Le vendite proseguono nel nuovo sito https://www.deeplearningitalia.com/
Il corso di “Deep Learning per l’analisi delle immagini mediche” ha l’obiettivo di trasmettere i concetti base dell’analisi delle immagini tramite deep learning. Il corso si articola in lezioni teoriche e pratiche, con esempi di codici su Google Colab. Sono affrontate tematiche quali le potenzialità, i limiti e gli aspetti etici del deep learning nel campo in esame. Si passa quindi alle architetture di base, passando dalla classificazione, alla segmentazione fino ad arrivare alla generazione di immagini e alla registrazione. Il corso prevede anche esempi applicativi che comprendono immagini ecografiche, endoscopiche e RGB-D.
Il tuo istruttore
Il corso “Deep learning per l’analisi delle immagini mediche” è erogato da ricercatori, postdoc e dottorandi in ingegneria biomedica ed informatica con la passione per l’intelligenza artificiale. I docenti afferiscono al laboratorio di Artificial Intelligence for Medical Image Analysis - Scuola Superiore Sant’Anna (Sara Moccia), al Vision Robotics and Artificial Intelligence lab - Università Politecnica delle Marche (Lucia Migliorelli, Maria Chiara Fiorentino, Mariachiara Di Cosmo, Giuseppe Pio Cannata), al Neuroengineering and Medical Robotics lab - Politecnico di Milano (Alessandro Casella) e all’Università di Macerata (Francesca Pia Villani). A coordinare il corso è Sara Moccia, assistant professor e responsabile del laboratorio Artificial Intelligence for Medical Image Analysis all’Istituto di Biorobotica e Dipartimento di Eccellenza in Robotica ed Intelligenza Artificiale della Scuola Superiore Sant’Anna di Pisa.
Argomenti
-
InizioLa potenzialità del deep learning nelle immagini mediche (19:09)
-
InizioEtica e intelligenza artificiale (11:24)
-
InizioDataset pubblicitari e iniziativa grand challenges (8:44)
-
InizioEsercitazione: Addestramento e predizione (15:34)
-
InizioEsercitazione: Classificatione Binaria (11:50)
-
InizioEsercitazione: Segmentazione (parte 1) (31:21)
-
InizioEsercitazione: Segmentazione (parte 2) (18:53)
-
InizioIntelligenza artificiale per la generazione di dataset sintetici (21:35)
-
InizioEsercitazione: Generazione di immagini (27:40)
-
InizioRegistrazione di immagini (29:46)
-
InizioStima di parametri biometrici fetali (15:14)
-
InizioAnalisi di immagine ecografiche in reumatologia (13:05)
-
InizioAnalisi dei polipi in immagini colonscopiche (8:35)
-
InizioSegmentazione dei vasi in fetoscopia (10:48)
-
InizioLa sala operatoria del futuro (8:46)
-
InizioMetodologie di deep learning per la stima della posa dei neonati pretermine (17:19)