دسترسی سریع:

مسیر:

صفحه اصلی

مشکل زیرساخت شبکه و افت سرعت کاملاً برطرف شده است. در حال حاضر فعال‌سازی و آماده‌سازی دوره‌ها در حال انجام است. از صبر و شکیبایی شما سپاسگزاریم.

لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در کانال تلگرام عضو شوید.

آموزش ساخت سیستم طبقه‌بندی تصاویر رادیولوژی (X-Ray) - آخرین آپدیت

دانلود Building a X-Ray Image Classifier

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: پنومونی (سینه پهلو) یکی از بیماری‌های تنفسی اصلی است و تشخیص زودهنگام آن حیاتی است. هوش مصنوعی می‌تواند با سرعت بخشیدن به ارزیابی‌های رادیولوژی قفسه سینه در این مسیر کمک کند. در این دوره عملی، ما یک مدل یادگیری عمیق برای تشخیص پنومونی از روی تصاویر رادیولوژی ریه می‌سازیم تا کارایی تشخیص پزشکی را افزایش دهیم. پنومونی یک بیماری تنفسی جدی است که نیازمند تشخیص به‌موقع و دقیق می‌باشد. در این پروژه کدنویسی، ما مدلی از یادگیری عمیق را برای طبقه‌بندی تصاویر رادیولوژی قفسه سینه و تشخیص موارد مبتلا به پنومونی از ریه‌های سالم طراحی خواهیم کرد. با بهره‌گیری از هوش مصنوعی، می‌توانیم به رادیولوژیست‌ها در تسریع ارزیابی‌ها و بهبود دقت تشخیص کمک کنیم. شما خواهید آموخت که چگونه داده‌های تصاویر پزشکی را پیش‌پردازش کنید، یک شبکه عصبی پیچشی (CNN) با استفاده از PyTorch بسازید و مدل را برای شناسایی الگوهای پنومونی آموزش دهید. همچنین تکنیک‌های ارزیابی مدل، از جمله دقت (Accuracy) و امتیاز F1 را برای اندازه‌گیری عملکرد بررسی خواهیم کرد. این پروژه عملی برای کسانی که به دنبال به‌کارگیری یادگیری عمیق در حوزه سلامت و کسب تجربه عملی در طبقه‌بندی تصاویر پزشکی هستند، ایده‌آل است. در پایان، شما یک مدل هوش مصنوعی آموزش‌دیده خواهید داشت که قادر به تشخیص پنومونی در تصاویر رادیولوژی است. دفترچه DataLab خود را برای این پروژه ایجاد کنید: (https://www.datacamp.com/datalab/new?accountType=personal&_tag=workspace&workspaceId=af4aefad-63fe-4ec6-ac95-1c4a3b274166&title=Classifying%20X-Ray%20Images%20using%20Deep%20Learning&visibility=private&openIfExists=true) این دوره برای مبتدیانی که به یادگیری عمیق و کاربردهای هوش مصنوعی در پزشکی علاقه‌مند هستند، طراحی شده است. برای دنبال کردن این پروژه، داشتن دانش پایه در زبان پایتون و شبکه‌های عصبی مورد نیاز است. این راهنمای عملی گام‌به‌گام شما را از پیش‌پردازش داده‌ها تا ارزیابی مدل در ساخت یک طبقه‌بندی‌کننده تصاویر پزشکی همراهی می‌کند. شما با تمرینات کدنویسی کاربردی و مجموعه‌داده‌های واقعی، یک سیستم هوش مصنوعی برای تشخیص پنومونی توسعه خواهید داد. در نهایت، شما یک مدل کاملاً آموزش‌دیده و مهارت‌های لازم برای اعمال یادگیری عمیق در وظایف تصویربرداری پزشکی را به دست خواهید آورد. این دوره بر اساس پروژه Building a X-Ray Image Classifier توسط DataLab و Bernd Schrooten تهیه شده است. این دوره توسط Packt لایسنس و توزیع شده است. تمامی حقوق محفوظ است. Packt یکی از پرکارترین ناشران محتوای فنی پیشرفته در جهان است. برای بیش از دو دهه، ماموریت ما جمع‌آوری و انتشار دانش برترین متخصصان فنی بوده است. ما بر دوره‌های کاربردی تمرکز داریم که به مشتریان کمک می‌کند کارهای خود را به بهترین شکل انجام دهند و موضوعات گسترده‌ای از مباحث تثبیت شده تا تکنولوژی‌های لبه را پوشش می‌دهیم. اگر شما یا سازمانتان به یادگیری از طریق عمل (Learning by doing) اعتقاد دارید، Packt انتخابی ایده‌آل برای شماست.

سرفصل ها و درس ها