×
ribbon

آموزش رایگان تحلیل هوشمند تصاویر زیست‌پزشکی

آموزش رایگان تحلیل هوشمند تصاویر زیست ‌پزشکی کمک بزرگی به دانشجویان کرده تا بتوانند تصاویر ثبت شده پزشکی را پردازش کنند. باتوجه‌به پیشرفت‌هایی که در حوزه هوش مصنوعی صورت گرفته است، امروزه شاهد این هستیم ... ادامه

ارائه دهنده:  دانشگاه صنعتی شریف  دانشگاه صنعتی شریف
مدرس دوره:
3.9 (7 رای)
سطح: مقدماتی
 رایگان
  
زمان مورد نیاز برای گذارندن دوره:  29 جلسه
مجموع محتوای آموزشی:  38 ساعت ویدئو
 (قابل دانلود می‌باشد)

پیش‌نیاز‌ها

سرفصل‌های دوره آموزش رایگان تحلیل هوشمند تصاویر زیست‌پزشکی

تحلیل هوشمند تصاویر زیست‌پزشکی
  جلسه 1: مقدمات درس تحلیل هوشمند تصاویر زیست‌ پزشکی
"79:53  
  جلسه 2: پردازش تصویر مقدماتی
"81:50  
  جلسه 3: مباحث نظری سیستم‌های خطی، فیلترها و تبدیل فوریه
"79:08  
  جلسه 4: ادامه تبدیل فوریه - استاندارد DICOM
"85:32  
  جلسه 5: آشنایی با تصویربرداری مبتنی بر X-Ray
"80:53  
  جلسه 6: آشنایی با تصویربرداری CT
"76:47  
  جلسه 7: آشنایی با تصویربرداری MRI
"84:38  
  جلسه 8: آشنایی با تصویربرداری PET
"83:30  
  جلسه 9: دو کاربرد از تصاویر MRI، آشنایی با تصویربرداری Ultrasound
"84:40  
  جلسه 10: آشنایی با میکروسکوپ‌های Phase-Contrast، Dark Field، Bright Field
"76:54  
  جلسه 11: آشنایی با میکروسکوپ‌های Fluorescence و Confocal
"80:28  
  جلسه 12: آشنایی با میکروسکوپ‌های Super-Resolution و الکترونی
"84:37  
  جلسه 13: آشنایی با CellProfiler
"80:22  
  جلسه 14: Image Registration (قسمت اول)
"86:26  
  جلسه 15: Image Registration (قسمت دوم)
"86:22  
  جلسه 16: Image Registration (قسمت سوم)
"87:34  
  جلسه 17: Image Registration (قسمت چهارم)
"77:50  
  جلسه 18: Image Registration (قسمت پنجم)
"87:51  
  جلسه 19: قطعه‌بندی تصویر
"78:24  
  جلسه 20: قطعه‌بندی تصاویر با شبکه‌های U-Net (ارائه دانشجویی)
"77:51  
  جلسه 21: ادامه قطعه‌بندی و تشخیص در تصاویر RCNN (ارائه دانشجویی)
"88:48  
  جلسه 22: ادامه قطعه‌بندی و روش Deep k-NN (ارائه دانشجویی)
"69:23  
  جلسه 23: تشخیص بیماری COVID-19 در تصاویر X-Ray (ارائه دانشجویی)
"69:54  
  جلسه 24: مباحث Bone Age Estimation و Knee Magnetic Resonance Imaging (ارائه دانشجویی)
"67:49  
  جلسه 25: مباحث Pneumonia Detection و Skin Cancer Detection (ارائه دانشجویی)
"67:43  
  جلسه 26: دسته‌بندی تصاویر MRI (ارائه دانشجویی)
"64:13  
  جلسه 27: روش CE-Net برای قطعه‌بندی و همین‌طور قطعه‌بندی تومور در تصاویر MRI (ارائه دانشجویی)
"67:15  
  جلسه 28: سنجه‌های توان‌بالای میکروسکوپی (قسمت اول)
"77:46  
  جلسه 29: سنجه‌های توان‌بالای میکروسکوپی (قسمت دوم)
"83:21  

درباره دوره

آموزش رایگان تحلیل هوشمند تصاویر زیست ‌پزشکی کمک بزرگی به دانشجویان کرده تا بتوانند تصاویر ثبت شده پزشکی را پردازش کنند. باتوجه‌به پیشرفت‌هایی که در حوزه هوش مصنوعی صورت گرفته است، امروزه شاهد این هستیم که تصویربرداری پزشکی به‌صورت مدرن انجام شده و تصاویری با کیفیت بالا ارائه می‌شود. برای تشخیص دقیق اطلاعات این تصاویر، باید با ساختار این عکس‌ها و داده‌های ارائه شده در آن آشنایی داشت. انجام این کار به‌صورت کلاسیک، با ضریب خطای بالایی همراه است. در ضمن این روش به پیشرفت‌های اخیر بی‌توجه بوده و امکان تحلیل داده‌های موجود در تصاویر زیست‌پزشکی به این طریق وجود ندارد.

به‌منظور پردازش تصاویر بیوپزشکی باید با فیزیک تصویربرداری و نوع اطلاعاتی که در روش‌های مختلف تصویربرداری ارائه می‌شود آشنا بود. باتوجه‌به پیشرفت‌های حاصل شده در این حوزه، می‌توان این تصاویر را به‌صورت هوشمند مورد پردازش قرار داده و اطلاعات آن را تجزیه‌وتحلیل کرد. در این دوره آموزشی، تصویربرداری زیست‌پزشکی و تحلیل آن‌ها مورد بررسی قرار گرفته و راهکارهای کسب قابلیت‌های این کار ارائه شده است. آموزش رایگان تحلیل هوشمند تصاویر زیست‌پزشکی دانشجویان را آماده می‌کند تا قابلیت‌های لازم برای طراحی روش‌های اصولی جدید برای مسائل پزشکی را به دست آورند. این مسائل شامل تشخیص، پیش‌بینی، بهبود تصویر و قطعه‌بندی تصاویر (Segmentation) است. در ضمن با استفاده از این دوره، دانشجویان قادر خواهند بود به زبان مشترک، اطلاعات و یافته‌های خود را به متخصصین زیست‌شناسی یا رادیولوژیست‌ها انتقال دهند.

درس تحلیل هوشمند تصاویر زیست ‌پزشکی در قالب یک درس 3 واحدی ارائه شده و توسط دکتر محمدحسین رهبان ارائه می‌شود. این درس، پیش‌نیاز یادگیری ماشین برای بیوانفورماتیک به شمار می‌آید و گذران آن برای دانشجویان کارشناسی ارشد بیوانفورماتیک لازم است.

سرفصل‌ها تحلیل هوشمند تصاویر زیست ‌پزشکی

این دوره آموزشی رایگان در 5 فصل مختلف به دانشجویان ارائه می‌شود. در قسمت اول این درس به توضیح درباره پردازش مقدماتی تصاویر، پرداخته می‌شود. در این فصل در مورد سیگنال‌ها، دنیای فوریه و کاربرد آن‌ها در پردازش تصاویر، توضیحاتی ارائه می‌شود. در پایان فصل، دانشجویان با فیلترها و روش‌های ازبین‌بردن نویز آشنا شده‌اند. فصل دوم آموزش رایگان تحلیل هوشمند تصاویر زیست پزشکی به معرفی یک فرمت خاص تصاویر پزشکی به نام DICOM اختصاص دارد. گذشته از علوم کامپیوتر، به‌منظور استفاده از ابزارهای یادگیری عمیق در حوزه بیوانفورماتیک و زیست‌پزشکی باید با داده‌های خاص این مسائل نیز آشنایی داشت. مثلاً اگر قرار است برای حل مسائل تصاویر پزشکی از یادگیری ماشین و یادگیری عمیق استفاده شود باید متخصصان با فرمت‌های خاص این تصاویر پزشکی نیز آشنا باشند.

 

درباره استاد

maktabkhooneh-teacher محمدحسین رهبان

دکتر محمد‌حسین رهبان یکی از استادیاران دانشکده مهندسی کامپیوتر دانشگاه شریف است. زمینه اصلی تحقیقاتی ایشان شامل یادگیری ماشین خصمانه و تفسیرپذیر، یادگیری متغیرهای نهان، و زیست‌شناسی محاسباتی است. به خصوص، ایشان اخیرا به تحقیق در زمینه کاربرد یادگیری ماشین در آنالیز داده سنجه‌های زیست‌شناسی توان بالا مبتنی بر تصویر مشغول شده‌اند. تحقیقات ایشان در دوره پسادکترا در موسسه برود مرتبط با هاروارد و ام آی تی، منجر به کشف ارتباط بین مکانیزم‌های دخیل در سرطان، و داروهایی که این مکانیزم‌ها را کنترل می‌کنند شده‌است.

مشاهده پروفایل و دوره‌‌های استاد

نظرات کاربران  ( نظر)

صفحه 1 از
هانیه ملکی 1400-11-19
این دومین درسی هست که با دکتر رهبان می گذرانم. بسیار با دانش، مسلط هستند و قدرت انتقال مطلب بالایی دارند. این دوره را به همه دوستان پیشنهاد می کنم. فقط کاش فایل اسلایدهای ایشان هم موجود بود میخواستم پرینت کنم و همزمان با دوره، نکات مورد نظرم رو در حاشیه همون اسلاید بنویسم که برای مرور راحت تر و سریع تر باشه. دوستان مکتب خونه اگر امکانش هست فایل اسلایدهای ایشان را به دوره اضافه کنید. سپاس
مکتب‌خونه
همراه عزیز؛ از اینکه نظر خود را با ما در میان گذاشتید صمیمانه سپاسگزاریم. موارد مطرح شده به واحد مربوطه ارجاع داده خواهد شد.
علیرضا محمودیان 1402-11-19
سلام و وقت بخیر متاسفانه از جلسه 19 به بعد صدا به شدت مشکل داره
مکتب‌خونه
همراه عزیز؛ از این که نظر خود را با ما درمیان گذاشته اید سپاسگزاریم. با توجه به این که این دوره دانشگاهی می باشد و در دانشگاه ارائه و ضبط شده است و متاسفانه قابل اصلاح نمی باشد.
آریا مناشری 1402-11-08
متاسفانه ایشان در پزشکی نظراتی را می دهند که خیلی خیلی دور از واقعیت هست. در مورد کار خودش باید فعالیت کند نه در پزشکی و تشخیص. دانش کم پزشکی بدتر و خطرناک است.

دوره‌های پیشنهادی

سوالات پرتکرار

آیا ممکن است که درسی ناقص ضبط شده باشد؟
ما همواره تلاش کرده­‌ایم که دروس را به طور کامل ضبط نماییم و در اختیار شما دوستان قرار دهیم. اما گاهی برخی ناهماهنگی ها سبب می شود که یک یا تعدادی از جلسات یک درس ضبط نشود. توضیح این گونه نواقص در توضیح درس­ ها آمده است.

سوالات پرتکرار

اگر لینک دانلود یا پخش ویدئو مشکل داشت چه باید کرد؟
در صورتی که با هر گونه مشکلی رو به رو شدید می توانید از طریق صفحه ارتباط با ما به ما اطلاع دهید تا ما سریعا مشکل را پیگیری و برطرف نماییم.

سوالات پرتکرار

آیا امکان دریافت فیلم های یک درس به صورت سی دی یا دی وی دی وجود دارد؟
در حال حاضر امکان ارسال دروس به صورت سی دی یا دی وی دی وجود ندارد.

در ضمن باید نحوه تصویربرداری را بلد بوده و تنظیمات دستگاه تصویربرداری را بدانند، زیرا این عوامل بر روی کیفیت و داده‌های تصاویر زیست‌پزشکی تأثیر خواهند گذاشت و این امر در تعیین متد، حائز اهمیت است. در این فصل به جز معرفی فرمت DICOM، در مورد جزئیات تصویربرداری به کمک MRI، CT scan، X-ray و PET نیز توضیحاتی ارائه می‌شود. در فصل سوم این درس، تصویربرداری میکروسکوپی و ابزار اتوماتیک Cell Profiler برای قطعه‌بندی معرفی می‌شوند. تصاویر میکروسکوپی نوع دیگری از تصاویر زیست‌پزشکی هستند که باتوجه‌به نوع میکروسکوپ، ویژگی‌های آن‌ها تغییر می‌کند. در این فصل در مورد استخراج ویژگی‌های این تصاویر و همچنین کمی سازی آن‌ها مورد بررسی قرار می‌گیرد.

در مورد مبحث Registration تصاویر زیست‌پزشکی از تبدیلات دنیای فوریه استفاده می‌شود. فصل چهارم از آموزش رایگان تحلیل هوشمند تصاویر زیست‌پزشکی به توضیح در مورد این مبحث می‌پردازد. در فصل پنجم این دوره آموزشی، در مورد قطعه‌بندی به‌صورت کلاسیک و همچنین با استفاده از ابزارهای یادگیری ماشین، اطلاعاتی ارائه می‌شود.

poster
  
برگزار کننده:  دانشگاه صنعتی شریف
  
زمان مورد نیاز برای گذارندن دوره:  29 جلسه
مجموع محتوای آموزشی:  38 ساعت ویدئو
 (قابل دانلود می‌باشد)