课程目录
AI+医疗该怎么做？
AI在医学方向的应用
1-医学疾病数据集介绍
2-Resnet网络架构原理分析
3-dataloader加载数据集
4-Resnet网络前向传播
5-残差网络的shortcut操作
6-特征图升维与降采样操作
7-网络整体流程与训练演示
8.1-Unet网络编码与解码过程
9.2-网络计算流程
10.3-Unet升级版本改进
11.4-后续升级版本介绍
12.1-医学细胞数据集介绍与参数配置
13.2-数据增强工具
14.3-Debug模式演示网络计算流程
15.4-特征融合方法演示
16.5-迭代完成整个模型计算任务
17.6-模型效果验证
【U2NET显著性检测实战】 1-任务目标与网络整体介绍
2-显著性检测任务与目标概述
3-编码器模块解读
4-解码器输出结果
5-损失函数与应用效果
【医学心脏视频数据集分割建模实战】1-数据集与任务概述
2-项目基本配置参数
3-任务流程解读
4-文献报告分析
5-补充：视频数据源特征处理方法概述
6-补充：R(2plus1)D处理方法分析
【中文命名体识别】8.1-数据与任务介绍
9.2-整体模型架构
10.3-数据-标签-语料库处理
11.4-输入样本填充补齐
12.5-训练网络模型
13.6-医疗数据集（糖尿病）实体识别
14.Transformer在医学分割领域应用与拓展
15.1-论文整体分析.mp4
16.2-核心思想分析.mp4
17.3-网络结构计算流程概述.mp4
18.4-论文公式计算分析.mp4
19.5-位置编码的作用与效果.mp4
20.6-拓展应用分析.mp4
21.1-项目环境配置
22.2-医学数据介绍与分析
23.3-基本处理操作
24.4-AxialAttention实现过程
25.5-位置编码向量解读
26.6-注意力计算过程与方法
27.7-局部特征提取与计算
【YOLOv5细胞检测】任务与细胞数据集介绍
【YOLOv5细胞检测】2-模型与算法配置参数解读
【YOLOv5细胞检测】3-网络训练流程演示
【YOLOv5细胞检测】4-效果评估与展示
【YOLOv5细胞检测】5-细胞检测效果演示
23.3-知识图谱在医疗领域应用实例.
1.1-知识图谱通俗解读
2.2-知识图谱在搜索引擎中的应用
3.3-知识图谱在医疗领域应用实例
4.4-金融与推荐领域的应用
5.5-数据获取分析
6.1-数据关系抽取分析
7.2-常用NLP技术点分析
8.3-graph-embedding的作用与效果
9.4-金融领域图编码实例
10.5-视觉领域图编码实例
11.6-图谱知识融合与总结分析
12.1-Neo4j图数据库介绍
13.2-Neo4j数据库安装流程演示
14.3-可视化例子演示
15.4-创建与删除操作演示
16.5-数据库更改查询操作演示
17.1-使用Py2neo建立连接
18.2-提取所需的指标信息
19.3-在图中创建实体
20.4-根据给定实体创建关系
21.1-项目概述与整体架构分析
22.2-医疗数据介绍及其各字段含义
23.3-任务流程概述
24.4-环境配置与所需工具包安装
25.5-提取数据中的关键字段信息
26.6-创建关系边
27.7-打造医疗知识图谱模型
28.8-加载所有实体数据
29.9-实体关键词字典制作
30.10-完成对话系统构建
31.1-关系抽取要完成的任务演示与分析
32.2-LTP工具包概述介绍
33.3-pyltp安装与流程演示
34.5-依存句法概述
36.7-语义角色构建与分析
37.8-设计规则完成关系抽取