掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
中醫入門必背歌訣
-
>
醫驗集要
-
>
尋回中醫失落的元神2:象之篇
-
>
補遺雷公炮制便覽 (一函2冊)
-
>
人體解剖學常用詞圖解(精裝)
-
>
神醫華佗(奇方妙治)
-
>
(精)河南古代醫家經驗輯
肺結節檢測機器視覺技術 版權信息
- ISBN：9787122400345
- 條形碼：9787122400345 ; 978-7-122-40034-5
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
肺結節檢測機器視覺技術 本書特色
適讀人群 ：本書適合從事醫學圖像處理，尤其是基于深度學習的肺結節檢測方面研究的學者和科研人員、醫學工作者閱讀。肺癌是在全世界人口中發病率與死亡率占比高且增長速度快的惡性腫瘤疾病之一，它給人類健康帶來了極大的威脅。早期篩查中，肺癌在醫學影像上的主要病癥之一是肺結節，所以肺結節檢測分析是預防肺癌的有效途徑。 本書進行了肺結節檢測的自動化研究，觀察到基于卷積神經網絡的方法在目標檢測任務中被廣泛使用，尤其是深度網絡方法可有效地獲取醫學圖像中的多重復雜特征，提高檢測精度，為結節檢測領域提供了新的方向。
肺結節檢測機器視覺技術 內容簡介
肺結節檢測對肺癌的預防、早期篩查及早期診斷尤為重要，基于肺癌影像上的肺結節檢測分析是預防肺癌的有效途徑。隨著LDCT技術的普及以及人們對自身健康的重視，胸部CT圖像數據呈現爆炸式增長，極大地加重了放射科醫生的工作負擔，同時也增加了病情判斷的難度。本書進行了肺結節檢測的自動化研究，全面總結深度學習在肺結節檢測當中的研究成果，提出了多種有效的創新性的深度學習網絡框架和檢測思路。 本書適合從事醫學圖像處理，尤其是基于深度學習的肺結節檢測方面研究的學者和科研人員、醫學工作者閱讀。
肺結節檢測機器視覺技術 目錄
第1章肺結節檢測與深度學習001
1.1肺結節檢測的背景與發展現狀001
1.2CAD系統研究現狀004
1.2.1肺實質分割算法研究005
1.2.2肺結節檢測算法研究008
1.3深度卷積神經網絡009
1.3.1深度卷積神經網絡的發展009
1.3.2卷積神經網絡的結構010
參考文獻013
第2章肺結節檢測原理與技術015
2.1醫學影像知識015
2.1.1計算機斷層掃描技術015
2.1.2肺結節的醫學影像特征018
2.2肺結節檢測評價指標020
2.2.1真/假陽性率020
2.2.2競爭性能指標022
2.2.3自由響應操作特性曲線022
2.3深度學習方法與傳統檢測方法的優劣勢023
2.4現有檢測技術介紹025
2.4.1多流框架學習025
2.4.2遷移學習026
2.4.3無/半/自監督學習027
2.4.4多任務學習029
2.5常用數據集030
參考文獻034
第3章基于目標檢測的U-Net構建與肺結節候選檢測036
3.1肺實質分割037
3.1.1圖像預處理037
3.1.2肺實質初定位039
3.1.3肺實質輪廓修補039
3.1.4灰度值歸一化042
3.2數據預處理與增強043
3.2.1圖像裁剪043
3.2.2數據增強044
3.3R2U-Net網絡構建045
3.3.1U-Net框架修正045
3.3.2ResNet殘差單元047
3.3.3RPN網絡的anchor機制049
3.3.4R2U-Net網絡050
3.4模型性能優化051
3.4.1損失優化051
3.4.2難分類樣本挖掘052
3.4.3非極大值抑制053
3.4.4K-折交叉驗證054
3.5實驗設置與結果分析056
3.5.1實驗設置056
3.5.2結果分析056
參考文獻061
第4章基于多流多尺度融合的U-Net構建與肺結節候選檢測063
4.1R2 U-Net網絡框架優化064
4.1.1多尺度輸入融合算法064
4.1.2多流輸出融合算法065
4.1.3非線性卷積模塊066
4.1.4MS2 U-Net網絡介紹067
4.2非極大值抑制改進算法068
4.3實驗結果與分析069
4.3.1實驗設置069
4.3.2結果分析070
參考文獻080
第5章注意力機制與特征金字塔與肺結節候選檢測082
5.1基于通道-空間注意力機制的網絡設計083
5.1.1U-Net網絡結構 083
5.1.2U-SENet網絡構建085
5.2U-SENet網絡應用于候選肺結節檢測086
5.2.1數據增強086
5.2.2優化損失函數087
5.2.3通道-空間注意力機制介紹088
5.2.4權重初始化091
5.3特征金字塔網絡結構092
5.4特征金字塔網絡應用于目標檢測095
5.5多尺度3D特征金字塔網絡及肺結節檢測098
5.6實驗結果與分析100
5.6.1U-SENet實驗結果與分析101
5.6.2MFDM實驗結果與分析102
參考文獻104
第6章3D全卷積網絡設計與肺結節精檢測106
6.13D全卷積網絡107
6.1.1C3D網絡107
6.1.2FC-C3D網絡111
6.2模型性能分析與改進114
6.2.1測試數據114
6.2.2損失函數優化119
6.2.3模型融合121
6.2.4模型訓練125
6.3實驗結果分析127
6.3.13種實驗方法對比127
6.3.2融合方法對比128
6.3.3與其他方法對比131
參考文獻133
第7章多模型融合應用于肺結節精檢測135
7.1多模型肺結節檢測融合135
7.1.1Conv3DNet135
7.1.2Inception3DNet138
7.1.3RD3DNet140
7.1.4損失函數優化143
7.1.5模型融合145
7.2肺結節精檢測實驗與分析148
7.2.1正負樣本平衡148
7.2.2訓練過程149
7.2.3實驗結果對比與分析150
參考文獻155
第8章肺結節CAD檢測系統設計156
8.1需求分析156
8.2結構及功能設計157
8.3功能性測試159
8.3.1登錄功能測試160
8.3.2讀取文件功能與查看原圖功能測試161
8.3.3肺部分割顯示功能測試161
8.3.4結節檢測顯示功能測試162
8.3.5結果顯示功能測試164
8.3.6診斷意見輸入功能164
1.1肺結節檢測的背景與發展現狀001
1.2CAD系統研究現狀004
1.2.1肺實質分割算法研究005
1.2.2肺結節檢測算法研究008
1.3深度卷積神經網絡009
1.3.1深度卷積神經網絡的發展009
1.3.2卷積神經網絡的結構010
參考文獻013
第2章肺結節檢測原理與技術015
2.1醫學影像知識015
2.1.1計算機斷層掃描技術015
2.1.2肺結節的醫學影像特征018
2.2肺結節檢測評價指標020
2.2.1真/假陽性率020
2.2.2競爭性能指標022
2.2.3自由響應操作特性曲線022
2.3深度學習方法與傳統檢測方法的優劣勢023
2.4現有檢測技術介紹025
2.4.1多流框架學習025
2.4.2遷移學習026
2.4.3無/半/自監督學習027
2.4.4多任務學習029
2.5常用數據集030
參考文獻034
第3章基于目標檢測的U-Net構建與肺結節候選檢測036
3.1肺實質分割037
3.1.1圖像預處理037
3.1.2肺實質初定位039
3.1.3肺實質輪廓修補039
3.1.4灰度值歸一化042
3.2數據預處理與增強043
3.2.1圖像裁剪043
3.2.2數據增強044
3.3R2U-Net網絡構建045
3.3.1U-Net框架修正045
3.3.2ResNet殘差單元047
3.3.3RPN網絡的anchor機制049
3.3.4R2U-Net網絡050
3.4模型性能優化051
3.4.1損失優化051
3.4.2難分類樣本挖掘052
3.4.3非極大值抑制053
3.4.4K-折交叉驗證054
3.5實驗設置與結果分析056
3.5.1實驗設置056
3.5.2結果分析056
參考文獻061
第4章基于多流多尺度融合的U-Net構建與肺結節候選檢測063
4.1R2 U-Net網絡框架優化064
4.1.1多尺度輸入融合算法064
4.1.2多流輸出融合算法065
4.1.3非線性卷積模塊066
4.1.4MS2 U-Net網絡介紹067
4.2非極大值抑制改進算法068
4.3實驗結果與分析069
4.3.1實驗設置069
4.3.2結果分析070
參考文獻080
第5章注意力機制與特征金字塔與肺結節候選檢測082
5.1基于通道-空間注意力機制的網絡設計083
5.1.1U-Net網絡結構 083
5.1.2U-SENet網絡構建085
5.2U-SENet網絡應用于候選肺結節檢測086
5.2.1數據增強086
5.2.2優化損失函數087
5.2.3通道-空間注意力機制介紹088
5.2.4權重初始化091
5.3特征金字塔網絡結構092
5.4特征金字塔網絡應用于目標檢測095
5.5多尺度3D特征金字塔網絡及肺結節檢測098
5.6實驗結果與分析100
5.6.1U-SENet實驗結果與分析101
5.6.2MFDM實驗結果與分析102
參考文獻104
第6章3D全卷積網絡設計與肺結節精檢測106
6.13D全卷積網絡107
6.1.1C3D網絡107
6.1.2FC-C3D網絡111
6.2模型性能分析與改進114
6.2.1測試數據114
6.2.2損失函數優化119
6.2.3模型融合121
6.2.4模型訓練125
6.3實驗結果分析127
6.3.13種實驗方法對比127
6.3.2融合方法對比128
6.3.3與其他方法對比131
參考文獻133
第7章多模型融合應用于肺結節精檢測135
7.1多模型肺結節檢測融合135
7.1.1Conv3DNet135
7.1.2Inception3DNet138
7.1.3RD3DNet140
7.1.4損失函數優化143
7.1.5模型融合145
7.2肺結節精檢測實驗與分析148
7.2.1正負樣本平衡148
7.2.2訓練過程149
7.2.3實驗結果對比與分析150
參考文獻155
第8章肺結節CAD檢測系統設計156
8.1需求分析156
8.2結構及功能設計157
8.3功能性測試159
8.3.1登錄功能測試160
8.3.2讀取文件功能與查看原圖功能測試161
8.3.3肺部分割顯示功能測試161
8.3.4結節檢測顯示功能測試162
8.3.5結果顯示功能測試164
8.3.6診斷意見輸入功能164
展開全部
書友推薦
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
經典常談
- >
推拿
- >
史學評論
- >
苦雨齋序跋文-周作人自編集
- >
巴金－再思錄
- >
伊索寓言-世界文學名著典藏-全譯本
- >
龍榆生：詞曲概論/大家小書
本類暢銷
