掃一掃
關(guān)注中圖網(wǎng)
官方微博
包郵 深度學(xué)習(xí)與醫(yī)學(xué)圖像處理
作者：梁隆愷
開(kāi)本：
16開(kāi)
頁(yè)數(shù)：
204
本類(lèi)榜單：計(jì)算機(jī)/網(wǎng)絡(luò)銷(xiāo)量榜
本類(lèi)五星書(shū)更多>
-
>
全國(guó)計(jì)算機(jī)等級(jí)考試最新真考題庫(kù)模擬考場(chǎng)及詳解·二級(jí)MSOffice高級(jí)應(yīng)用
-
>
決戰(zhàn)行測(cè)5000題(言語(yǔ)理解與表達(dá))
-
>
軟件性能測(cè)試.分析與調(diào)優(yōu)實(shí)踐之路
-
>
第一行代碼Android
-
>
JAVA持續(xù)交付
-
>
EXCEL最強(qiáng)教科書(shū)(完全版)(全彩印刷)
-
>
深度學(xué)習(xí)
中圖價(jià):¥62.9
加入購(gòu)物車(chē)
深度學(xué)習(xí)與醫(yī)學(xué)圖像處理 版權(quán)信息
- ISBN：9787115611802
- 條形碼：9787115611802 ; 978-7-115-61180-2
- 裝幀：平裝-膠訂
- 冊(cè)數(shù)：暫無(wú)
- 重量：暫無(wú)
- 所屬分類(lèi)：>
深度學(xué)習(xí)與醫(yī)學(xué)圖像處理 本書(shū)特色
1.醫(yī)學(xué)與工程學(xué)的精彩結(jié)合，詳細(xì)介紹如何使用深度學(xué)習(xí)方法解決醫(yī)學(xué)圖像處理的問(wèn)題。
2.首都醫(yī)科大學(xué)附屬北京天壇醫(yī)院國(guó)家神經(jīng)系統(tǒng)疾病臨床醫(yī)學(xué)研究中心團(tuán)隊(duì)編寫(xiě)，院長(zhǎng)王擁軍作序推薦。
3.內(nèi)容豐富實(shí)用。涵蓋了目前該領(lǐng)域各個(gè)應(yīng)用方向的相關(guān)模型和關(guān)鍵技術(shù)，包括Transformer、BERT、GPT等。
4.配套示例代碼，可運(yùn)行，實(shí)操性好，語(yǔ)言通俗易懂，適合作為入門(mén)自然語(yǔ)言處理的參考書(shū)，也可供從事該領(lǐng)域工作的專(zhuān)業(yè)人士作為實(shí)踐指南。
5.詳解醫(yī)療項(xiàng)目中真實(shí)的實(shí)戰(zhàn)案例，易學(xué)易用。匯集眾多論文中的重要思想和研究成果，梳理自然語(yǔ)言處理技術(shù)發(fā)展脈絡(luò)，更好地了解該領(lǐng)域的發(fā)展趨勢(shì)。
深度學(xué)習(xí)與醫(yī)學(xué)圖像處理 內(nèi)容簡(jiǎn)介
這是一本介紹“如何使用深度學(xué)習(xí)方法解決醫(yī)學(xué)圖像處理問(wèn)題”的入門(mén)圖書(shū)。本書(shū)先介紹醫(yī)學(xué)圖像的基礎(chǔ)知識(shí)，包括醫(yī)學(xué)圖像數(shù)據(jù)、數(shù)據(jù)標(biāo)注、醫(yī)學(xué)數(shù)字圖像處理和醫(yī)學(xué)圖像分類(lèi)；其次介紹解決醫(yī)學(xué)圖像處理中常見(jiàn)的機(jī)器視覺(jué)任務(wù)（語(yǔ)義分割、關(guān)鍵點(diǎn)檢測(cè)和醫(yī)學(xué)圖像配準(zhǔn)），并輔以實(shí)戰(zhàn)案例，幫助讀者深入理解相關(guān)技術(shù)原理，進(jìn)而鞏固所學(xué)知識(shí)；*后介紹模型優(yōu)化和遷移學(xué)習(xí)的相關(guān)內(nèi)容，幫助讀者拓寬思路，提升其針對(duì)具體需求采用不同的解決方法的能力。 本書(shū)適合醫(yī)工交叉專(zhuān)業(yè)以及從事醫(yī)學(xué)圖像處理工作的工程人員和科研人員閱讀，也可供智能醫(yī)學(xué)相關(guān)專(zhuān)業(yè)的高年級(jí)本科生及研究生參考。 閱讀本書(shū)之前，讀者需要了解基本的深度學(xué)習(xí)知識(shí)，并有一定的Python編程基礎(chǔ)。
深度學(xué)習(xí)與醫(yī)學(xué)圖像處理 目錄
第 1章 人工智能在醫(yī)學(xué)領(lǐng)域的應(yīng)用 1
1.1 人工智能概述 1
1.2 人工智能在醫(yī)學(xué)領(lǐng)域中的應(yīng)用 2
1.3 人工智能在醫(yī)學(xué)圖像方面的應(yīng)用 5
1.4 小結(jié) 6
1.5 參考資料 7
第 2章 醫(yī)學(xué)圖像數(shù)據(jù) 11
2.1 常見(jiàn)的醫(yī)學(xué)圖像數(shù)據(jù) 11
2.1.1 X線(xiàn)成像 11
2.1.2 X線(xiàn)計(jì)算機(jī)體層成像 12
2.1.3 磁共振成像 13
2.1.4 超聲成像 16
2.1.5 心電圖 17
2.2 常見(jiàn)的影像格式 18
2.2.1 DICOM 18
2.2.2 Analyze 23
2.2.3 Nifti 24
2.2.4 Minc 25
2.3 小結(jié) 25
2.4 參考資料 25
第3章 數(shù)據(jù)標(biāo)注 27
3.1 界面介紹 27
3.2 開(kāi)始標(biāo)注 31
3.3 小結(jié) 41
3.4 參考資料 41
第4章 醫(yī)學(xué)數(shù)字圖像處理 43
4.1 數(shù)據(jù)預(yù)處理 44
4.1.1 插值 44
4.1.2 重采樣 46
4.1.3 信號(hào)強(qiáng)度直方圖的分析與均衡化 48
4.1.4 數(shù)據(jù)歸一化 50
4.1.5 連通域分析 51
4.1.6 形態(tài)學(xué)方法 52
4.2 數(shù)據(jù)增強(qiáng) 55
4.2.1 常見(jiàn)的數(shù)據(jù)增強(qiáng)方法 55
4.2.2 彈性形變 56
4.2.3 基于TensorFlow的在線(xiàn)數(shù)據(jù)增強(qiáng) 57
4.3 小結(jié) 59
4.4 參考資料 59
第5章 醫(yī)學(xué)圖像分類(lèi) 61
5.1 損失函數(shù) 61
5.1.1 交叉熵?fù)p失 62
5.1.2 Focal損失 62
5.1.3 KL散度 63
5.2 評(píng)價(jià)指標(biāo) 64
5.2.1 混淆矩陣 64
5.2.2 常見(jiàn)的評(píng)價(jià)指標(biāo) 64
5.2.3 診斷性實(shí)驗(yàn)常用的評(píng)價(jià)指標(biāo) 67
5.2.4 衡量模型性能的評(píng)價(jià)指標(biāo) 67
5.3 經(jīng)典模型 68
5.3.1 跨層連接 69
5.3.2 網(wǎng)絡(luò)寬度 71
5.3.3 注意力機(jī)制 72
5.4 實(shí)戰(zhàn)：基于顱內(nèi)CT影像的腦出血分類(lèi)檢測(cè) 73
5.4.1 數(shù)據(jù)集預(yù)處理 74
5.4.2 模型訓(xùn)練 78
5.4.3 模型測(cè)試 84
5.4.4 基于顱內(nèi)CT影像的腦出血分類(lèi)檢測(cè)實(shí)戰(zhàn)總結(jié) 86
5.5 小結(jié) 86
5.6 參考資料 86
第6章 語(yǔ)義分割 89
6.1 損失函數(shù) 89
6.1.1 Dice損失 90
6.1.2 Tversky損失 90
6.1.3 Boundary損失 91
6.1.4 混合損失 91
6.2 評(píng)價(jià)指標(biāo) 92
6.2.1 IoU 92
6.2.2 Dice系數(shù) 93
6.2.3 Hausdorff-95 93
6.3 其他統(tǒng)計(jì)方法 94
6.3.1 patient-level 94
6.3.2 data-level 94
6.4 經(jīng)典分割模型 95
6.4.1 UNet網(wǎng)絡(luò) 95
6.4.2 UNet變形 97
6.4.3 其他分割網(wǎng)絡(luò) 99
6.5 實(shí)戰(zhàn)：基于MRI影像的腦腫瘤分割 100
6.5.1 數(shù)據(jù)預(yù)處理 100
6.5.2 模型搭建 104
6.5.3 訓(xùn)練模型 108
6.5.4 模型測(cè)試 113
6.6 小結(jié) 114
6.7 參考資料 115
第7章 關(guān)鍵點(diǎn)檢測(cè) 117
7.1 概念與意義 117
7.2 常見(jiàn)的關(guān)鍵點(diǎn)檢測(cè)模型 118
7.3 實(shí)戰(zhàn)：血管關(guān)鍵點(diǎn)檢測(cè) 121
7.4 小結(jié) 130
7.5 參考資料 130
第8章 醫(yī)學(xué)圖像配準(zhǔn) 131
8.1 基礎(chǔ)知識(shí) 131
8.1.1 特征空間 132
8.1.2 搜索空間 132
8.1.3 相似性度量 136
8.1.4 搜索策略 138
8.1.5 質(zhì)量評(píng)價(jià) 139
8.2 深度學(xué)習(xí)圖像配準(zhǔn)方法 140
8.2.1 有監(jiān)督學(xué)習(xí)圖像配準(zhǔn) 141
8.2.2 無(wú)監(jiān)督學(xué)習(xí)圖像配準(zhǔn) 142
8.3 實(shí)戰(zhàn)：深度學(xué)習(xí)圖像配準(zhǔn)模型VoxelMorph 142
8.3.1 數(shù)據(jù)讀取 143
8.3.2 網(wǎng)絡(luò)結(jié)構(gòu) 144
8.3.3 訓(xùn)練和測(cè)試 149
8.3.4 實(shí)戰(zhàn)總結(jié) 151
8.4 小結(jié) 151
8.5 參考資料 152
第9章 模型優(yōu)化 153
9.1 模型剪枝 153
9.1.1 稀疏性概念 154
9.1.2 剪枝策略 154
9.1.3 敏感性分析 156
9.2 模型量化 157
9.3 TensorRT 158
9.3.1 基礎(chǔ)介紹 158
9.3.2 應(yīng)用場(chǎng)景 158
9.3.3 基本原理 159
9.4 實(shí)戰(zhàn)：顱內(nèi)出血CT影像分類(lèi)模型的量化 160
9.5 小結(jié) 163
9.6 參考資料 163
第 10章 遷移學(xué)習(xí) 165
10.1 遷移學(xué)習(xí) 165
10.2 終身學(xué)習(xí) 166
10.3 實(shí)戰(zhàn)：數(shù)據(jù)失衡的顱內(nèi)影像出血檢測(cè)優(yōu)化方法 167
10.3.1 遷移學(xué)習(xí)的實(shí)驗(yàn) 167
10.3.2 終身學(xué)習(xí)的實(shí)驗(yàn) 177
10.4 小結(jié) 184
10.5 參考資料 184
1.1 人工智能概述 1
1.2 人工智能在醫(yī)學(xué)領(lǐng)域中的應(yīng)用 2
1.3 人工智能在醫(yī)學(xué)圖像方面的應(yīng)用 5
1.4 小結(jié) 6
1.5 參考資料 7
第 2章 醫(yī)學(xué)圖像數(shù)據(jù) 11
2.1 常見(jiàn)的醫(yī)學(xué)圖像數(shù)據(jù) 11
2.1.1 X線(xiàn)成像 11
2.1.2 X線(xiàn)計(jì)算機(jī)體層成像 12
2.1.3 磁共振成像 13
2.1.4 超聲成像 16
2.1.5 心電圖 17
2.2 常見(jiàn)的影像格式 18
2.2.1 DICOM 18
2.2.2 Analyze 23
2.2.3 Nifti 24
2.2.4 Minc 25
2.3 小結(jié) 25
2.4 參考資料 25
第3章 數(shù)據(jù)標(biāo)注 27
3.1 界面介紹 27
3.2 開(kāi)始標(biāo)注 31
3.3 小結(jié) 41
3.4 參考資料 41
第4章 醫(yī)學(xué)數(shù)字圖像處理 43
4.1 數(shù)據(jù)預(yù)處理 44
4.1.1 插值 44
4.1.2 重采樣 46
4.1.3 信號(hào)強(qiáng)度直方圖的分析與均衡化 48
4.1.4 數(shù)據(jù)歸一化 50
4.1.5 連通域分析 51
4.1.6 形態(tài)學(xué)方法 52
4.2 數(shù)據(jù)增強(qiáng) 55
4.2.1 常見(jiàn)的數(shù)據(jù)增強(qiáng)方法 55
4.2.2 彈性形變 56
4.2.3 基于TensorFlow的在線(xiàn)數(shù)據(jù)增強(qiáng) 57
4.3 小結(jié) 59
4.4 參考資料 59
第5章 醫(yī)學(xué)圖像分類(lèi) 61
5.1 損失函數(shù) 61
5.1.1 交叉熵?fù)p失 62
5.1.2 Focal損失 62
5.1.3 KL散度 63
5.2 評(píng)價(jià)指標(biāo) 64
5.2.1 混淆矩陣 64
5.2.2 常見(jiàn)的評(píng)價(jià)指標(biāo) 64
5.2.3 診斷性實(shí)驗(yàn)常用的評(píng)價(jià)指標(biāo) 67
5.2.4 衡量模型性能的評(píng)價(jià)指標(biāo) 67
5.3 經(jīng)典模型 68
5.3.1 跨層連接 69
5.3.2 網(wǎng)絡(luò)寬度 71
5.3.3 注意力機(jī)制 72
5.4 實(shí)戰(zhàn)：基于顱內(nèi)CT影像的腦出血分類(lèi)檢測(cè) 73
5.4.1 數(shù)據(jù)集預(yù)處理 74
5.4.2 模型訓(xùn)練 78
5.4.3 模型測(cè)試 84
5.4.4 基于顱內(nèi)CT影像的腦出血分類(lèi)檢測(cè)實(shí)戰(zhàn)總結(jié) 86
5.5 小結(jié) 86
5.6 參考資料 86
第6章 語(yǔ)義分割 89
6.1 損失函數(shù) 89
6.1.1 Dice損失 90
6.1.2 Tversky損失 90
6.1.3 Boundary損失 91
6.1.4 混合損失 91
6.2 評(píng)價(jià)指標(biāo) 92
6.2.1 IoU 92
6.2.2 Dice系數(shù) 93
6.2.3 Hausdorff-95 93
6.3 其他統(tǒng)計(jì)方法 94
6.3.1 patient-level 94
6.3.2 data-level 94
6.4 經(jīng)典分割模型 95
6.4.1 UNet網(wǎng)絡(luò) 95
6.4.2 UNet變形 97
6.4.3 其他分割網(wǎng)絡(luò) 99
6.5 實(shí)戰(zhàn)：基于MRI影像的腦腫瘤分割 100
6.5.1 數(shù)據(jù)預(yù)處理 100
6.5.2 模型搭建 104
6.5.3 訓(xùn)練模型 108
6.5.4 模型測(cè)試 113
6.6 小結(jié) 114
6.7 參考資料 115
第7章 關(guān)鍵點(diǎn)檢測(cè) 117
7.1 概念與意義 117
7.2 常見(jiàn)的關(guān)鍵點(diǎn)檢測(cè)模型 118
7.3 實(shí)戰(zhàn)：血管關(guān)鍵點(diǎn)檢測(cè) 121
7.4 小結(jié) 130
7.5 參考資料 130
第8章 醫(yī)學(xué)圖像配準(zhǔn) 131
8.1 基礎(chǔ)知識(shí) 131
8.1.1 特征空間 132
8.1.2 搜索空間 132
8.1.3 相似性度量 136
8.1.4 搜索策略 138
8.1.5 質(zhì)量評(píng)價(jià) 139
8.2 深度學(xué)習(xí)圖像配準(zhǔn)方法 140
8.2.1 有監(jiān)督學(xué)習(xí)圖像配準(zhǔn) 141
8.2.2 無(wú)監(jiān)督學(xué)習(xí)圖像配準(zhǔn) 142
8.3 實(shí)戰(zhàn)：深度學(xué)習(xí)圖像配準(zhǔn)模型VoxelMorph 142
8.3.1 數(shù)據(jù)讀取 143
8.3.2 網(wǎng)絡(luò)結(jié)構(gòu) 144
8.3.3 訓(xùn)練和測(cè)試 149
8.3.4 實(shí)戰(zhàn)總結(jié) 151
8.4 小結(jié) 151
8.5 參考資料 152
第9章 模型優(yōu)化 153
9.1 模型剪枝 153
9.1.1 稀疏性概念 154
9.1.2 剪枝策略 154
9.1.3 敏感性分析 156
9.2 模型量化 157
9.3 TensorRT 158
9.3.1 基礎(chǔ)介紹 158
9.3.2 應(yīng)用場(chǎng)景 158
9.3.3 基本原理 159
9.4 實(shí)戰(zhàn)：顱內(nèi)出血CT影像分類(lèi)模型的量化 160
9.5 小結(jié) 163
9.6 參考資料 163
第 10章 遷移學(xué)習(xí) 165
10.1 遷移學(xué)習(xí) 165
10.2 終身學(xué)習(xí) 166
10.3 實(shí)戰(zhàn)：數(shù)據(jù)失衡的顱內(nèi)影像出血檢測(cè)優(yōu)化方法 167
10.3.1 遷移學(xué)習(xí)的實(shí)驗(yàn) 167
10.3.2 終身學(xué)習(xí)的實(shí)驗(yàn) 177
10.4 小結(jié) 184
10.5 參考資料 184
展開(kāi)全部
深度學(xué)習(xí)與醫(yī)學(xué)圖像處理 作者簡(jiǎn)介
梁隆愷，哈爾濱理工大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)專(zhuān)業(yè)碩士，昌平國(guó)家實(shí)驗(yàn)室腦科學(xué)與類(lèi)腦研究部門(mén)高級(jí)算法工程師，國(guó)家神經(jīng)系統(tǒng)疾病臨床醫(yī)學(xué)研究中心人工智能研發(fā)項(xiàng)目組特聘高級(jí)算法工程師。 付鶴，北京航空航天大學(xué)機(jī)器人技術(shù)專(zhuān)業(yè)碩士，國(guó)家神經(jīng)系統(tǒng)疾病臨床醫(yī)學(xué)研究中心人工智能研發(fā)項(xiàng)目組特聘高級(jí)算法工程師，中國(guó)人民解放軍總醫(yī)院技術(shù)顧問(wèn)，Biomind 人工智能部算法總監(jiān)。 陳峰蔚，大連理工大學(xué)碩士，昌平國(guó)家實(shí)驗(yàn)室腦科學(xué)與類(lèi)腦研究部門(mén)算法工程師，國(guó)家神經(jīng)系統(tǒng)疾病臨床醫(yī)學(xué)研究中心人工智能研發(fā)項(xiàng)目組特聘算法工程師。 劉亞歐，首都醫(yī)科大學(xué)附屬北京天壇醫(yī)院黨委委員、放射科（國(guó)家臨床重點(diǎn)專(zhuān)科）學(xué)科帶頭人、主任醫(yī)師、教授、博士生導(dǎo)師。 熊云云，畢業(yè)于復(fù)旦大學(xué)臨床醫(yī)學(xué)七年制專(zhuān)業(yè)（本碩），香港中文大學(xué)博士、博士后，哈佛大學(xué)訪(fǎng)問(wèn)研究員。現(xiàn)任首都醫(yī)科大學(xué)附屬北京天壇醫(yī)院神經(jīng)病學(xué)中心主任醫(yī)師、副教授、碩士研究生導(dǎo)師、血管神經(jīng)病學(xué)科副主任。
書(shū)友推薦
- >
月亮與六便士
- >
山海經(jīng)
- >
苦雨齋序跋文-周作人自編集
- >
【精裝繪本】畫(huà)給孩子的中國(guó)神話(huà)
- >
二體千字文
- >
推拿
- >
莉莉和章魚(yú)
- >
姑媽的寶刀
本類(lèi)暢銷(xiāo)
