快速掌握医学图像处理的基本流程和核心应用，并基于Django部署图像分割案例

*   00 资料/

  *   05 readme.txt (0.00 MB)

*   01 医学图像处理软件SimpleITK/

  *   01 虚拟机软件的介绍和使用.mp4 (15.16 MB), 05:54

  *   02 SimpleITK读取医学图像数据.mp4 (45.65 MB), 13:35

  *   03 Windows下安装SimpleITK.mp4 (16.96 MB), 05:03

  *   04 SimpleITK读取序列文件.mp4 (14.71 MB), 04:28

  *   05 SimpleITK文件的转换.mp4 (22.04 MB), 06:01

  *   06 获取图像的基本信息.mp4 (19.95 MB), 04:34

  *   07 SimpleITK获取元数据.mp4 (23.80 MB), 07:02

  *   08 SimpleITK创建不同类型的图像.mp4 (25.61 MB), 07:11

  *   09 图形类型的转换.mp4 (31.43 MB), 09:37

  *   10 医学图像的显示.mp4 (26.67 MB), 08:14

  *   11 医学的图像的翻转和显示.mp4 (24.21 MB), 07:27

  *   12 医学图像数据的调整与显示.mp4 (20.31 MB), 04:12

  *   13 医学图像的特征检测.mp4 (95.00 MB), 15:53

*   02 医学影像特征提取/

  *   01 医学影像数据介绍.mp4 (42.81 MB), 10:49

  *   02 创建新的标签.mp4 (28.46 MB), 10:18

  *   03 处理nii的文件.mp4 (52.31 MB), 11:43

  *   04 医学图像的特征抽取.mp4 (42.99 MB), 13:08

  *   05 读取处理后的数据HGG和LGG.mp4 (66.65 MB), 13:07

  *   06 特征选取的过程.mp4 (69.29 MB), 12:30

  *   07 模型的训练和评价及保存.mp4 (36.40 MB), 10:45

  *   08 加载训练后的模型完成预测.mp4 (24.71 MB), 06:19

*   03 基于OpenCV的人脸检测/

  *   01 程序的运行方法.mp4 (34.43 MB), 05:41

  *   02 基于Django项目的综合案例.mp4 (33.33 MB), 10:14

  *   03 Django工程和子应用的搭建.mp4 (39.46 MB), 12:08

  *   04 Django项目的静态资源和启动.mp4 (34.60 MB), 09:08

  *   05 人脸识别页面的跳转.mp4 (17.09 MB), 06:14

  *   06 人脸识别页面的搭建和图片上传的get请求.mp4 (26.86 MB), 08:19

  *   07 图片上传类型错误处理.mp4 (18.67 MB), 06:06

  *   08 图片上传的实现步骤.mp4 (33.03 MB), 09:11

  *   09 图片上传的实现过程.mp4 (30.91 MB), 09:20

  *   10 人脸检测函数的实现.mp4 (61.75 MB), 17:13

  *   11 上传图片完成人脸检测.mp4 (18.62 MB), 04:57

*   04 基于Django框架的文本分类/

  *   01 文本分类页面搭建.mp4 (23.14 MB), 06:03

  *   02 文本分类的视图函数.mp4 (21.37 MB), 06:18

  *   03 图像分类页面的搭建.mp4 (35.44 MB), 08:36

  *   04 文本分类的预测函数实现过程.mp4 (25.83 MB), 08:39

*   05 基于SVM算法的图像分类/

  *   01 机器学习图像分类的图片上传.mp4 (37.98 MB), 06:43

  *   02 加载svm模型完成图片预测.mp4 (22.93 MB), 07:20

  *   03 图像分类视图控制函数.mp4 (41.74 MB), 11:18

  *   04 模型的训练过程介绍.mp4 (41.29 MB), 07:25

  *   05 文本分类模型的训练过程.mp4 (52.60 MB), 10:37

*   06 图像分割基础介绍/

  *   01 图像分割的基本概念.mp4 (55.40 MB), 12:15

  *   02 Unet模型的介绍.mp4 (59.70 MB), 14:25

  *   03 使用虚拟环境安装TensorFlow.mp4 (16.48 MB), 05:09

  *   04 数据集的预处理过程.mp4 (30.42 MB), 06:05

  *   05 数据处理成张量的形式.mp4 (39.77 MB), 10:27

  *   06 预测过程数据的预处理.mp4 (45.51 MB), 10:18

  *   07 加载模型完成预测.mp4 (18.48 MB), 04:33

  *   08 Unet模型的训练.mp4 (56.99 MB), 09:25

*   07 基于Django框架部署图像分割模型/

  *   01 Django搭建图像分割的页面.mp4 (42.47 MB), 13:36

  *   02 Django实现图像分割的图片上传.mp4 (33.78 MB), 10:10

  *   03 Django实现图像分割的视图函数.mp4 (13.67 MB), 05:19

  *   04 图像分割预测函数编写.mp4 (37.45 MB), 15:18

  *   05 分割模型的前向计算和结果保存.mp4 (21.43 MB), 07:34

  *   06 图像分割的图片回显.mp4 (51.57 MB), 14:05

  *   07 虚拟数字人的运行过程.mp4 (75.24 MB), 17:18