עקרונות הבסיסיים של ניתוח תמונות רפואיות מתקדם בעזרת שיטות למידה עמוקה. נדון במשימות ניתוח תמונות רפואיות הכוללות סיווג, סגמנטציה ורגיסטרציה ודרך הטיפול בהן בעזרת שיטות למידה עמוקה כגון רשתות נוירוניות קונבולוציוניות (CNNS), טרנספורמרים, רשתות LSTM, פונקציות שגיאה מותאמות למשימות ניתוח תמונות רפואיות, טכניקות העשרת נתונים ושיטות ניתוח מידת הוודאות של מודלי למידה עמוקה בניתוח תמונות רפואיות לצורך הערכת האמינות והביטחון של המודל במשימות ניתוח תמונות רפואיות. תוצאות למידה: בסיום הקורס הסטודנטיות והסטודנטים יהיו מסוגלים: 1. לפתח מיומנות בניתוח תמונה רפואית מתקדם בעזרת שיטות למידה עמוקה, שימוש בספריית PYTORCH ליישום יעיל. 2.ליישם מגוון של טכניקות למידה עמוקה, כולל CNNS, TRANSFORMERS ו-LSTMS, כדי להתמודד עם משימות ניתוח תמונה רפואית מגוונות. 3. לפתח פונקציות שגיאה מותאמות למשימות ניתוח תמונות רפואיות. 4. לשפר את החוסן של המודל ויכולת ההכללה שלו באמצעות יישום טכניקות הגדלת נתונים המותאמות עבור מערכי נתונים של הדמיה רפואית. 5. הערכת אמון ואמינות המודל תוך שימוש בשיטות הערכת אי ודאות, תוך הבטחת קבלת החלטות שקופה ואחראית במסגרות קליניות.

פקולטה: הנדסה ביו-רפואית
|תואר ראשון |תארים מתקדמים
מקצועות קדם

(46195 - מערכות לומדות ו- 46200 - עבוד ונתוח תמונות ו- 236756 - מבוא למערכות לומדות ו- 236860 - עיבוד תמונות דיגיטלי ו- 336027 - עיבוד תמונות רפואיות (עתר) ו- 336207 - עיבוד תמונות רפואיות ו- 336546 - מערכות לומדות בתחום הבריאות)

מקצועות ללא זיכוי נוסף (מכילים)

236781 - למידה עמוקה על מאיצים חישוביים