Анализ медицинских изображений в Python Область медицинской визуализации стала очень популярной в последние годы, но для новичков даже загрузка данных может быть проблемой. Поэтому я сделал курс, где вы изучите основы анализа медицинских изображений с помощью Python. Вы будете изучать КТ и рентген снимки, сегментировать области изображения и проводить анализ метаданных. Даже если вы никогда раньше не работали с медицинскими изображениями, то по завершению курса вы будете обладать всеми необходимы навыками.
Пререквизиты
Предполагается, что вы уже умеете программировать на Python. Курс не рассчитан на начинающих в Python. Необходимые библиотеки: matplotlib, numpy, pandas. Знание opencv и skimage будет плюсом.
Также желательно иметь опыт работы с командной строкой Linux.
Что вас ждёт в этом курсе?
Вы познакомитесь с исследованием медицинских изображений. Разберётесь с форматами DICOM и NIfTI-1 Data Format. Научитесь анализировать метатеги, конвертировать и анонимизировать данные.
Узнаете, что такое Windowing и единицы Хаунсфилда и как их применять.
Разберетесь с задачей сегментацией изображений. Посмотрите на сторонние библиотеки для сегментации медицинских изображений.
Познакомитесь с fastai.medical.imaging.
Курс сопровождён несколькими тестовыми заданиями и чатом в телеграме для обсуждений.
Чего точно не будет в этом курсе?
В этом курсе не будет Deep Learning. Мы будем сфокусированы именно на формате медицинских изображений.
Больше постов
Разговоры о Data Science – закрытый канал для общения на тему карьеры, развития профессиональных навыков и применения навыков на работе.