دوره
Course Overview
ماژول ۱ کاربرد ۱ دستیار سلامت شخصی
Module 1 - Application 1 - Personal Health Assistant
مرور کلی دستیار سلامت شخصی
Personal Health Assistant Overview
آمادهسازی دادهها
Data Preparation
تنظیم دقیق مدل (Fine Tuning)
Fine-Tuning the Model
آموزش عملی دستیار سلامت شخصی
Personal Health Assistant Tutorial
ماژول ۱ کاربرد ۲ چتبات درمانگر سلامت روان
Module 1 - Application 2 - Mental Health Therapist Chatbot
آموزش عملی چتبات پشتیبانی سلامت روان
Mental Health Support Chatbot Tutorial
ماژول ۲ کاربرد ۳ تشخیص ابزارهای پزشکی مفقود شده
Module 2 - Application 3 - Missing Medical Tools Detection
مرور کلی ابزارهای پزشکی مفقود شده
Missing Medical Tools Overview
آموزش مدل
Model Training
آموزش عملی تشخیص ابزارهای مفقود شده
Missing Medical Tools Tutorial
ماژول ۲ کاربرد ۴ تشخیص ذاتالریه از طریق رادیولوژی قفسه سینه
Module 2 - Application 4 - Pneumonia Detection from Chest X-Rays
مرور کلی تشخیص ذاتالریه از رادیولوژی قفسه سینه
Pneumonia Detection from Chest X-Ray Overview
آموزش مدل
Model Training
آموزش عملی تشخیص ذاتالریه
Pneumonia Detection Tutorial
ماژول ۲ کاربرد ۵ تشخیص سرطان پوست
Module 2 - Application 5 - Skin Cancer Detection
مرور کلی تشخیص سرطان پوست
Skin Cancer Detection Overview
آموزش عملی تشخیص سرطان پوست
Skin Cancer Detection Tutorial
ماژول ۲ کاربرد ۶ تشخیص تب با دوربین مادون قرمز (IR)
Module 2 - Application 6 - IR Camera Fever Detection
مرور کلی دوربین مادون قرمز
IR Camera Overview
آموزش عملی تشخیص تب با دوربین مادون قرمز
IR Camera Fever Detection Tutorial
ماژول ۳ کاربرد ۷ طبقهبندی تومور مغزی با استفاده از تصاویر MRI
Module 3 - Application 7 - Brain Tumor Classification Using MRI Imagery
مرور کلی طبقهبندی تومور مغزی
Brain Tumor Classification Overview
آموزش مدل
Model Training
آموزش عملی طبقهبندی تومور مغزی
Brain Tumor Classification Tutorial
ماژول ۳ کاربرد ۸ طبقهبندی رتینوپاتی دیابتی با استفاده از تصاویر شبکیه
Module 3 - Application 8 - Diabetic Retinopathy Classification Using Retina Images
مرور کلی رتینوپاتی دیابتی
Diabetic Retinopathy Overview
آموزش عملی رتینوپاتی دیابتی
Diabetic Retinopathy Tutorial
مرور کلی پیشبینی بیماریهای قلبی
Heart Disease Prediction Overview
ماژول ۴ کاربرد ۱۰ پیشبینی دیابت
Module 4 - Application 10 - Diabetes Prediction
مرور کلی پیشبینی دیابت
Diabetes Prediction Overview
آموزش عملی پیشبینی دیابت
Diabetes Prediction Tutorial
ماژول ۴ کاربرد ۱۱ پیشبینی مرگومیر برای بخشهای مراقبتهای ویژه (ICU)
Module 4 - Application 11 - Mortality Prediction for Intensive Care Units
مرور کلی پیشبینی مرگومیر
Mortality Prediction Overview
آموزش مدل
Training the Model
آموزش عملی پیشبینی مرگومیر
Mortality Prediction Tutorial
ماژول ۵ کاربرد ۱۲ قطعهبندی تومور مغزی با استفاده از تصاویر MRI سهبعدی
Module 5 - Application 12 - Brain Tumor Segmentation Using 3D-MRI Imagery
مرور کلی قطعهبندی سهبعدی تومور مغزی
Brain Tumor 3D Segmentation Overview
راه اندازی محیط Kaggle
Setting Up Kaggle Environment
ساخت خط لوله مدل و اجرای استنتاج
Build Model Pipeline and Run Inferencing
تجزیه و تحلیل و بصریسازی خروجی مدل
Model Output Visualization and Analysis
راهاندازی و اجرای فرانتاند
Setting Up and Running the Frontend
ماژول ۵ کاربرد ۱۳ قطعهبندی PolyP در تصاویر چندکلاسه برای گوارش
Module 5 - Application 13 - PolyP Segmentation on Multi-Class Images for Gastrointestinal
مرور کلی قطعهبندی PolyP
PolyP Segmentation Overview
راهاندازی محیط Kaggle و بارگذاری مدل
Setup Kaggle Environment and Loading Model
ساخت خط لوله مدل برای استنتاج
Building Model Pipeline for Inferencing
تجزیه و تحلیل و بصریسازی خروجی مدل
Model Output Visualization and Analysis
راهاندازی و اجرای فرانتاند
Setting Up and Running the Frontend
Augmented Startups بیش از ۸ سال تجربه در طراحی بردهای مدار چاپی (PCB) و همچنین پردازش تصویر و کنترلهای جاسازی شده دارد. نویسنده، Ritesh Kanjee، مدرک کارشناسی ارشد خود را در مهندسی الکترونیک به پایان رسانده و دو مقاله در پایگاه داده IEEE منتشر کرده است؛ یکی با عنوان "کنترل کروز تطبیقی مبتنی بر بینایی با استفاده از تطبیق الگو" و دیگری "چارچوب تشخیص سه مرحلهای خودرو برای تخمین فاصله با استفاده از تک دوربین" (در گوگل اسکالر). کارهای او در LabVIEW پیادهسازی شده است. او به عنوان مهندس الکترونیک جاسازی شده در تحقیقات دفاعی فعالیت میکند و تجربه طراحی FPGA با برنامهنویسی VHDL و Verilog را دارد. وی همچنین در زمینه واقعیت افزوده و یادگیری ماشین تخصص دارد و تکنولوژیهای جدید را از طریق ویدئو معرفی میکند.
نمایش نظرات