课程先导片-AI+医疗该怎么学？P1
02:18
AI在医学领域方面的应用 P2
45:27
零基础入门AI人工智能学习路线图P3
12:05
【面向医学领域的深度学习实战】第一章-基于Resnet的医学数据集分类实战1-医学疾病数据集介绍
04:21
2-Resnet网络架构原理分析
09:54
3-dataloader加载数据集
11:18
4-Resnet网络前向传播
06:20
5-残差网络的shortcut操作
09:28
6-特征图升维与降采样操作
06:11
7-网络整体流程与训练演示
11:28
【面向医学领域的深度学习实战】第二章-Unet系列算法讲解1-Unet网络编码与解码过程
08:08
2-网络计算流程
06:52
3-Unet升级版本改进
05:53
4-后续升级版本介绍
06:31
【面向医学领域的深度学习实战】第三章-unet医学细胞分割实战1-医学细胞数据集介绍与参数配置
06:46
2-数据增强工具
07:24
3-Debug模式演示网络计算流程
06:46
4-特征融合方法演示
07:13
5-迭代完成整个模型计算任务
08:03
6-模型效果验证
05:34
【面向医学领域的深度学习实战】第四章-deeplab系列算法1-deeplab分割算法概述
06:03
2-空洞卷积的作用
06:54
3-感受野的意义
06:49
4-SPP层的作用
07:26
5-ASPP特征融合策略
05:17
6-deeplabV3Plus版本网络架构
08:41
【面向医学领域的深度学习】实战第五章-基于deeplab的心脏视频数据诊断分析1-数据集与任务概述
07:27
2-项目基本配置参数
06:22
3-任务流程解读
08:15
4-文献报告分析
09:01
5-补充：视频数据源特征处理方法概述
09:58
6-补充：R(2plus1)D处理方法分析
06:17
【面向医学领域的深度学习实战】第六章-基于YOLO5细胞检测实战1-任务与细胞数据集介绍
07:53
2-模型与算法配置参数解读
09:41
3-网络训练流程演示
08:48
4-效果评估与展示
05:34
5-细胞检测效果演示
08:12
【面向医学领域的深度学习实战】第八章-基于知识图谱的医药问答系统实战1-项目概述与整体架构分析
07:32
2-医疗数据介绍及其各字段含义
07:26
3-任务流程概述
05:48
4-环境配置与所需工具包安装
06:36
5-提取数据中的关键字段信息
11:36
6-创建关系边
08:18
7-打造医疗知识图谱模型
10:55
8-加载所有实体数据
06:53
9-实体关键词字典制作
08:37
10-完成对话系统构建
09:03
【面向医学领域的深度学习实战】第九章-词向量模型与RNN网络架构1-词向量模型通俗解释
08:15
2-模型整体框架
10:10
3-训练数据构建
05:11
4-CBOW与Skip-gram模型
08:21
5-负采样方案
07:41
6-额外补充-RNN网络模型解读
11:53
【面向医学领域的深度学习实战】第十章-医学糖尿病数据命名实体识别1-数据与任务介绍
07:04
2-整体模型架构
04:49
3-数据-标签-语料库处理
10:16
4-输入样本填充补齐
09:25
5-训练网络模型
10:01
6-医疗数据集（糖尿病）实体识别
09:58
