×
تعداد دانشجو
۳۶ نفر
۲۹,۰۰۰ تومان ۱۷,۴۰۰ تومان

آموزش ناحیه بندی تصاویر پزشکی و صنعتی با نرم افزار Fiji - ImageJ

آموزش ناحیه بندی تصاویر پزشکی و صنعتی با نرم افزار Fiji - ImageJ

تعداد دانشجو
۳۶ نفر
مدت زمان
۱ ساعت و ۶ دقیقه
هزینه عادی آموزش
۲۹,۰۰۰ تومان
در طرح تخفیف
۱۷,۴۰۰ تومان

(کسب اطلاعات بیشتر +)
محتوای این آموزش
آموزش ناحیه بندی تصاویر پزشکی و صنعتی با نرم افزار Fiji - ImageJ

چکیده

روش‌های متداول ناحیه‌بندی تصاویر هنگامی که در پروژه‌های عملی مورد استفاده قرار می‌گیرند، کیفیت و دقت لازم را از خود نشان نمی‌دهند. بهترین ابزارهای ناحیه‌بندی تصویر با استفاده از هوش مصنوعی توسعه داده می‌شوند و در غالب موارد نیاز به دانش تخصصی و کدنویسی برای انجام آن وجود دارد. ابزار Fiji معرفی‌شده در این آموزش، پلی است میان افرادی که می‌خواهند در کمترین زمان و بدون داشتن دانش برنامه‌نویسی و با استفاده از هوش مصنوعی، ناحیه‌بندی تصاویر را با بالاترین کیفیت انجام دهند. در این فرادرس، نحوه استفاده از این نرم‌‌افزار را در کوتاه‌ترین زمان به دانشجویان آموزش می‌دهیم.

مدرس
مسعود مردانشاهی

کارشناس ارشد مهندسی پزشکی

زمینه‌های پژوهشی و کاری تخصصی ایشان در حوزه پردازش تصویر است. ایشان چندین سال سابقه برنامه‌نویسی در حوزه هوش مصنوعی را دارند و علاوه بر تسلط بر زبان‌های برنامه‌نویسی متعدد نظیر: سی پلاس پلاس (++C)، پایتون (Python) و متلب (MATLAB)، در زمینه مباحث مهندسی پزشکی، مهندسی برق، بینایی ماشینی، تجربه و تسلط کافی دارند.

چکیده آموزش


توضیحات تکمیلی

با کاربرد و گسترش سیستم‌های هوشمند رایانه‌ای، روز‌به‌روز بر امکاناتی که این ابزارها برای انجام کارهای پیچیده در اختیار انسان قرار می‌دهند، بیشتر می‌‌شود. ناحیه‌بندی تصویر (Image Segmentation)، به فرایند بخش‌بندی تصویر اصلی به ناحیه‌های کوچک‌تر به منظور جداکردن اجسام و نواحی مورد نظر گفته می‌شود.

مغز انسان به طرز خارق‌العاده‌ای توانایی ناحیه‌بندی تصاویر را به صورت آنی و با دقت بالا دارد، اما نرم‌افزار‌های کامپیوتری نمی‌توانند تصاویر پیچیده را با دقت مغز انسان ناحیه‌بندی کنند. امروزه الگوریتم‌هایی برای انجام این امر معرفی شده‌اند که با کمک انسان با دقت بسیار بالایی، توانایی انجام ناحیه‌بندی تصاویر و حتی فیلم را دارند. خوشبختانه این الگوریتم‌ها به طور رایگان در اختیار پژوهشگران جهت استفاده آزاد قرار داده شده است که در این آموزش به مهم‌ترین آن‌ها می‌پردازیم.

در پردازش تصاویر و ویدئو، گاهی نیاز است که نواحی خاصی از تصاویر از پس‌زمینه جدا شوند تا مورد بررسی قرار گیرند، اما در شرایطی به دلیل آن ‌که این عمل بسیار زمان‌‌بر و خسته‌کننده است، امکان انجام دستی آن وجود ندارد. بنابراین هدف ما در این فرادرس معرفی ابزارهایی است که با کمک آن‌ها در کمترین زمان بتوان ناحیه‌بندی تصاویر را با دقت بسیار بالایی انجام داد.

روش‌های متداول ناحیه‌بندی تصاویر هنگامی که در پروژه‌های عملی مورد استفاده قرار می‌گیرند، کیفیت و دقت لازم را از خود نشان نمی‌دهند. بهترین ابزارهای ناحیه‌بندی تصویر با استفاده از هوش مصنوعی توسعه داده می‌شوند و در غالب موارد نیاز به دانش تخصصی و کدنویسی برای انجام آن وجود دارد. ابزار Fiji معرفی‌شده در این آموزش، پلی است میان افرادی که می‌خواهند در کمترین زمان و بدون داشتن دانش برنامه‌نویسی و با استفاده از هوش مصنوعی، ناحیه‌بندی تصاویر را با بالاترین کیفیت انجام دهند. در این فرادرس، نحوه استفاده از این نرم‌‌افزار را در کوتاه‌ترین زمان به دانشجویان آموزش می‌دهیم.

فهرست سرفصل‌ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
  • درس یکم: مقدمه‌ای بر ناحیه‌بندی تصاویر
    • ناحیه‌بندی تصاویر چیست؟
    • معرفی کاربردها
    • معرفی تاریخچه و روش‌ها
    • معرفی ابزار Fiji
  • درس دوم: مفاهیم پیش‌پردازش تصویر با ابزار Fiji
    • نصب و راه‌اندازی Fiji
    • آموزش کار با نرم‌افزار
    • معرفی کلیدهای میانبر و ابزارهای مهم
    • انجام پیش‌پردازش تصاویر با انجام یک مثال
    • آشنایی با نوع بیت تصویر
    • تنظیم سطوح روشنایی و کنتراست
    • آشنایی با حذف نویز
  • درس سوم: ناحیه‌بندی تصاویر با ابزار Fiji
    • انجام ناحیه‌بندی با روش آستانه‌گذاری با انجام یک مثال
    • انجام آستانه‌گذاری تصویر با افزونه Auto Threshold
    • معرفی الگوریتم‌های معروف آستانه‌گذاری
    • آشنایی با مزایا و معایب این روش
    • انجام ناحیه‌بندی با روش دسته‌های سطوح با یک مثال عملی
    • معرفی منطق الگوریتم
    • آشنایی با تنظیمات منوی ابزار Level Set
    • انجام ناحیه‌بندی با افزونه Trainable Weka Segmentation با یک مثال عملی
    • آشنایی با فیلترهای گاوسی (Gaussian)، سوبل (Sobel)، هسین و غیره به عنوان ویژگی‌های تصویر
    • آشنایی با روش دسته‌بندی داده‌ها
    • آشنایی با سایر تنظیمات
    • جمع‌بندی

مفید برای رشته‌های
  • مهندسی پزشکی
  • مهندسی مکانیک
  • بیولوژی
  • پاتولوژی
مشاهده بیشتر مشاهده کمتر

آنچه در این آموزش خواهید دید:

آموزش ویدئویی مورد تائید فرادرس
فایل برنامه ها و پروژه های اجرا شده
فایل PDF یادداشت‌ های ارائه مدرس

نرم افزارهای مرتبط با آموزش

Fiji-ImageJ 2020



پیش نمایش‌ها

۱. مقدمه‌ای بر ناحیه‌بندی تصاویر

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۳ مگابایت -- (کلیک کنید +))

۲. دوم: مفاهیم پیش‌پردازش تصویر با ابزار Fiji

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۱۲ مگابایت -- (کلیک کنید +))

۳. ناحیه‌بندی تصاویر با ابزار Fiji
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.

راهنمای سفارش آموزش‌ها

آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

(راهنمایی بیشتر +)

در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟
  • با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
  • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه


اطلاعات تکمیلی

نام آموزش آموزش ناحیه بندی تصاویر پزشکی و صنعتی با نرم افزار Fiji - ImageJ
ناشر فرادرس
کد آموزش FVBME112
مدت زمان ۱ ساعت و ۶ دقیقه
زبان فارسی
نوع آموزش آموزش ویدیویی (لینک دانلود)
حجم دانلود ۴۲۰۰ مگابایت (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)


نظرات

تا کنون ۳۶ نفر از این آموزش استفاده کرده اند و هنوز هیچ نظری ثبت نشده است.

برچسب‌ها:
Auto Threshold | FIJI | fiji ImageJ | Fiji Software | Gaussian | Gaussian Filter | Hessian | Hessian Filter | Image Processing | Image Segmentation | ImageJ | images segmentation | Industrial images segmentation | Medical and Industrial Images Segmentation Using Fiji Imagej | Medical images segmentation | Noise Reduction | Preprocessing | Scikit Image Python Library | Segmentation | sobel | Sobel Filter | Thresholding | Trainable Weka Segmentation | weka | آستانه گذاری | آستانه گزاری تصویر | آشنایی با تنظیمات منوی ابزار Level Set | آشنایی با حذف نویز | آشنایی با روش دسته ‌بندی داده ‌ها | آشنایی با نوع بیت تصویر | آموزش کار با نرم‌ افزار | ابزار Fiji | ابزار Fiji ImageJ | ابزار Fiji-ImageJ | ابزار Scikit Image | ابزار UNET | افزونه Auto Threshold | افزونه Trainable Weka Segmentation | الگوریتم آستانه گزاری | الگوریتم‌ های معروف آستانه‌گذاری | انجام آستانه ‌گذاری تصویر با افزونه Auto Threshold | انجام پیش ‌پردازش تصاویر | انجام ناحیه ‌بندی با افزونه Trainable Weka Segmentation | انجام ناحیه‌ بندی با روش آستانه ‌گذاری | انجام ناحیه ‌بندی با روش دسته ‌های سطوح | انجام ناحیه‌ بندی تصاویر | بخش‌ بندی تصویر اصلی | بهترین ابزارهای ناحیه ‌بندی تصویر | بهترین ابزارهای ناحیه ‌بندی تصویر با استفاده از هوش مصنوعی | پردازش تصاویر و ویدئو | پردازش تصویر | پیش پردازش | پیش پردازش تصاویر | پیش ‌پردازش تصویر با ابزار Fiji | تنظیم سطوح روشنایی | تنظیم سطوح روشنایی و کنتراست | تنظیمات منوی ابزار Level Set | حذف نویز | راه اندازی Fiji | روش آستانه ‌گذاری | روش آستانه گزاری | روش دسته بندی داده ها | روش دسته ‌های سطوح | روش‌ های متداول ناحیه‌ بندی تصاویر | سوبل | فرایند بخش‌ بندی تصویر اصلی | فیجی | فیلترهای سوبل | فیلترهای گاوسی | فیلترهای هسین | قطعه بندی | معرفی ابزار Fiji | معرفی الگوریتم‌ های معروف آستانه‌گذاری | معرفی کاربردها | معرفی کلیدهای میانبر و ابزارهای مهم | مفاهیم پیش ‌پردازش تصویر با ابزار Fiji | منطق الگوریتم ناحیه بندی | منوی ابزار Level Set | ناحیه بندی | ناحیه بندی تصاویر | ناحیه ‌بندی تصاویر با ابزار Fiji | ناحیه‌ بندی تصاویر با بالاترین کیفیت | ناحیه بندی تصاویر پزشکی | ناحیه بندی تصاویر پزشکی و صنعتی | ناحیه بندی تصاویر پزشکی و صنعتی با ابزار Fiji-ImageJ | ناحیه ‌بندی تصاویر چیست؟ | ناحیه بندی تصاویر صنعتی | ناحیه بندی تصویر | ناحیه بندی دسته های سطوح | نرم افزار Fiji | نصب Fiji | نصب ماشین جاوا | نصب و راه ‌اندازی Fiji | نوع بیت تصویر | هسین | وکا | ویژگی‌ های تصویر
مشاهده بیشتر مشاهده کمتر