مبانی پردازش تصاویر پزشکی قفسه سینه با استفاده از شبکه‌های عصبی پیچشی (convolutional neural network)

شرح

برای دریافت گواهینامه خود اینجا کلیک کنید

این کارگاه به آموزش مفاهیم پایه و پیشرفته پردازش تصاویر پزشکی قفسه سینه (X-ray و CT-Scan) با استفاده از شبکه‌های عصبی پیچشی (CNN) می‌پردازد. شرکت‌کنندگان با تشخیص بیماری‌های ریوی (مانند سرطان ریه، بیماری های انسدادی و بیماری های عفونی) آشنا شده و روش‌های پیش‌پردازش داده‌ها، انواع مدل های یادگیری انتقالی، طراحی مدل‌های یادگیری عمیق، ارزیابی و تفسیر نتایج را به صورت عملی فرا می‌گیرند.

سرفصل های تدریس

1. مقدمه‌ای بر پردازش تصاویر پزشکی و یادگیری عمیق

آشنایی با انواع تصاویر پزشکی (X-ray، CT-Scan)

مرور مفاهیم پایه شبکه‌های عصبی پیچشی (CNN)

2.پیش‌پردازش تصاویر پزشکی

روش‌های نرمال‌سازی، افزایش داده (Data Augmentation)

3.طراحی و آموزش مدل CNN برای تشخیص بیماری‌های ریوی

معرفی معماری‌های رایج CNN  (مانند ResNet، VGG، EfficientNet)

یادگیری انتقالی (Transfer Learning) با مدل‌های از پیش آموزش‌دیده

بهینه‌سازی هیپرپارامترها نرخ یادگیری، Dropout، Batch Normalization

۴. ارزیابی و تفسیر مدل

معیارهای دقت (Accuracy)، حساسیت (Sensitivity)، ویژگی (Specificity)

ماتریس آشفتگی (Confusion Matrix)

مدرس(ها)