Build your ultimate AI agent
Kursbeschreibung
Das Feld der biomedizinischen Bildgebung ist in den letzten Jahren rasant gewachsen – doch für Einsteiger kann schon das Laden der Daten eine Hürde sein! In diesem Einführungskurs lernst du die Grundlagen der Bildanalyse mit NumPy, SciPy und Matplotlib. Du navigierst durch einen CT-Ganzkörperscan, segmentierst eine kardiale MRT-Zeitreihe und prüfst, ob die Alzheimer-Krankheit die Gehirnstruktur verändert. Auch wenn du bisher noch nie mit Bildern gearbeitet hast, schließt du den Kurs mit einem soliden Werkzeugkasten für den Einstieg in dieses dynamische Gebiet ab.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Erkundung
Mach dich bereit für die Eroberung der n-ten Dimension! Zum Start des Kurses lernst du, n-dimensionale Bilder mithilfe eines CT-Bilds des menschlichen Brustkorbs zu laden, zu erstellen und zu navigieren. Außerdem nutzt du das praktische ImageIO-Paket und schärfst deine NumPy- und Matplotlib-Skills.
2
Masken und Filter
Bring Bildverarbeitung auf den Punkt, indem du Röntgenbilder transformierst. Du lernst, Intensitätsmuster zu nutzen, um Teilbereiche eines Arrays auszuwählen, und setzt Faltungsfilter ein, um interessante Merkmale zu erkennen. Zudem verwendest du SciPys ndimage-Modul, das eine wahre Fundgrube an Bildverarbeitungstools enthält.
3
Messung
In diesem Kapitel kommst du zum Kern der Bildanalyse: der Objektermittlung. Anhand einer 4D-Herzzeitreihe beurteilst du, ob bei einer Patientin oder einem Patienten wahrscheinlich eine Herzerkrankung vorliegt. Dabei lernst du die Grundlagen der Bildsegmentierung, Objektbeschriftung und morphologischen Messung.
4
Bildvergleich
Im letzten Kapitel brauchst du dein Gehirn … und Hunderte andere! Mit Daten aus mehr als 400 frei zugänglichen MRT-Bildern lernst du die Grundlagen von Registrierung, Resampling und Bildvergleich. Anschließend nutzt du die gewonnenen Messwerte, um den Einfluss der Alzheimer-Krankheit auf die Gehirnstruktur zu bewerten.
Biomedizinische Bildanalyse mit Python
Kurs
abgeschlossen
