医学影像处理与图像分割：深度学习课程详解

本课程第一部分介绍了医学图像处理软件SImplEITK的安装与使用，包括读取医学图像数据的方法。随后，课程讲解了图像特征提取和医学影像实现的过程。

第二部分内容聚焦于使用DjanGo框架部署机器学习的应用，涵盖了人脸识别、文本分类和图像分类等领域。

第三部分则重点介绍了图像分割的基础内容和分类。使用Unet模型对眼底血管图像分割进行了综合案例训练，并利用Django框架部署了图像分割案例。

课程详细视频内容包括：

① 虚拟机软件的介绍和使用；
② SimpleITK读取医学图像数据的方法；
③ Windows下安装SimpleITK的步骤；
④ SimpleITK读取序列文件及文件转换；
⑤ 获取图像的基本信息和SimpleITK获取元数据；
⑥ SimpleITK创建不同类型的图像和图形类型的转换；
⑦ 医学图像的显示、翻转、数据调整与特征检测；
⑧ 医学影像数据介绍和创建新的标签；
⑨ 处理nii格式的文件和医学图像的特征抽取；
⑩ 模型的训练与评价、模型的保存与加载；
⑪ 基于Django项目的综合案例，包括Django工程和子应用的搭建、项目的静态资源和启动等；
⑫ 人脸识别页面的搭建、图片上传功能实现、人脸检测函数的实现等；
⑬ 文本分类和图像分类页面的搭建、预测函数实现等；以及Unet模型的介绍、训练过程，Django搭建图像分割页面、视图函数实现等。