Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
Le domaine de l'imagerie biomédicale a explosé ces dernières années — mais pour les non-initiés, charger les données peut déjà être un défi ! Dans ce cours d'introduction, vous apprendrez les bases de l'analyse d'images avec NumPy, SciPy et Matplotlib. Vous explorerez un scanner CT corps entier, segmenterez une série temporelle d'IRM cardiaque et déterminerez si la maladie d'Alzheimer modifie la structure du cerveau. Même si vous n'avez jamais travaillé avec des images, vous terminerez ce cours avec une solide boîte à outils pour entrer dans ce domaine dynamique.
Prérequis
Programme de formation
Plan du cours
1
Exploration
Préparez-vous à dompter la N-ième dimension ! Pour commencer le cours, vous apprendrez à charger, construire et parcourir des images N-dimensionnelles à l'aide d'une image CT du thorax humain. Vous exploiterez aussi le très utile paquet ImageIO et renforcerez vos compétences en NumPy et matplotlib.
- Données d'image50 XP
- Charger des images100 XP
- Métadonnées100 XP
- Tracer des images100 XP
- Images N-dimensionnelles50 XP
- Empiler des images100 XP
- Charger des volumes100 XP
- Champ de vue50 XP
- Visualisation avancée50 XP
- Générer des sous-graphiques100 XP
- Découper des images 3D en tranches100 XP
- Tracer d'autres vues100 XP
2
Masques et filtres
Allez à l'essentiel du traitement d'images en transformant des radiographies. Vous apprendrez à exploiter les motifs d'intensité pour sélectionner des sous-régions d'un tableau et utiliserez des filtres convolutionnels pour détecter des caractéristiques intéressantes. Vous utiliserez également le module ndimage de SciPy, qui renferme une mine d'outils de traitement d'images.
3
Mesure
Dans ce chapitre, vous allez au cœur de l'analyse d'images : la mesure d'objets. À partir d'une série temporelle cardiaque 4D, vous déterminerez si un patient est susceptible de présenter une maladie cardiaque. Au passage, vous apprendrez les bases de la segmentation d'images, de l'étiquetage d'objets et des mesures morphologiques.
4
Comparaison d'images
Pour le dernier chapitre, il va falloir faire travailler votre cerveau… et ceux de centaines d'autres ! À partir de plus de 400 IRM en libre accès, vous apprendrez les principes de l'enregistrement, du rééchantillonnage et de la comparaison d'images. Vous utiliserez ensuite les mesures extraites pour évaluer l'effet de la maladie d'Alzheimer sur la structure du cerveau.
Analyse d'images biomédicales en Python
Cours
terminé
