Contenido del curso
Introducción al curso
Revisa los contenidos y metodologías que serán aplicadas en este curso
0/3
Bienvenida y descripción del curso
05:43
Módulo 0: Certificación y Aval Internacional CEL – FGU
04:28
Instrucciones para uso de Google Colab
04:25
Módulo 1: Introducción a Radiomics y propiedades de las imágenes
0/8
Clase 1: Introducción a Radiomics
20:03
Hands-on 1: Introducción a programación en Python (primera parte)
59:44
Hands-on 2: Introducción a la programación en Python (segunda parte)
37:30
Clase 2: Propiedades de las imágenes médicas
38:18
Hands-on 3. Operaciones básicas con imágenes en Python
41:48
Hands-on 4. Procesamiento de imágenes médicas en Python
45:00
Clase 3: Análisis de características
38:37
Evaluación módulo 1
00:30:00
Módulo 2: Preprocesamiento y extracción de características
0/7
Clase 4: Flujo de trabajo en radiomics
29:50
Clase 5: Preprocesamiento de imágenes
25:58
Clase 6. Técnicas de segmentación de imágenes médicas
25:48
Hands-on 5. Segmentación semiautomática de imágenes médicas
40:47
Hands-on 6. Segmentación automática con Deep Learning
21:47
Hands-on 7. Extracción de características con pyRadiomics
20:26
Evaluación Módulo 2
00:30:00
Módulo 3: Modelado Estadístico
0/8
Clase 7: Modelado estadístico (primera parte)
40:03
Clase 8: Modelado estadístico (segunda parte)
38:32
Hands-on 8. Consolidación y construcción de bases de datos
36:35
Hands-on 9. Limpieza de datos
40:43
Clase 9: Técnicas de selección de variables
38:19
Hands-on 10. Análisis Exploratorio de Datos y selección de variables (primera parte)
33:34
Hands-on 11: Análisis Exploratorio de Datos y Selección de variables (segunda parte)
21:56
Evaluación Módulo 3
00:20:00
Módulo 4: Machine Learning en Radiomics
0/8
Clase 10: Fundamentos de Machine Learning aplicado a radiomics (primera parte)
32:14
Clase 11: Fundamentos de Machine Learning aplicado a radiomics (segunda parte)
29:00
Hands-on 12: Construcción de modelos de Machine Learning para radiomics (primera parte)
43:16
Hands-on 13: Construcción de modelos de Machine Learning para radiomics (segunda parte)
26:15
Clase 12: Deep Learning en Radiomics
31:47
Clase 13: Reproducibilidad y transparencia
25:20
Evaluación módulo 4
00:30:00
Cierre del curso
01:35
Radiomics desde cero
Anterior
Siguiente
0% Completar