AI | JAK WYTRENOWAĆ MODEL ANALIZY OBRAZU USG WYKRYWAJĄCY NOWOTWÓR? OD ZERA W 30 MINUT!

Описание: Sztuczna inteligencja coraz mocniej odciska swoje piętno na codzienności. Obecnie od kilku lat trwają zaawansowane prace nad wsparciem medycyny przez głębokie modele sztucznych sieci neuronowych.

W tym materiale dowiesz się jak w praktyce od zera tworzy się trening takich modeli na podstawie rzetelnego zbioru danych przygotowanego i upublicznionego przez zespół lekarzy pracujących w Szpitalu Baheya Hospital for Early Detection & Treatment of Women's Cancer, Cairo w Egipcie.

Zbiór danych oraz potrzebne referencje:
https://doi.org/10.1016/j.dib.2019.10...

-------------------------------------------------------------------------------------------------
INFORMACJE O MNIE:
👉 LinkedIn:   / r-sikora  

ZOSTAW SUBSKRYPCJĘ ABY KANAŁ MÓGŁ NADAL SIĘ ROZWIJAĆ! DZIĘKI! :)
-------------------------------------------------------------------------------------------------

Tutaj znajdziesz kod, który omawiam w tym materiale:
https://github.com/robertrobotics/ai_...

Tutaj znajdziesz kod, który omawiam na końcu z dodanym klasyfikatorem:
https://github.com/robertrobotics/ai_...

Tutaj wyjaśniam podstawy sieci konwolucyjnych CNN:
   • AI | Czy sztuczna inteligencja może widzie...  

Tutaj mówię więcej o podstawach i budowie głębokiej sieci neuronowej typu feed-forward (DNN):
   • Teoria AI | Budowa i zasada działania głęb...  

00:00 Co będziemy rozwiązywać?
05:45 Jak wygląda struktura danych treningowych?
07:24 Definicja obiektu zarządzania zbiorem danych
13:00 Sieć UNet - budowa i zasada działania
19:33 Definicja obiektu definiującego architekturę sieci UNet
26:38 Najtrudniejsza część - definiujemy tor przetwarzania obrazu UNet
35:18 Funkcje treningu i walidacji modelu
45:50 Dodanie klasyfikacji nowotworu do modelu
47:56 Podsumowanie

#sztucznainteligencjawbiznesie #sztucznainteligencja #ai #artificialintelligence #programming #python #pytorch #cancerawareness #robertsikora #machinelearning #deeplearning #convolutionalneuralnetwork #nauka #machinelearning #python #deeplearning #programming