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

智能醫學圖像處理/人工智慧新型教材系列

  • 作者：編者:劉勇//趙坤//張逸鶴|責編:孫澍|總主編:蘇森
  • 出版社：人民郵電
  • ISBN：9787115669360
  • 出版日期：2025/09/01
  • 裝幀：平裝
  • 頁數：212
人民幣：RMB 59.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    人工智慧技術通過圖像分割、配准、目標檢測、定量分析等方法，可以輔助疾病篩查、病情評估、醫學診斷、治療方案決策及外科手術，還能輔助護理和康復治療，是醫學圖像處理的重要輔助技術。全書共8章，主要介紹人工智慧技術在醫學圖像處理領域的應用，包括醫學圖像與人工智慧、圖像去噪與圖像增強、圖像配准、醫學圖像分割、特徵提取、機器學習與統計分析、醫學圖像及分析結果可視化、智能醫學圖像處理案例等內容。本書僅介紹醫學圖像處理中的人工智慧技術，不涉及具體疾病分析和診斷，旨在幫助讀者掌握人工智慧技術在醫學影像學領域的應用技巧。
    本書可作為高等院校智能科學與技術、人工智慧等專業的教材，也可供醫學影像學相關專業及技術人員學習使用。
作者介紹
編者:劉勇//趙坤//張逸鶴|責編:孫澍|總主編:蘇森
目錄
第1章  醫學圖像與人工智慧
  1.1  醫學人工智慧概述
    1.1.1  人工智慧技術的發展與介紹
    1.1.2  人工智慧技術在醫學圖像中的應用
  1.2  醫學圖像概述
    1.2.1  X射線成像
    1.2.2  電腦斷層掃描
    1.2.3  磁共振成像
    1.2.4  超聲成像
    1.2.5  常見的醫學圖像格式
  1.3  常見醫學圖像處理示例
第2章  圖像去噪與圖像增強
  2.1  概念與意義
    2.1.1  圖像去噪
    2.1.2  圖像增強
  2.2  圖像去噪的常用方法
    2.2.1  傳統的MRI圖像去噪方法
    2.2.2  基於深度學習的MRI圖像去噪方法
    2.2.3  MRI圖像去噪方法總結與展望
  2.3  圖像增強的常用方法
    2.3.1  傳統的MRI圖像增強方法
    2.3.2  基於深度學習的MRI圖像增強方法
    2.3.3  MRI圖像增強方法總結與展望
  2.4  醫學圖像質量評價指標
  2.5  應用示例
    2.5.1  MRI圖像去噪應用示例
    2.5.2  MRI圖像增強應用示例
    2.5.3  MRI圖像超解析度應用示例
  2.6  思考與啟示
    2.6.1  現有研究的不足
    2.6.2  未來發展方向
  2.7  實踐習題
第3章  圖像配准
  3.1  圖像配准技術概述
    3.1.1  圖像配准簡介
    3.1.2  醫學圖像配準的意義及應用領域
    3.1.3  圖像配准方法的分類
  3.2  醫學圖像配準的評價指標
    3.2.1  定性評價
    3.2.2  定量評價
  3.3  成對圖像配准方法
    3.3.1  基於傳統優化的圖像配准方法
    3.3.2  基於深度學習的圖像配准方法
    3.3.3  基於多級別小波變換的快速配准方法
  3.4  群組圖像配准方法
    3.4.1  基於傳統優化的圖像群配准方法
    3.4.2  基於深度學習的圖像群配准方法
  3.5  應用示例
    3.5.1  基於傳統優化的圖像對配准方法——ANTs應用示例
    3.5.2  基於深度學習的圖像配准方法——VoxelMorph應用示例

    3.5.3  基於多級別小波變換的圖像配准方法——AMNet應用示例
    3.5.4  基於傳統優化的圖像群配准方法——ANTs和ABSORB應用示例
    3.5.5  基於深度學習的圖像群配准方法——VoxelMorph應用示例
  3.6  思考與啟示
  3.7  實踐習題
第4章  醫學圖像分割
  4.1  概念與意義
  4.2  常用醫學圖像分割方法簡介：以基於結構性MRI的海馬分割為例
    4.2.1  概述
    4.2.2  基於傳統機器學習的海馬分割演算法簡介
    4.2.3  基於深度學習的海馬分割演算法簡介
  4.3  基於多圖譜的海馬分割演算法
    4.3.1  基本流程
    4.3.2  多數投票演算法
    4.3.3  局部標籤學習演算法
    4.3.4  隨機森林半監督標籤傳播演算法
  4.4  基於深度學習的海馬分割演算法
    4.4.1  基本流程
    4.4.2  基於FCN的分割演算法
    4.4.3  基於U-Net的分割演算法
    4.4.4  基於TransU-Net的分割演算法
  4.5  圖像分割性能評估
    4.5.1  定量評估
    4.5.2  定性評估
  4.6  應用示例
    4.6.1  基於多圖譜的海馬分割演算法應用示例
    4.6.2  基於深度學習的海馬分割演算法應用示例
  4.7  思考與啟示
  4.8  實踐習題
第5章  特徵提取
  5.1  大腦形態學指標的量化
  5.2  結構性磁共振影像組學特徵及腦網路構建
    5.2.1  影像組學簡介
    5.2.2  影像組學特徵計算
    5.2.3  影像組學特徵的應用
    5.2.4  基於影像組學特徵構建大腦結構共變網路
  5.3  擴散磁共振腦網路構建
    5.3.1  dMRI圖像的預處理
    5.3.2  纖維追蹤
  5.4  功能性磁共振圖像特徵提取及腦網路構建
    5.4.1  fMRI圖像的預處理
    5.4.2  局域特徵提取
    5.4.3  基於BOLD信號構建大腦功能網路
  5.5  腦網路特徵提取
  5.6  應用示例
    5.6.1  大腦結構共變網路構建應用示例
    5.6.2  功能性磁共振腦網路構建應用示例
    5.6.3  以功能性磁共振腦網路為例的圖論指標計算應用示例
  5.7  思考與啟示
  5.8  實踐習題

第6章  機器學習與統計分析
  6.1  概念與一般流程
  6.2  統計學基礎
    6.2.1  概率論基礎
    6.2.2  統計推斷基礎
  6.3  統計學方法
    6.3.1  假設檢驗和p-values
    6.3.2  雙樣本t檢驗與正態性檢驗
  6.4  監督學習演算法
    6.4.1  決策樹演算法
    6.4.2  隨機森林演算法
    6.4.3  支持向量機演算法
    6.4.4  貝葉斯分類器
    6.4.5  k近鄰演算法
    6.4.6  神經網路演算法
  6.5  無監督學習演算法
    6.5.1  k均值聚類演算法
    6.5.2  主成分分析演算法
  6.6  分類常見評價指標
    6.6.1  準確率和錯誤率
    6.6.2  二分類評價指標
    6.6.3  多分類評價指標
  6.7  應用示例
  6.8  思考與啟示
  6.9  實踐習題
第7章  醫學圖像及分析結果可視化
  7.1  醫學圖像可視化
    7.1.1  大腦皮層可視化
    7.1.2  大腦皮下可視化
  7.2  數據分析方法
    7.2.1  差異性分析
    7.2.2  相關分析
    7.2.3  分佈結果
  7.3  應用示例
  7.4  思考與啟示
  7.5  實踐習題
第8章  智能醫學圖像處理案例
  8.1  系統搭建
    8.1.1  資料庫搭建
    8.1.2  框架環境配置
    8.1.3  快速部署框架——若依框架的部署和使用
    8.1.4  核心模塊參考代碼
  8.2  基於智能醫學圖像處理系統的實踐案例
    8.2.1  數據存儲與格式轉化
    8.2.2  數據預處理
    8.2.3  數學建模
    8.2.4  數據分析
    8.2.5  結果解讀與可視化
  8.3  思考與啟示
  8.4  實踐習題

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