幫助中心 | 我的帳號 | 關於我們

醫學圖像分析的數學與智能模型--前沿理論與應用

  • 作者:孫逸之//孔德興|責編:雷洪勤
  • 出版社:電子工業
  • ISBN:9787121536243
  • 出版日期:2026/08/01
  • 裝幀:平裝
  • 頁數:211
人民幣:RMB 89 元      售價:元
放入購物車
加入收藏夾

內容大鋼
    本書圍繞醫學圖像的國內外前沿數理研究,融入作者的研究成果和心得,以兼顧數理方法與醫學應用的方式介紹了圖像分析的若干代表性數學模型及智能模型。具體內容包括分形理論的醫學圖像應用、基於間接擴散的水平集模型、圖像配準的相似度量、基於深度學習的配准方法、肝臟影像分割分類與配准、心髒的精準結構模型等前沿專題。
    本書面向科研院所的研究人員、醫療單位的醫護人員,以及大專院校本科生、研究生和教師。既能為數理工作者中的醫學愛好者提供指引,也能為想要了解數學與智能方法的醫學工作者提供參考。

作者介紹
孫逸之//孔德興|責編:雷洪勤

目錄
第一部分 圖像的當代數學模型展示
  第1章 間接擴散水平集模型
    1.1 間接擴散水平集模型的背景
    1.2 間接擴散水平集模型的提出與分析
    1.3 實驗結果與分析
  第2章 圖像配準的相似度量
    2.1 基於熵模型的相似度量
      2.1.1 f-散度的表達
      2.1.2 從圖像數據的熵到流形上的f-PRE
    2.2 矩陣相似度度量
    2.3 本章題外因
  第3章 分形理論的醫學圖像應用
    3.1 分形維數計算方法
      3.1.1 單分形維數
      3.1.2 多重分形譜
    3.2 分形計算的應用案例
  第4章 基於微分方程原理的模型
    4.1 神經微分方程簡介
    4.2 神經常微分方程的求解
    4.3 神經常微分的潛在醫學應用
    4.4 擴散模型基本原理
第二部分 圖像分析的深度學習模型
  第5章 深度學習網路構造
    5.1 網路形式:生物機制的數學表達與拓展
    5.2 深度學習網路模型的可解釋性
      5.2.1 網路模型的解釋途徑
      5.2.2 ReLU網路的等價性與可解釋性
  第6章 語義學習模型的圖像應用
    6.1 「分割一切」模型SAM
    6.2 對比語言-圖像的多模態預訓練模型
      6.2.1 CLIP模型簡介
      6.2.2 應用於醫學圖像的MedCLIP
      6.2.3 基於CLIP的通用分割模型
      6.2.4 可學習的文本提示
  第7章 基於深度學習的配准方法
    7.1 全監督配准模型
    7.2 弱監督/對偶監督配准模型
    7.3 無監督配准模型
      7.3.1 無監督配準的研究現狀
      7.3.2 基於結構相似性的無監督配准網路
      7.3.3 快速多尺度無監督配准網路
  第8章 知識蒸餾原理及模塊構建
    8.1 知識蒸餾的原理
    8.2 知識蒸餾的特徵
    8.3 知識蒸餾模塊的不同構建
第三部分 心血管及肝髒的精準數理模型
  第9章 血管血流分析模型
    9.1 血管圖像分割分類評價指標
    9.2 血流影像增強方法
    9.3 血管圖像分割的數學及演算法模型

    9.4 應用於血管插針的血流優化模型
    9.5 其他相關物理模型
  第10章 肝臟影像分割分類與配准
    10.1 肝臟圖像分割分類方法
      10.1.1 分割分類方法的類型
      10.1.2 從CNN到Transformer與U-Net結構相結合的分割
    10.2 肝臟影像的一種非線性配准和評估演算法
      10.2.1 肝臟圖像配准方法的發展
      10.2.2 一種MRI圖像的弱監督非線性配准演算法
  第11章 心髒的精準結構模型
    11.1 心髒的結構及心臟病學模型的分類
    11.2 一種心臟結構的智能分割模型
      11.2.1 基於圖卷積神經網路的心臟結構模型預測
      11.2.2 基於圖像文本多模態的心臟結構分割
  第12章 心髒的動力學模型與電生理反問題
    12.1 基於統計的心臟收縮動力學模型
      12.1.1 二維經胸超聲心動圖簡介
      12.1.2 超聲心動圖的統計與深度學習模型樣例
      12.1.3 瓣膜空間位置的二維超聲心動圖定位
    12.2 基於神經偏微分方程的心臟電生理反問題
      12.2.1 心外膜電勢反問題的提出
      12.2.2 反問題的解決方案及相關工作
      12.2.3 雙域方程模擬心外膜電勢狀況
      12.2.4 時空降基深度神經網路
      12.2.5 模型輸出與損失函數
    12.3 基於ALE-NSB方程及有限元的心臟血流動力學建模
附錄A 神經網路與學習範式
  A.1 前饋與反饋神經網路
    A.1.1 前饋網路
    A.1.2 反饋網路
  A.2 深度學習的學習範式
    A.2.1 監督學習
    A.2.2 無監督學習
    A.2.3 半監督學習
附錄B 附圖集
致謝
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