کتاب پردازش و تحلیل تصاویر چشم‌پزشکی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پردازش و تحلیل تصاویر چشم‌پزشکی

موضوع کلی: علوم محاسباتی و هوش مصنوعی در پزشکی

موضوع میانی: پردازش تصویر پزشکی

📋 سرفصل‌های دوره

  • 1. آشنایی با ساختار چشم و شبکیه
  • 2. اصول اپتیک و بینایی
  • 3. دستگاه‌های تصویربرداری چشم‌پزشکی: مروری کلی
  • 4. فتوفونو رتینوگرافی (FFR): اصول و کاربردها
  • 5. تصویربرداری توموگرافی انسجام نوری (OCT): مبانی
  • 6. OCT: ارزیابی لایه فیبر عصبی شبکیه
  • 7. OCT: بررسی ماکولا و رتینوپاتی دیابتی
  • 8. OCT آنژیوگرافی (OCTA): اصول و کاربردها
  • 9. فلورسانژین آنژیوگرافی (FAG): تکنیک و تفسیر
  • 10. اندو تلاسکوپی (Endoscopy): کاربرد در بیماری‌های شبکیه و زجاجیه
  • 11. تصویربرداری اولتراسوند (Ultrasound) در چشم‌پزشکی
  • 12. ارزیابی تصاویر اولتراسوند: تکنیک‌ها و تشخیص‌ها
  • 13. تشخیص بیماری‌های شبکیه با استفاده از تصاویر رنگی
  • 14. شناسایی ضایعات شبکیه در تصاویر رنگی
  • 15. تفسیر تصاویر رتینوپاتی دیابتی
  • 16. تفسیر تصاویر دژنراسیون ماکولا وابسته به سن (AMD)
  • 17. تفسیر تصاویر گلوکوم
  • 18. تفسیر تصاویر جداشدگی شبکیه
  • 19. تفسیر تصاویر ترومبوز ورید شبکیه
  • 20. تشخیص بیماری‌های عروقی شبکیه با استفاده از FAG و OCTA
  • 21. آنالیز تصاویر برای تشخیص بیماری‌های زجاجیه
  • 22. ارزیابی تصاویر برای تشخیص آب مروارید
  • 23. ارزیابی تصاویر برای تشخیص گلوکوم
  • 24. تفسیر تصاویر برای تشخیص کاتاراکت ثانویه
  • 25. تفسیر تصاویر برای تشخیص بیماری‌های قرنیه
  • 26. تفسیر تصاویر برای تشخیص بیماری‌های پلک
  • 27. تفسیر تصاویر برای تشخیص بیماری‌های مجرای اشکی
  • 28. پردازش دیجیتال تصویر در چشم‌پزشکی: فیلترها
  • 29. پردازش دیجیتال تصویر در چشم‌پزشکی: افزایش کنتراست
  • 30. پردازش دیجیتال تصویر در چشم‌پزشکی: کاهش نویز
  • 31. بخش‌بندی تصاویر چشم‌پزشکی: تکنیک‌ها
  • 32. استخراج ویژگی از تصاویر چشم‌پزشکی
  • 33. طبقه‌بندی تصاویر چشم‌پزشکی با استفاده از یادگیری ماشین
  • 34. شبکه‌های عصبی کانولوشن (CNN) در تحلیل تصاویر چشم‌پزشکی
  • 35. کاربرد یادگیری عمیق در تشخیص رتینوپاتی دیابتی
  • 36. کاربرد یادگیری عمیق در تشخیص AMD
  • 37. کاربرد یادگیری عمیق در تشخیص گلوکوم
  • 38. ارزیابی عملکرد الگوریتم‌های تشخیص بیماری‌ها
  • 39. نرم‌افزارهای تحلیل تصاویر چشم‌پزشکی: معرفی و کاربرد
  • 40. کیفیت تصاویر چشم‌پزشکی و عوامل موثر بر آن
  • 41. آرشیو و مدیریت تصاویر چشم‌پزشکی (PACS)
  • 42. استانداردهای DICOM در تصاویر چشم‌پزشکی
  • 43. ملاحظات قانونی و اخلاقی در استفاده از تصاویر چشم‌پزشکی
  • 44. آینده تحلیل تصاویر چشم‌پزشکی: روندهای نوین
  • 45. تکنیک‌های تجسم سه بعدی تصاویر چشم‌پزشکی

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.