در این مطلب، ویدئو تجربیات در پایتون برای تجزیه و تحلیل تصویر پزشکی. ارائه SciPy 2013 با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:06,830 –> 00:00:09,539
بسیار خوب، امضای بالایی گرفتم، بنابراین من می
2
00:00:09,539 –> 00:00:11,429
خواهم کاندید دکتری در مایو شوم و
3
00:00:11,429 –> 00:00:13,019
در آزمایشگاه انفورماتیک رادیولوژی هستم
4
00:00:13,019 –> 00:00:14,339
، چندین آزمایشگاه مختلف در مایو
5
00:00:14,339 –> 00:00:16,320
وجود دارد که تصویربرداری زیست پزشکی را به
6
00:00:16,320 –> 00:00:19,019
اشکال و اشکال مختلف و
7
00:00:19,019 –> 00:00:22,980
تا حدود سال 2009 تا 2010 انجام می دهند. آنها از MATLAB استفاده کردند،
8
00:00:22,980 –> 00:00:25,289
بنابراین اولین چیزی که من
9
00:00:25,289 –> 00:00:27,689
در اینجا در مورد آن صحبت خواهم کرد این است که
10
00:00:27,689 –> 00:00:29,310
گزینه های علمی نرم افزار برای
11
00:00:29,310 –> 00:00:31,320
تجزیه و تحلیل تصاویر پزشکی خارج از MATLAB را ارزیابی می کنم، اما من به این موضوع
12
00:00:31,320 –> 00:00:33,120
می پردازم که چرا ما می خواستیم
13
00:00:33,120 –> 00:00:36,930
گزینه های دیگر را فقط در یک ثانیه در نظر بگیریم.
14
00:00:36,930 –> 00:00:38,550
کمی در مورد یکی از چیزهایی
15
00:00:38,550 –> 00:00:40,590
که در اوایل توسعه دادم، این بود که II
16
00:00:40,590 –> 00:00:42,240
احساس کردم به راهی برای
17
00:00:42,240 –> 00:00:45,930
تجسم سریع حجم ها با چیزی شبیه
18
00:00:45,930 –> 00:00:49,470
نمایش فوری اما چهار جلدی و اینکه ببینم چه چیزی
19
00:00:49,470 –> 00:00:51,150
را می توانم
20
00:00:51,150 –> 00:00:53,640
در مورد کاری که انجام می دادم کم و بیش فورا بازخورد دریافت کنم. و
21
00:00:53,640 –> 00:00:55,890
البته این در سال 2009 یا 2010 توسعه یافته است،
22
00:00:55,890 –> 00:00:59,010
گزینه های دیگری وجود دارد که اکنون
23
00:00:59,010 –> 00:01:01,110
مطمئن نیستم که گزینه من برتر باشد، اما من فقط
24
00:01:01,110 –> 00:01:03,300
در مورد تجربه خود به شما می گویم و سپس
25
00:01:03,300 –> 00:01:04,949
کمی نظرات در مورد m را به شما می گویم.
26
00:01:04,949 –> 00:01:06,960
مجموعه داده های edical که اغلب به صورت حجمی به دست می آیند
27
00:01:06,960 –> 00:01:09,450
اما فاصله در هر
28
00:01:09,450 –> 00:01:12,120
بعد فضایی با
29
00:01:12,120 –> 00:01:13,680
فاصله در یک بعد فضایی دیگر برابر نیست
30
00:01:13,680 –> 00:01:16,380
و بنابراین اگر همه چیز برابر باشد مانند
31
00:01:16,380 –> 00:01:18,540
یک مکعب روبیک است که یک مجموعه داده مکعبی است
32
00:01:18,540 –> 00:01:21,659
یا همسانگرد یک اصطلاح واقعی برای استفاده کنید،
33
00:01:21,659 –> 00:01:22,740
اما زمانی که آنها نیستند
34
00:01:22,740 –> 00:01:24,930
، یک مجموعه داده ناهمسانگرد است و این
35
00:01:24,930 –> 00:01:26,340
بدان معناست
36
00:01:26,340 –> 00:01:27,840
که اگر میخواهید
37
00:01:27,840 –> 00:01:29,220
همه چیز را کاملاً درست و از نظر
38
00:01:29,220 –> 00:01:31,620
کمی انجام دهید در تجزیه و تحلیل معیارهای واقعی، باید
39
00:01:31,620 –> 00:01:34,170
فرضیات متفاوتی
40
00:01:34,170 –> 00:01:35,370
وجود داشته باشد. کاری که
41
00:01:35,370 –> 00:01:36,810
من زمانی که وارد آزمایشگاه شدم
42
00:01:36,810 –> 00:01:41,190
در سال 2009 انجام دادم نه 2000 متأسفم بله نه در سال 2010،
43
00:01:41,190 –> 00:01:45,090
متوجه شدم که
44
00:01:45,090 –> 00:01:46,290
دانش آموزان اساساً وقت خود را برای
45
00:01:46,290 –> 00:01:47,580
حل مکرر مسائل به
46
00:01:47,580 –> 00:01:49,440
47
00:01:49,440 –> 00:01:50,940
زبان های مختلف تلف می کنند. واقعاً
48
00:01:50,940 –> 00:01:52,080
میخواهند روی آن زبان کار کنند و
49
00:01:52,080 –> 00:01:54,510
فکر میکنند که واقعاً میتوانند انواع
50
00:01:54,510 –> 00:01:56,250
کارهای شگفتانگیز را در آن زبان
51
00:01:56,250 –> 00:01:57,780
انجام دهند، اما نمیدانند چگونه برای درک
52
00:01:57,780 –> 00:01:59,430
بسیاری از قالبهای داده،
53
00:01:59,430 –> 00:02:01,500
ورودی/خروجی را دوباره انجام میدهند، بنابراین ممکن است شخص دیگری
54
00:02:01,500 –> 00:02:03,720
وارد شود و زبانی را انجام دهد که
55
00:02:03,720 –> 00:02:05,460
ما برخی از ورودی/خروجیها را داریم، آنها
56
00:02:05,460 –> 00:02:07,770
تعدادی کد بیشتر کد تجزیه و تحلیل شگفتانگیز مینویسند و
57
00:02:07,770 –> 00:02:10,469
اکنون در آن گیر کرده است. آن زبان و
58
00:02:10,469 –> 00:02:12,150
فقط قابلیت همکاری در حال تبدیل شدن به یک
59
00:02:12,150 –> 00:02:14,370
مشکل بود و بنابراین
60
00:02:14,370 –> 00:02:16,590
بله، و همچنین این ایده وجود دارد که ما
61
00:02:16,590 –> 00:02:17,700
باید یک کد آزمایشگاهی داخلی در حال رشد توصیفی داشته باشیم
62
00:02:17,700 –> 00:02:19,110
که به نوعی شبیه به
63
00:02:19,110 –> 00:02:21,090
روان و چیزهای خارجی است،
64
00:02:21,090 –> 00:02:23,610
بلکه در داخل آزمایشگاه و آن
65
00:02:23,610 –> 00:02:25,890
این اتفاق نیفتاده است، اما
66
00:02:25,890 –> 00:02:28,470
انگیزه واقعی برای دور شدن از متلب و
67
00:02:28,470 –> 00:02:30,629
متلب جای خود را دارد، من کاملاً
68
00:02:30,629 –> 00:02:31,860
اذعان می کنم که افراد زیادی
69
00:02:31,860 –> 00:02:33,030
در مایو هنوز از برنامه ایمیل استفاده می کنند،
70
00:02:33,030 –> 00:02:36,390
بیش از 100 مجوز شخصی سایت وجود دارد که
71
00:02:36,390 –> 00:02:39,060
مایو همیشه برای متلب دارد. اما
72
00:02:39,060 –> 00:02:40,230
دلیل اینکه ما از آن دور شدیم،
73
00:02:40,230 –> 00:02:41,580
زیرا در آن زمان به
74
00:02:41,580 –> 00:02:43,470
دنبال این بودیم که واقعاً موازی کردن چیزها را شروع
75
00:02:43,470 –> 00:02:46,739
کنیم و ابزارهای GPU را که
76
00:02:46,739 –> 00:02:50,280
اکنون انجام می دهیم، نداشتیم و بنابراین به آنجا نگاه کردیم. ما
77
00:02:50,280 –> 00:02:53,370
حدود 32 یا 64 گره خوشه ای را
78
00:02:53,370 –> 00:02:55,290
در یک خوشه چرخاندیم و ناگهان متوجه شدیم
79
00:02:55,290 –> 00:02:57,360
که اوه بله مجوزهای matlab برای هر گره
80
00:02:57,360 –> 00:02:59,940
یا / بله برای هر هسته و البته اکنون
81
00:02:59,940 –> 00:03:01,470
پردازنده های چند هسته ای داریم
82
00:03:01,470 –> 00:03:02,959
که مانند یک سوم موسسات منتشر می شوند.
83
00:03:02,959 –> 00:03:05,160
مجوزهای MATLAB توسط هسته ما کشیده می شد
84
00:03:05,160 –> 00:03:07,530
و این واقعاً به
85
00:03:07,530 –> 00:03:09,450
عنوان یک چیز پایدار تلقی نمی شد و بنابراین
86
00:03:09,450 –> 00:03:11,190
این انگیزه اصلی همراه با بقیه
87
00:03:11,190 –> 00:03:13,379
موارد ذکر شده از نوع نگاه کردن به
88
00:03:13,379 –> 00:03:17,220
گزینه های جایگزین بود که اکنون
89
00:03:17,220 –> 00:03:18,810
اهدافی که صرفاً به آنها اختصاص داده نشده است. خوب نگاه کنید ببینید
90
00:03:18,810 –> 00:03:21,630
چه چیزی وجود دارد و ما
91
00:03:21,630 –> 00:03:23,160
به توانایی داشتن آرایههای n بعدی قوی نیاز داشتیم
92
00:03:23,160 –> 00:03:25,889
افرادی که وارد میشوند در
93
00:03:25,889 –> 00:03:27,720
معرض MATLAB قرار میگیرند و بنابراین بدون داشتن
94
00:03:27,720 –> 00:03:28,889
این قابلیت، شما با
95
00:03:28,889 –> 00:03:31,290
مشکلاتی مواجه خواهید شد، ما همچنین میخواهیم یک جامعه کاربری قوی
96
00:03:31,290 –> 00:03:33,660
داشته باشیم. با گذشت
97
00:03:33,660 –> 00:03:36,540
زمان از بین میرود و باید
98
00:03:36,540 –> 00:03:37,769
برای دانشآموزان انتقال از
99
00:03:37,769 –> 00:03:39,030
زبانهای دیگر نسبتاً آسان باشد، زیرا ایده این است که
100
00:03:39,030 –> 00:03:40,819
اگر وارد آزمایشگاه ما شوید،
101
00:03:40,819 –> 00:03:42,780
حتی اگر یک
102
00:03:42,780 –> 00:03:44,489
دوره اولیه از
103
00:03:44,489 –> 00:03:46,620
104
00:03:46,620 –> 00:03:49,139
اگر ما یک پایگاه استاندارد
105
00:03:49,139 –> 00:03:52,169
برای صحبت با یکدیگر داشته باشیم، برای همه
106
00:03:52,169 –> 00:03:54,180
بهتر است، چه در
107
00:03:54,180 –> 00:03:55,769
گذشته و چه در آینده
108
00:03:55,769 –> 00:03:58,019
109
00:03:58,019 –> 00:03:59,430
برش نهایی
110
00:03:59,430 –> 00:04:01,109
احتمالاً برای بسیاری از افرادی که
111
00:04:01,109 –> 00:04:03,030
در این اتاق پایتون هستند تعجب آور نیست، بدیهی است که در بین آنها
112
00:04:03,030 –> 00:04:04,560
افرادی وجود داشتند که در جاوا در حال درمان بودند
113
00:04:04,560 –> 00:04:06,930
و گروهی از
114
00:04:06,930 –> 00:04:09,660
افراد هستند که واقعاً دوست دارند
115
00:04:09,660 –> 00:04:13,250
کد C را در Lua بسته بندی کنند و سپس
116
00:04:13,250 –> 00:04:15,419
Fortran همه جا حاضر است. این همان چیزی است که
117
00:04:15,419 –> 00:04:16,738
به نظر می رسید عملاً کل علم برای
118
00:04:16,738 –> 00:04:19,200
نوشتن در آن استفاده می شود و
119
00:04:19,200 –> 00:04:21,120
پایتون تقریباً به عنوان برنده واضح ظاهر
120
00:04:21,120 –> 00:04:21,450
شد،
121
00:04:21,450 –> 00:04:24,270
بسیار خوب، بنابراین سال 2009 وارد این اسلاید شد اما
122
00:04:24,270 –> 00:04:26,160
به بقیه منتشر نشد
123
00:04:26,160 –> 00:04:30,030
و من چیز دیگری برای گفتن ندارم.
124
00:04:30,030 –> 00:04:31,560
در مورد آن به جز اینکه ما به هیچ
125
00:04:31,560 –> 00:04:32,910
وجه پشیمان نیستیم و من به جلو حرکت کرده ام
126
00:04:32,910 –> 00:04:35,040
و این یک
127
00:04:35,040 –> 00:04:38,760
تصمیم کاملاً درست برای ما بوده است،
128
00:04:38,760 –> 00:04:41,610
بنابراین فقط برای من شخصاً به
129
00:04:41,610 –> 00:04:43,680
یک راه ساده نیاز داشتم بازخورد برای
130
00:04:43,680 –> 00:04:46,650
تجسم آنچه در حال رخ دادن بود، بخش بزرگی از
131
00:04:46,650 –> 00:04:49,770
پایان نامه من شامل تقسیم بندی است، بنابراین اگر
132
00:04:49,770 –> 00:04:51,870
حجمی دارید که 512 در 512
133
00:04:51,870 –> 00:04:56,220
در 64 است و می خواهید تجزیه و تحلیل کنید و
134
00:04:56,220 –> 00:04:57,990
ایده ای در مورد اینکه الگوریتم شما چقدر خوب
135
00:04:57,990 –> 00:04:59,700
عمل می کند، تقسیم بندی هر پیکسل کوچک جداگانه را
136
00:04:59,700 –> 00:05:01,470
در اختیار دارید. در آنجا شما واقعا نمی توانید آن را فقط
137
00:05:01,470 –> 00:05:03,510
با یک رندر حجمی سه بعدی انجام دهید
138
00:05:03,510 –> 00:05:05,790
زیرا فوق العاده است، اما
139
00:05:05,790 –> 00:05:08,580
شما واقعاً نیاز دارید که
140
00:05:08,580 –> 00:05:10,680
روی هر برش یک پوشش داشته باشید و بنابراین اگر
141
00:05:10,680 –> 00:05:11,820
کاری شبیه به این انجام دهید که در آن
142
00:05:11,820 –> 00:05:14,010
تعداد زیادی فیگور مختلف تولید
143
00:05:14,010 –> 00:05:18,270
می کنید، شما میدانید که واقعاً غیرعملی است،
144
00:05:18,270 –> 00:05:21,180
فقط این کار را با بسیاری از پنجرهها انجام داد و در آن
145
00:05:21,180 –> 00:05:23,880
زمان که این کار را انجام داد و abhi من
146
00:05:23,880 –> 00:05:25,830
هنوز در دسترس بود، اما
147
00:05:25,830 –> 00:05:27,810
برای موارد سهبعدی بهینهتر بود،
148
00:05:27,810 –> 00:05:30,690
بنابراین البته رادیولوژیستها اغلب
149
00:05:30,690 –> 00:05:32,430
فقط یک پشته از تصاویر دوبعدی را صفحه میکنند.
150
00:05:32,430 –> 00:05:33,720
شاید بتوان این کار را با plopped
151
00:05:33,720 –> 00:05:35,400
out draw انجام داد، اما البته من در آن زمان از OS X استفاده
152
00:05:35,400 –> 00:05:36,780
میکردم که kiti backend
153
00:05:36,780 –> 00:05:38,700
تنها سیستمی بود که در بلوکها پایدار بود، بنابراین
154
00:05:38,700 –> 00:05:43,050
نمیتوانید از قرعهکشی استفاده کنید و بنابراین من تازه شروع
155
00:05:43,050 –> 00:05:44,460
به نگاه کردن به o کردم. گزینه های دیگر و چیزی که من به آن دست یافتم
156
00:05:44,460 –> 00:05:47,280
ابزاری بود به نام Vall view
157
00:05:47,280 –> 00:05:49,680
و ایده این بود که داده های Ray را
158
00:05:49,680 –> 00:05:52,860
از come by use pick ray images
159
00:05:52,860 –> 00:05:54,600
تصویر آرایه Pig که یک انتقال بافر
160
00:05:54,600 –> 00:05:56,670
برای گرفتن داده های numpy و لوله کردن آنها
161
00:05:56,670 –> 00:05:59,670
به OpenGL است گرفته شود. بافتها و سپس از Piglet استفاده کنید
162
00:05:59,670 –> 00:06:01,710
که در واقع یک کتابخانه بازی برای
163
00:06:01,710 –> 00:06:03,660
مدیریت سریع آن بافتهای OpenGL است
164
00:06:03,660 –> 00:06:06,180
و واقعاً یک چیز بسیار کم است،
165
00:06:06,180 –> 00:06:07,380
زیرا دوباره هدف این بود
166
00:06:07,380 –> 00:06:08,490
که چیزی را داشته باشید که میتوانید
167
00:06:08,490 –> 00:06:10,110
در یک خط داشته باشید و اساساً
168
00:06:10,110 –> 00:06:13,380
بازخورد مستقیم دریافت کنید و و من
169
00:06:13,380 –> 00:06:15,030
تمام پوشش آلفا ترکیبی را میخواهم تا بتوانید ببینید
170
00:06:15,030 –> 00:06:17,070
کجا میبینید
171
00:06:17,070 –> 00:06:18,660
172
00:06:18,660 –> 00:06:22,380
173
00:06:22,380 –> 00:06:25,080
174
00:06:25,080 –> 00:06:26,550
چه اتفاقی دارد میافتد.
175
00:06:26,550 –> 00:06:30,660
همانطور که شما ادامه می دهید و در اینجا ما یک
176
00:06:30,660 –> 00:06:31,920
تعجب نوت بوک
177
00:06:31,920 –> 00:06:33,630
178
00:06:33,630 –> 00