After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Opis kursu
Dziedzina obrazowania biomedycznego rozwija się w ostatnich latach w błyskawicznym tempie – jednak dla osób stawiających w niej pierwsze kroki nawet wczytanie danych może być wyzwaniem! W tym kursie wprowadzającym poznasz podstawy analizy obrazów z wykorzystaniem NumPy, SciPy i Matplotlib. Nauczysz się nawigować po tomografii komputerowej całego ciała, segmentować serie czasowe MRI serca oraz sprawdzać, czy choroba Alzheimera wpływa na strukturę mózgu. Nawet jeśli nigdy wcześniej nie pracowałeś z obrazami, po ukończeniu kursu będziesz dysponować solidnym zestawem narzędzi pozwalającym wejść w tę dynamiczną dziedzinę.
Wymagania wstępne
Program kursu
Plan kursu
1
Eksploracja
Czas opanować N-ty wymiar! Na początku kursu dowiesz się, jak wczytywać, tworzyć i poruszać się po N-wymiarowych obrazach na przykładzie tomografii komputerowej klatki piersiowej. Poznasz też bibliotekę ImageIO oraz udoskonalisz swoje umiejętności w zakresie NumPy i Matplotlib.
- Dane obrazu50 XP
- Wczytywanie obrazów100 XP
- Metadane100 XP
- Wyświetlanie obrazów100 XP
- Obrazy N-wymiarowe50 XP
- Układanie obrazów w stos100 XP
- Wczytywanie woluminów100 XP
- Pole widzenia50 XP
- Zaawansowane wizualizacje50 XP
- Tworzenie wykresów cząstkowych100 XP
- Przekrojowe wycinki obrazów 3D100 XP
- Wykreślanie innych przekrojów100 XP
2
Maski i filtry
Zagłęb się w przetwarzanie obrazów, przekształcając zdjęcia rentgenowskie. Dowiesz się, jak wykorzystywać wzorce intensywności do wybierania podobszarów tablicy, oraz nauczysz się stosować filtry splotowe do wykrywania interesujących cech. Poznasz też moduł ndimage z biblioteki SciPy – prawdziwe skarbnice narzędzi do przetwarzania obrazów.
3
Pomiary
W tym rozdziale dotrzesz do sedna analizy obrazów: pomiaru obiektów. Korzystając z czterowymiarowej serii czasowej MRI serca, ocenisz, czy u pacjenta istnieje ryzyko choroby serca. Po drodze poznasz podstawy segmentacji obrazów, etykietowania obiektów i pomiarów morfologicznych.
4
Porównywanie obrazów
W ostatnim rozdziale przyda się prawdziwa głowa do zadań – i to setki innych! Korzystając z danych pochodzących z ponad 400 ogólnodostępnych obrazów MR, poznasz podstawy rejestracji, ponownego próbkowania i porównywania obrazów. Następnie wykorzystasz zebrane pomiary do oceny wpływu choroby Alzheimera na strukturę mózgu.
Analiza obrazów biomedycznych w Pythonie
Kurs
ukończony
