PyTorch深度学习开发医学影像端到端判别

课程简介

PyTorch深度学习开发医学影像端到端判别医学影像深度学习实战编辑点评深入浅出，结合PyTorch，从数据到模型部署，全面解析医学影像端到端判别。 ⭐ 编辑推荐本课程采用PyTorch深度学习框架，实战医学影像判别项目，涵盖数据预处理、模型构建、训练与部署。 ✨ 课程亮点 ✦ PyTorch实战 ✦ 医学影像处理 ✦ 端到端判别课程目录 📁…

已有 12 人浏览发布 2026-04-21 更新 2026-10-09

PyTorch深度学习开发医学影像端到端判别

医学影像深度学习实战

编辑点评

深入浅出，结合PyTorch，从数据到模型部署，全面解析医学影像端到端判别。

⭐ 编辑推荐

本课程采用PyTorch深度学习框架，实战医学影像判别项目，涵盖数据预处理、模型构建、训练与部署。

✨ 课程亮点

✦PyTorch实战

✦医学影像处理

✦端到端判别

课程目录

第8章项目实战一：理解业务与数据14 集

第8章项目实战一：理解业务与数据说明.zip [1.8 MB]
8-1肺部癌症检测的项目简介】.mp4 [23.4 MB]
8-8数据坐标系的转换】.mp4 [32.1 MB]
8-13CT数据可视化实现三】.mp4 [29.2 MB]
8-14本章小结【【不易整理‖请关注：CunWorkNotess】】.mp4 [7.2 MB]
8-11CT数据可视化实现一【【持续更新‖免费提供：Cunworknotess】】.mp4 [19.3 MB]
8-6加载标注数据【【公重号：CunWorkNotess】】.mp4 [29.3 MB]
8-2CT数据是什么样子【【整理不易‖记得关注：CunWorKNotess】】.mp4 [14.5 MB]
8-10分割训练集和验证集】.mp4 [13.2 MB]
8-12CT数据可视化实现二】.mp4 [38.8 MB]
8-3制定一个解决方案【【不易整理‖请关注：CunWorkNotess】】.mp4 [14.2 MB]
8-4下载项目中的数据集】.mp4 [17.1 MB]
8-5原始数据是长什么样子的】.mp4 [19.1 MB]
8-7加载CT影像数据】.mp4 [11.7 MB]

第7章使用神经网络区分小鸟和飞机图像22 集

第7章使用神经网络区分小鸟和飞机图像文档.png [493.5 KB]
7-16优化方案之增加模型宽度-width】.mp4 [17.6 MB]
7-1CIFAR-10数据集介绍【【整理不易‖记得关注：CunWorKNotess】】.mp4 [11.6 MB]
7-12借助PyTorch搭建卷积网络】.mp4 [14.8 MB]
7-13训练我们的分类模型【】.mp4 [17.5 MB]
7-20优化方案之增加模型深度-depth】.mp4 [35.3 MB]
7-3为模型准备训练集和验证集【【持续更新‖免费提供：Cunworknotess】】.mp4 [19.6 MB]
7-6全连接网络实现图像分类】.mp4 [47.6 MB]
7-9卷积中的数据填充方法padding【【公重号：CunWorkNotess】】.mp4 [7.7 MB]
7-21本章小结【【持续更新‖免费提供：Cunworknotess】】.mp4 [8.8 MB]
7-10使用卷积提取图像中的特定特征】.mp4 [13.3 MB]
7-18优化方案之数据正则化-normalization二】.mp4 [27.1 MB]
7-8借助PyTorch搭建卷积网络模型【【整理不易‖记得关注：CunWorKNotess】】.mp4 [26.1 MB]
7-4借助softmax方法给出分类结果】.mp4 [15.6 MB]
7-14训练好的模型如何存储】.mp4 [3.9 MB]
7-15该用GPU训练我们的模型【【持续更新‖免费提供：Cunworknotess】】.mp4 [16.6 MB]
7-19优化方案之数据正则化-normalization三】.mp4 [14.8 MB]
7-5分类模型常用损失之交叉熵损失【【整理不易‖记得关注：CunWorKNotess】】.mp4 [12.2 MB]
7-2为数据集实现Dataset类】.mp4 [15.7 MB]
7-17优化方案之数据正则化-normalization一】.mp4 [21.7 MB]
7-7对全连接网络的改进之卷积网络】.mp4 [22.2 MB]
7-11借助下采样压缩数据】.mp4 [12.4 MB]

第3章 PyTorch项目热身实践5 集

第3章 PyTorch项目热身实践必看.zip [1.8 MB]
3-4课程实战项目简介】.mp4 [10.9 MB]
3-1工业级数据挖掘流程一】.mp4 [41.1 MB]
3-2工业级数据挖掘流程二】.mp4 [31.9 MB]
3-3课程重难点技能分布】.mp4 [8.5 MB]

第4章 PyTorch基础知识必备-张量10 集

第4章 PyTorch基础知识必备-张量资料.zip [1.8 MB]
4-1什么是张量【【不易整理‖请关注：CunWorkNotess】】.mp4 [21.5 MB]
4-8把张量传递到GPU中进行运算】.mp4 [9.5 MB]
4-9张量的底层实现逻辑一】.mp4 [30.0 MB]
4-4张量的基本操作一】.mp4 [13.5 MB]
4-2张量的获取与存储一【】.mp4 [25.8 MB]
4-6张量中的元素类型】.mp4 [12.6 MB]
4-3张量的获取与存储二】.mp4 [21.7 MB]
4-10张量的底层实现逻辑二】.mp4 [18.5 MB]
4-5张量的基本操作二【】.mp4 [28.8 MB]

第5章 PyTorch如何处理真实数据7 集

第5章 PyTorch如何处理真实数据文档.zip [1.8 MB]
5-5有时间序列的表格数据加载】.mp4 [30.5 MB]
5-2普通二维图像的加载二】.mp4 [17.8 MB]
5-6连续值序列值分类值的处理【【整理不易‖记得关注：CunWorKNotess】】.mp4 [23.6 MB]
5-4普通表格数据加载】.mp4 [28.4 MB]
5-1普通二维图像的加载一】.mp4 [21.2 MB]
5-7自然语言文本数据加载】.mp4 [31.1 MB]

第2章课程内容整体规划5 集

第2章课程内容整体规划文档.zip [1.8 MB]
2-4使用预训练的GAN网络把马变成斑马【】.mp4 [38.3 MB]
2-2使用预训练的ResNet网络给图片分类一】.mp4 [31.9 MB]
2-3使用预训练的ResNet网络给图片分类二】.mp4 [30.1 MB]
2-1环境安装与配置】.mp4 [27.2 MB]

第10章项目实战三：实现端到端的模型预测8 集

第10章项目实战三：实现端到端的模型预测文档.png [493.5 KB]
10-5使用合适的框架把模型部署上线一】.mp4 [29.1 MB]
10-6使用合适的框架把模型部署上线二】.mp4 [37.9 MB]
10-7本章小结【【公重号：CunWorkNotess】】.mp4 [12.4 MB]
10-1连接分割模型和分类模型】.mp4 [44.3 MB]
10-4完整的实现端到端肺部肿瘤检测】.mp4 [50.4 MB]
10-2新的评价指标AUC-ROC曲线】.mp4 [55.3 MB]
10-3使用finetune方法构建肿瘤恶性判断模型】.mp4 [58.9 MB]

第9章项目实战二：模型训练与优化25 集

第9章项目实战二：模型训练与优化文档.zip [1.8 MB]
9-9尝试训练第一个模型】.mp4 [70.0 MB]
9-23构建训练流程【】.mp4 [26.2 MB]
9-1第一个模型结节分类【【公重号：CunWorkNotess】】.mp4 [25.8 MB]
9-4编写数据加载器部分】.mp4 [13.6 MB]
9-17图像分割的几种类型】.mp4 [21.5 MB]
9-7定义损失计算和训练验证环节二】.mp4 [16.1 MB]
9-11新的模型评估指标F1score】.mp4 [26.9 MB]
9-5实现模型的核心部分【【公重号：CunWorkNotess】】.mp4 [30.0 MB]
9-20为图像分割构建Dataset类】.mp4 [35.2 MB]
9-13数据优化方法【【整理不易‖记得关注：CunWorKNotess】】.mp4 [21.7 MB]
9-14数据重复采样的代码实现【【整理不易‖记得关注：CunWorKNotess】】.mp4 [24.4 MB]
9-16第二个模型结节分割】.mp4 [20.1 MB]
9-10借助TensorBoard绘制指标曲线【【整理不易‖记得关注：CunWorKNotess】】.mp4 [38.8 MB]
9-2定义模型训练框架】.mp4 [25.6 MB]
9-24模型存储图像存储代码介绍】.mp4 [17.4 MB]
9-8在日志中保存重要信息【【持续更新‖免费提供：Cunworknotess】】.mp4 [36.1 MB]
9-21构建训练Dataset和使用GPU进行数据增强】.mp4 [22.4 MB]
9-25分割模型训练及在TensorBoard中查看结果【【整理不易‖记得关注：CunWorKNotess】】.mp4 [51.8 MB]
9-22Adam优化器和Dice损失【】.mp4 [17.5 MB]
9-3初始化都包含什么内容】.mp4 [14.9 MB]
9-19为图像分割进行数据预处理】.mp4 [46.3 MB]
9-6定义损失计算和训练验证环节一】.mp4 [31.3 MB]
9-15数据增强的代码实现【【整理不易‖记得关注：CunWorKNotess】】.mp4 [32.6 MB]
9-12实现F1Score计算逻辑】.mp4 [11.7 MB]

第6章神经网络理念解决温度计转换15 集

第6章神经网络理念解决温度计转换文档.png [493.5 KB]
6-13构建批量训练方法】.mp4 [21.3 MB]
6-10使用PyTorch提供的优化器】.mp4 [22.5 MB]
6-11神经网络重要概念-激活函数【】.mp4 [27.9 MB]
6-3神经网络重要概念-损失【】.mp4 [18.6 MB]
6-8使用超参数优化我们的模型效果】.mp4 [21.9 MB]
6-7神经网络重要概念-归一化【】.mp4 [49.3 MB]
6-4PyTorch中的广播机制】.mp4 [27.5 MB]
6-12用PyTorch的nn模块搭建神经网络【【整理不易‖记得关注：CunWorKNotess】】.mp4 [16.8 MB]
6-2温度计示数转换【【持续更新‖免费提供：Cunworknotess】】.mp4 [15.6 MB]
6-9使用PyTorch自动计算梯度】.mp4 [32.2 MB]
6-5神经网络重要概念-梯度】.mp4 [35.1 MB]
6-6神经网络重要概念-学习率】.mp4 [36.7 MB]
6-14使用神经网络解决温度计示数转换问题】.mp4 [34.2 MB]
6-1常规模型训练的过程【】.mp4 [19.1 MB]

第11章课程总结与面试问题5 集

11-2课程中的神经网络回顾】.mp4 [23.6 MB]
11-3模型优化方法回顾】.mp4 [19.0 MB]
11-4面试过程中可能遇到的问题】.mp4 [45.5 MB]
11-1肿瘤检测系统架构回顾】.mp4 [27.4 MB]
11-5持续学习的几个建议】.mp4 [42.6 MB]

第1章课程导学4 集

1-3常用深度学习框架【【整理不易‖记得关注：CunWorKNotess】】.mp4 [24.9 MB]
1-1课程导学】.mp4 [49.0 MB]
1-2深度学习如何影响生活】.mp4 [20.2 MB]
说明】.png [1.8 MB]

适合人群

深度学习爱好者
医学影像领域从业者
PyTorch初学者

🎯 学习收获

掌握医学影像数据处理
学会使用PyTorch构建深度学习模型
实现端到端模型预测

🎉 祝您学习愉快！