Efter att ha gått de här kurserna känner jag mig trygg med att skapa professionella visualiseringar och dashboards
Shoebur RahmanInköpsspecialist, Giz Bangladesh
Kursbeskrivning
Biomedicinsk bildanalys är ett snabbt växande område – men för den oinvigde kan redan inläsning av data vara en utmaning! I den här introduktionskursen lär du dig grunderna i bildanalys med NumPy, SciPy och Matplotlib. Du navigerar genom en helkropps-CT-skanning, segmenterar en hjärt-MRI-tidsserie och undersöker om Alzheimers sjukdom påverkar hjärnans struktur. Även om du aldrig har arbetat med bilder tidigare avslutar du kursen med en gedigen verktygslåda för att ta dig in i det här dynamiska området.
Förkunskapskrav
Kursplan
Kursöversikt
1
Utforskning
Gör dig redo att bemästra det N:te dimensionsbegreppet! Du börjar kursen med att lära dig hur man läser in, bygger och navigerar i N-dimensionella bilder med hjälp av en CT-bild av bröstkorgen. Du får också använda det praktiska paketet ImageIO och fördjupa dina kunskaper i NumPy och Matplotlib.
2
Masker och filter
Fördjupa dina bildbehandlingskunskaper genom att transformera röntgenbilder. Du lär dig hur man utnyttjar intensitetsmönster för att välja delregioner i en array, och hur man använder konvolutionsfilter för att identifiera intressanta särdrag. Dessutom använder du SciPy:s ndimage-modul, som innehåller en rik samling bildbehandlingsverktyg.
3
Mätning
I det här kapitlet tar du dig an kärnan i bildanalys: objektmätning. Med hjälp av en 4D-hjärttidsserie avgör du om en patient sannolikt har hjärtsjukdom. På vägen lär du dig grunderna i bildsegmentering, objektmärkning och morfologisk mätning.
4
Bildjämförelse
I det sista kapitlet får du använda din hjärna – och hundratals andra! Med data från mer än 400 öppet tillgängliga MR-bilder lär du dig grunderna i registrering, omsampling och bildjämförelse. Sedan använder du de utvunna mätningarna för att utvärdera hur Alzheimers sjukdom påverkar hjärnans struktur.
Biomedicinsk bildanalys i Python
Kurs
slutförd
