智能醫(yī)療影像技術

定　價：￥59.80

作　者：	莫宏偉
出版社：	電子工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥59.80)

ISBN：	9787121449772	出版時間：	2023-01-01	包裝：	平塑
開本：		頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　本書主要介紹醫(yī)學影像處理的基本技術與實現(xiàn)方法，以醫(yī)學影像智能診斷方法為主，涉及數(shù)字信號處理、統(tǒng)計學、機器學習等理論和技術。全書共分為9章：第1章介紹智慧醫(yī)療的概念、人工智能與醫(yī)學影像診斷、深度學習醫(yī)學影像應用與用于醫(yī)學影像的其他人工智能算法；第2章～第3章介紹人工智能醫(yī)學影像診斷的基礎知識，包括編程基礎與各種醫(yī)學影像介紹，還詳細介紹醫(yī)學影像的基本處理方法；第4章～第5章介紹卷積神經(jīng)網(wǎng)絡基礎知識與醫(yī)學影像任務，包括多種卷積神經(jīng)網(wǎng)絡與神經(jīng)網(wǎng)絡模型的評價標準、常見的醫(yī)學影像任務（醫(yī)學影像診斷、檢測、分割）；第6章～第9章介紹智能醫(yī)學影像處理實際案例，包括乳腺超聲影像中的乳腺腫瘤檢測與良惡性診斷、眼科OCTA圖像診斷糖尿病、肺CT圖像中的肺部多種疾病診斷。本書可以作為計算機科學與技術、電子科學與技術、控制工程與科學、智能科學與技術等理工科及相關專業(yè)的高等院校本科教材，也可以作為研究生教材，并適合從事醫(yī)學影像處理、人工智能等研究的科研人員和愛好者參考使用。

作者簡介

　　莫宏偉，工學博士，教授，博士生導師。1996年7月-2001年8月，哈爾濱工程大學自動化學院，助教，團委書記，輔導員；2001年9月-2003年8月，哈爾濱工程大學自動化學院，講師；2003年9月-2004年9月，美國加州大學戴維斯分校訪問學者；2004年10月-2007年8月，哈爾濱工程大學自動化學院，副教授；2005年9月-2007年12月，哈爾濱工業(yè)大學計算機科學與技術學院，博士后；2007年9月-至今，哈爾濱工程大學自動化學院，教授。參加的學術組織及任職情況：黑龍江省多學科協(xié)同人工智能重點實驗室主任。中國人工智能學會自然計算與數(shù)字城市專業(yè)委員會（發(fā)起人）副主任，中國人工智能學會智能空天系統(tǒng)專委會常務委員，中國人工智能學會智能醫(yī)療專業(yè)委員會委員，全國高校人工智能與大數(shù)據(jù)創(chuàng)新聯(lián)盟副理事長，黑龍江省高等教育學會人工智能教育專業(yè)委員會創(chuàng)始人、理事長，黑龍江省人工智能學會秘書長（2007-2019），黑龍江省生物醫(yī)學工程學會理事。黑龍江省醫(yī)師協(xié)會智慧醫(yī)療分會理事。國際期刊Research of Information Technology、International Journal of Swarm Intelligence Research、International Journal of Robotics and Automation Technology、《電子學報》、《導航與授時》編委。IEEE Tran on Industrial Informatics 2018 ?？夺t(yī)療衛(wèi)生中的大數(shù)據(jù)處理》副主編。Journal of Big Data Research主編。獲得的個人榮譽和集體榮譽：黑龍江省杰出青年科學基金獲得者。全國高校人工智能與大數(shù)據(jù)創(chuàng)新聯(lián)盟人工智能教育"個人創(chuàng)新獎”。哈爾濱工程大學"人工智能導論”精品在線課程負責人。智慧樹"2021年雙一流高校學科建設精品課程”人工智能導論負責人。省級一流課程負責人。出版的主要著作：《人工免疫系統(tǒng)》，科學出版社，2009；《Handbook of Research on Artificial Immune Systems and Natural Computing： Applying Complex Adaptive Technologies》，IGI Global，USA，2009；《免疫調(diào)度原理與應用》，科學出版社，2013；《自然計算》，科學出版社，2016；《磁性細菌優(yōu)化算法》，科學出版社，2017；《人工智能導論》，人民郵電出版社，2020；《深度學習》，人民郵電出版社，2020。所承擔的重點科研項目：1.2013年1月-2015年12月，基于蜂群智能的無人機集群協(xié)同飛行控制策略研究，黑龍江省杰出青年科學基金，負責人；2.2014年1月-2016年9月，腦機接口控制機器人，總裝預研，負責人；3.2014年1月-2016年6月，橋梁檢測無人機，橫向，負責人；4.2018.9-2018.12 智能手術導航系統(tǒng)，橫向，負責人；5.2019.1-2021.12 智能光譜識別系統(tǒng)，橫向，負責人；6.2019.9-2019.12 人工智能疾病分析系統(tǒng)，橫向，負責人；7.2020.1-2022.12 海陸空智能無人系統(tǒng)-火星車目標跟蹤系統(tǒng)，科技部國家重點研發(fā)計劃，課題分項目負責人；8.2021.1-2022.12 認知智能移動機器人平臺研究，橫向，負責人；9 基于自然語言處理的領域本體系統(tǒng)構(gòu)建，裝發(fā)預研，負責人。教學成果獲獎情況：智慧樹2021年高校思政精品課程卓越獎（個人），智慧樹"2021年雙一流高校學科建設精品課程”，省級線上一流課程。

圖書目錄

第1篇概念篇
第1章緒論 2
1.1 智慧醫(yī)療的概念 3
1.1.1 什么是智慧醫(yī)療 3
1.1.2 為什么需要智慧醫(yī)療 5
1.1.3 智慧醫(yī)療簡史 6
1.1.4 智慧醫(yī)療發(fā)展愿景 8
1.2 人工智能與醫(yī)學影像診斷 11
1.2.1 醫(yī)學影像研究方法 11
1.2.2 人工智能醫(yī)學診斷的方式 14
1.2.3 人工智能技術對醫(yī)學影像的影響 15
1.2.4 人工智能技術在醫(yī)學影像領域的應用 17
1.3 深度學習醫(yī)學影像應用 21
1.4 用于醫(yī)學影像的其他人工智能算法 24
本章小結(jié) 26
習題1 26
第2章編程基礎 27
2.1 Python語言 28
2.1.1 Python語言簡介 28
2.1.2 Python內(nèi)置函數(shù)與標準庫 28
2.2 Python中的NumPy 31
2.2.1 多維數(shù)組 32
2.2.2 隨機數(shù)組 34
2.3 Python中的Matplotlib 35
2.3.1 創(chuàng)建線形圖 35
2.3.2 創(chuàng)建其他圖 38
2.4 PyTorch基礎 41
2.4.1 PyTorch中的Tensor 41
2.4.2 搭建一個簡易神經(jīng)網(wǎng)絡 47
2.4.3 自動梯度 49
2.4.4 模型搭建和參數(shù)優(yōu)化 50
本章小結(jié) 57
習題2 57
第3章醫(yī)學影像處理 58
3.1 醫(yī)學影像基礎 59
3.1.1 圖像像素、空間分辨率和亮度分辨率 59
3.1.2 數(shù)字圖像類型 60
3.1.3 圖像文件格式 61
3.2 醫(yī)學影像類別 63
3.2.1 X射線圖像 63
3.2.2 CT圖像 65
3.2.3 MRI圖像 67
3.2.4 超聲圖像 70
3.2.5 核素圖像 71
3.2.6 OCTA圖像 74
3.3 醫(yī)學影像基本處理技術 75
3.3.1 醫(yī)學影像的幾何變換 75
3.3.2 醫(yī)學影像的分割 77
3.3.3 醫(yī)學影像的直方圖增強 81
本章小結(jié) 85
習題3 86
第4章卷積神經(jīng)網(wǎng)絡 88
4.1 卷積神經(jīng)網(wǎng)絡的組成 89
4.1.1 卷積層 89
4.1.2 池化層 90
4.1.3 激活函數(shù) 90
4.1.4 損失函數(shù) 93
4.2 經(jīng)典的卷積神經(jīng)網(wǎng)絡 94
4.2.1 LeNet 94
4.2.2 AlexNet 95
4.2.3 VGGNet 96
4.2.4 GoogLeNet 98
4.2.5 ResNet 101
4.2.6 Xception 102
4.3 評價指標 103
4.3.1 錯誤率與準確率 103
4.3.2 查準率、查全率與F1分數(shù) 104
4.3.3 ROC與AUC 105
4.3.4 代價敏感錯誤率和代價曲線 107
本章小結(jié) 108
習題4 108

第2篇實際應用篇
第5章常見的醫(yī)學影像任務 112
5.1 疾病診斷 113
5.1.1 常見的疾病診斷任務 113
5.1.2 常用的疾病診斷方法 115
5.2 醫(yī)學影像檢測 119
5.2.1 常見的醫(yī)學影像檢測任務 119
5.2.2 常用的醫(yī)學影像檢測方法 121
5.2.3 常用的醫(yī)學影像檢測性能指標 123
5.3 醫(yī)學影像分割 124
5.3.1 常見的醫(yī)學影像分割任務 124
5.3.2 常用的醫(yī)學影像分割方法 125
5.3.3 常用的醫(yī)學影像分割性能指標 131
本章小結(jié) 132
習題5 132
第3篇案例篇
第6章乳腺超聲影像腫瘤良惡性診斷 136
6.1 案例介紹 137
6.1.1 乳腺癌的危害 137
6.1.2 乳腺超聲影像的優(yōu)勢與缺陷 137
6.1.3 乳腺癌診斷方式 138
6.1.4 乳腺癌診斷的發(fā)展 139
6.2 高質(zhì)量乳腺超聲影像數(shù)據(jù)集 140
6.2.1 乳腺超聲影像 140
6.2.2 超聲影像標注 141
6.2.3 含噪聲的超聲影像恢復方法 142
6.2.4 數(shù)據(jù)集的構(gòu)成分析 145
6.3 腫瘤良惡性診斷模型搭建 145
6.3.1 模型設計 145
6.3.2 算法實現(xiàn) 147
6.4 實驗結(jié)果評價 154
本章小結(jié) 156
習題6 156
第7章超聲影像乳腺腫瘤檢測 157
7.1 目標檢測算法介紹 158
7.1.1 Faster R-CNN算法 158
7.1.2 SSD算法 160
7.1.3 YOLOV3算法 161
7.1.4 CornerNet算法 163
7.2 檢測數(shù)據(jù)集制作流程（Pascal VOC格式） 165
7.2.1 Pascal VOC格式 165
7.2.2 數(shù)據(jù)集制作流程 170
7.3 評價指標與實現(xiàn)方法 171
7.4 乳腺腫瘤檢測實驗結(jié)果與分析 173
本章小結(jié) 178
習題7 179
第8章基于OCTA圖像的糖尿病診斷分析 180
8.1 案例介紹 181
8.2 OCTA數(shù)據(jù)介紹 181
8.2.1 OCTA圖像介紹 181
8.2.2 數(shù)據(jù)集下載 183
8.2.3 數(shù)據(jù)預處理 183
8.3 OCTA糖尿病診斷算法 186
8.3.1 模型搭建 186
8.3.2 模型訓練 195
8.4 OCTA糖尿病案例評價 197
本章小結(jié) 199
習題8 199
第9章基于胸部CT的肺部疾病智能診斷 200
9.1 多種肺部疾病的影像學表現(xiàn) 201
9.2 案例介紹 210
9.3 建立肺CT醫(yī)學影像數(shù)據(jù)集 211
9.3.1 數(shù)據(jù)采集 211
9.3.2 實驗數(shù)據(jù)集的劃分 213
9.3.3 病灶標注數(shù)據(jù)集的制作 214
9.3.4 讀取數(shù)據(jù)集腳本的編寫 215
9.4 肺CT醫(yī)學影像分類網(wǎng)絡的搭建 215
9.4.1 實驗環(huán)境 215
9.4.2 模型搭建 216
9.4.3 神經(jīng)網(wǎng)絡訓練驗證 219
9.5 肺CT醫(yī)學影像病灶識別網(wǎng)絡 220
9.5.1 Faster R-CNN網(wǎng)絡原理 220
9.5.2 Faster R-CNN框架搭建 224
9.6 實驗結(jié)果評價 224
本章小結(jié) 229
習題9 229
參考文獻 230