幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

醫學圖像分割與校正--基於水平集方法與深度學習(精)/數理醫學叢書

  • 作者：楊云云|責編:李欣//李香葉|總主編:孔德興
  • 出版社：科學
  • ISBN：9787030776693
  • 出版日期：2024/09/01
  • 裝幀：精裝
  • 頁數：191
人民幣：RMB 128 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書從圖像分割與校正模型和水平集方法的基本概念出發，整理了若干基於水平集和深度學習的醫學圖像分割與校正模型。全書共11章，包括五部分內容：第一部分（第1章）介紹醫學圖像分割與校正的方法，包括醫學圖像分割與校正背景及意義、國內外研究現狀分析和相關模型和方法。第二部分（第2-4章）詳細討論二區和多區圖像分割與校正模型，包括多區MR圖像分割與校正模型、抗雜訊醫學圖像分割與校正模型及基函數表達的人腦MR圖像校正及分割模型。第三部分（第5章）介紹多圖譜融合的三維人腦MRI分割及校正模型，主要針對3D人腦MR圖像的分割及校正。第四部分（第6-8章）介紹帶有約束信息的圖像分割模型，包括結合先驗約束項的圖像分割模型、帶有強約束項的彩色圖像分割模型和PeRSF模型。第五部分（第9-11章）介紹基於深度學習與水平集方法的醫學圖像分割模型，包括弱監督牙齒分割模型、基於局部方差和邊緣信息的自適應分割模型、基於強化主動學習的圖像選擇策略應用於分割模型。以上介紹的各種醫學圖像分割與校正模型，針對不同特性的醫學圖像，不僅提高了模型分割的準確度，也提高了模型分割的速度以及自適應性與魯棒性。
    本書可作為高等院校數學、電子信息工程、電腦科學、自動化、通信、生物工程和醫學影像等專業的本科生與研究生的專業教材，也可供從事上述相關專業的研究人員和工程技術人員參考。
作者介紹
楊云云|責編:李欣//李香葉|總主編:孔德興
    楊云云，哈爾濱工業大學（深圳）理學院副教授，博士生導師，從事圖像處理研究。以第一或通訊作者在高水平SCI期刊包括IEEE Transactions on Image Processing、Pattern Recognition、IEEE Transactionson Industrial Informatics發表論文共40余篇。主持包括國家自然科學基金面上項目、青年項目，廣東省自然科學基金面上項目，深圳市自然科學基金面上項目等共9項科研項目，承擔科研經費超過500萬元。發明專利授權3項，出版專著1部。2023年獲得廣東省電腦學會優秀論文獎與深圳市優秀科技學術論文成果優秀獎。
目錄
第1章  緒論
  1.1  醫學圖像分割與校正背景及意義
  1.2  國內外研究現狀分析
  1.3  相關模型與方法
    1.3.1  MICO模型
    1.3.2  CV模型
    1.3.3  RSF模型
    1.3.4  分裂Bregman方法
  1.4  本書內容簡介
第2章  多區MR圖像分割與校正模型
  2.1  前期準備
    2.1.1  CLIC模型
    2.1.2  分裂Bregman方法
  2.2  模型建立
    2.2.1  建立能量泛函
    2.2.2  定義隸屬函數
    2.2.3  定義加權長度項
    2.2.4  偏磁場估計演算法
    2.2.5  分裂Bregman方法極小化能量泛函
  2.3  數值實驗
    2.3.1  數值實現
    2.3.2  實驗結果
  2.4  本章小結
第3章  抗雜訊醫學圖像分割與校正模型
  3.1  引言
  3.2  模型建立
    3.2.1  二區能量泛函與分裂Bregman方法求解
    3.2.2  多區能量泛函與分裂Bregman方法求解
  3.3  數值實驗
    3.3.1  數值實現
    3.3.2  實驗結果
  3.4  本章小結
第4章  基函數表達的人腦MR圖像分割與校正模型
  4.1  引言
  4.2  SCMB模型
  4.3  應用分裂Bregman方法求解
  4.4  針對多區圖像的SCMB模型
  4.5  數值實驗
    4.5.1  數值實現
    4.5.2  實驗結果
  4.6  本章小結
第5章  多圖譜融合的三維人腦MR圖像分割與校正模型
  5.1  引言
  5.2  多圖譜融合三維分割與校正模型
  5.3  基於模型構建新的能量泛函
  5.4  應用分裂Bregman方法極小化模型
  5.5  實驗結果
  5.6  本章小結
第6章  結合先驗約束項的圖像分割模型
  6.1  預備知識

  6.2  模型建立
    6.2.1  先驗約束項
    6.2.2  構造能量泛函
    6.2.3  分裂Bregman方法極小化能量泛函
  6.3  數值實驗
    6.3.1  數值實現
    6.3.2  實驗結果
  6.4  本章小結
第7章  帶有強約束項的彩色圖像分割模型
  7.1  引言
  7.2  預備知識
    7.2.1  RSF模型
    7.2.2  多圖譜方法
  7.3  ERSF模型
  7.4  分裂Bregman方法快速求解
  7.5  數值實驗
  7.6  本章小結
第8章  並行的帶有強約束項的圖像分割模型
  8.1  引言
  8.2  預備知識
  8.3  PeRSF模型
  8.4  數值實驗
  8.5  時間複雜度分析
  8.6  本章小結
第9章  弱監督牙齒分割模型
  9.1  引言
  9.2  弱監督分割模型的建立
    9.2.1  牙齒檢測
    9.2.2  橢圓錨框生成
    9.2.3  帶約束的活動輪廓模型
    9.2.4  能量極小化
    9.2.5  曲率分割模型
    9.2.6  粘連牙齒分離
    9.2.7  弱監督訓練
  9.3  數值實驗
  9.4  本章小結
第10章  基於局部方差和邊緣信息的自適應分割模型
  10.1  引言
  10.2  局部方差分割模型的建立和極小化
    10.2.1  局部方差能量泛函的建立
    10.2.2  梯度下降方法極小化局部方差分割模型
  10.3  局部方差分割模型的雙層能量泛函
  10.4  實驗與分析
    10.4.1  不同數據集上的分割實驗
    10.4.2  參數選擇
    10.4.3  消融實驗
  10.5  本章小結
第11章  基於強化主動學習的圖像選擇策略應用於分割模型
  11.1  引言
  11.2  強化主動學習模型的建立

    11.2.1  主動學習作為MDP
    11.2.2  構建狀態
    11.2.3  構建動作
    11.2.4  構建獎勵
    11.2.5  通過DQN學習選擇策略
  11.3  實驗與分析
    11.3.1  數據集ACDC的分割實驗
    11.3.2  數據集M&Ms的分割實驗
    11.3.3  消融實驗
  11.4  本章小結
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032