کاربردهای هوش مصنوعی در تصویربرداری مغز

شرح

برای دریافت گواهینامه خود اینجا کلیک کنید.

پردازش تصاویر پزشکی با استفاده از الگوریتم‌های پیشرفته، به بهبود تشخیص و درمان بیماری‌ها کمک می‌کند. این حوزه ترکیبی از روش‌های سنتی پردازش تصویر (مانند فیلترهای میانگین‌گیر یا تشخیص لبه‌ها با Sobel) و روش‌های مبتنی بر هوش مصنوعی (مانند شبکه‌های عصبی پیچشی یا (CNN) است. در این کارگاه، ابتدا به بررسی مفاهیم پایه‌ای مانند نویزگیری و افزایش کنتراست می‌پردازیم که در سیستم‌های رادیولوژی و سونوگرافی کاربرد گسترده‌ای دارند. سپس نحوه آموزش این مدل‌ها با استفاده از داده‌های حجیم پزشکی و اهمیت Augmentation داده‌ها برای مقابله با کمبود نمونه‌های آموزشی را بررسی می‌کنیم. همچنین، تفاوت‌های بین مدل‌های Classification را توضیح خواهیم داد. در پایان، نمونه‌هایی از سیستم‌های واقعی را بررسی می‌کنیم که از AI برای تشخیص بیماری‌ها با تحلیل تصاویر CT/MRI استفاده می‌کنند. همچنین، روندهای آینده مانند پردازش تصویر سه‌بعدی با Transformerها و استفاده از مدل‌های زبانی بزرگ (LLM) برای توصیف خودکار تصاویر مورد بحث قرار خواهند گرفت.

سرفصل‌های تدریس:

• تعارف پایه و اهمیت پردازش تصویر در پزشکی
• آشنایی با متد های پیش پردازش تصاویر پزشکی
• آشنایی با شبکه‌های عصبی پیچشی و مدل های یادگیری انتقالی
• ارزیابی معیارهای Accuracy، Sensitivity و Specificity
• استفاده از هوش مصنوعی در تصاویر CT/MRI

مدرس(ها)