課程目錄
AI+醫(yī)療該怎么做？
AI在醫(yī)學方向的應用
1-醫(yī)學疾病數(shù)據集介紹
2-Resnet網絡架構原理分析
3-dataloader加載數(shù)據集
4-Resnet網絡前向傳播
5-殘差網絡的shortcut操作
6-特征圖升維與降采樣操作
7-網絡整體流程與訓練演示
8.1-Unet網絡編碼與解碼過程
9.2-網絡計算流程
10.3-Unet升級版本改進
11.4-后續(xù)升級版本介紹
12.1-醫(yī)學細胞數(shù)據集介紹與參數(shù)配置
13.2-數(shù)據增強工具
14.3-Debug模式演示網絡計算流程
15.4-特征融合方法演示
16.5-迭代完成整個模型計算任務
17.6-模型效果驗證
【U2NET顯著性檢測實戰(zhàn)】 1-任務目標與網絡整體介紹
2-顯著性檢測任務與目標概述
3-編碼器模塊解讀
4-解碼器輸出結果
5-損失函數(shù)與應用效果
【醫(yī)學心臟視頻數(shù)據集分割建模實戰(zhàn)】1-數(shù)據集與任務概述
2-項目基本配置參數(shù)
3-任務流程解讀
4-文獻報告分析
5-補充：視頻數(shù)據源特征處理方法概述
6-補充：R(2plus1)D處理方法分析
【中文命名體識別】8.1-數(shù)據與任務介紹
9.2-整體模型架構
10.3-數(shù)據-標簽-語料庫處理
11.4-輸入樣本填充補齊
12.5-訓練網絡模型
13.6-醫(yī)療數(shù)據集（糖尿病）實體識別
14.Transformer在醫(yī)學分割領域應用與拓展
15.1-論文整體分析.mp4
16.2-核心思想分析.mp4
17.3-網絡結構計算流程概述.mp4
18.4-論文公式計算分析.mp4
19.5-位置編碼的作用與效果.mp4
20.6-拓展應用分析.mp4
21.1-項目環(huán)境配置
22.2-醫(yī)學數(shù)據介紹與分析
23.3-基本處理操作
24.4-AxialAttention實現(xiàn)過程
25.5-位置編碼向量解讀
26.6-注意力計算過程與方法
27.7-局部特征提取與計算
【YOLOv5細胞檢測】任務與細胞數(shù)據集介紹
【YOLOv5細胞檢測】2-模型與算法配置參數(shù)解讀
【YOLOv5細胞檢測】3-網絡訓練流程演示
【YOLOv5細胞檢測】4-效果評估與展示
【YOLOv5細胞檢測】5-細胞檢測效果演示
23.3-知識圖譜在醫(yī)療領域應用實例.
1.1-知識圖譜通俗解讀
2.2-知識圖譜在搜索引擎中的應用
3.3-知識圖譜在醫(yī)療領域應用實例
4.4-金融與推薦領域的應用
5.5-數(shù)據獲取分析
6.1-數(shù)據關系抽取分析
7.2-常用NLP技術點分析
8.3-graph-embedding的作用與效果
9.4-金融領域圖編碼實例
10.5-視覺領域圖編碼實例
11.6-圖譜知識融合與總結分析
12.1-Neo4j圖數(shù)據庫介紹
13.2-Neo4j數(shù)據庫安裝流程演示
14.3-可視化例子演示
15.4-創(chuàng)建與刪除操作演示
16.5-數(shù)據庫更改查詢操作演示
17.1-使用Py2neo建立連接
18.2-提取所需的指標信息
19.3-在圖中創(chuàng)建實體
20.4-根據給定實體創(chuàng)建關系
21.1-項目概述與整體架構分析
22.2-醫(yī)療數(shù)據介紹及其各字段含義
23.3-任務流程概述
24.4-環(huán)境配置與所需工具包安裝
25.5-提取數(shù)據中的關鍵字段信息
26.6-創(chuàng)建關系邊
27.7-打造醫(yī)療知識圖譜模型
28.8-加載所有實體數(shù)據
29.9-實體關鍵詞字典制作
30.10-完成對話系統(tǒng)構建
31.1-關系抽取要完成的任務演示與分析
32.2-LTP工具包概述介紹
33.3-pyltp安裝與流程演示
34.5-依存句法概述
36.7-語義角色構建與分析
37.8-設計規(guī)則完成關系抽取