| FindBook |
|
有 1 項符合
粘永健的圖書 |
 |
$ 279 | 醫學影像深度學習
作者：粘永健 出版社：清華大學出版社 出版日期：2023-07-01 語言：簡體中文 規格：平裝 / 155頁 / 19 x 26 x 1 cm / 普通級/ 1-1  博客來 - 其他各科
- 來源網頁  看圖書介紹
|
|
|
圖書介紹 - 資料來源：博客來 評分：
圖書名稱：醫學影像深度學習
內容簡介
本書首先簡要介紹人工智慧與深度學習的發展歷程與應用、臨床各種成像以及深度學習環境；然後重點圍繞醫學影像分類、目標檢測與分割三大基本任務展開講解，闡述每種任務的基本概念與臨床意義，介紹典型的深度神經網路，給出醫學影像數據集的構建、網路的訓練、測試以及性能評價方面的具體方法；最後介紹醫學影像深度學習領域常用的公開數據集。此外，針對三大基本任務給出六個案例。本書可作為高等醫科院校或高等院校醫學相關專業高年級本科生和研究生的教材或參考書，也可供相關領域的科研人員、工程技術人員參考。
作者介紹
粘永健，陸軍軍醫大學生物醫學工程與影像醫學系副教授，碩士生導師，長期從事醫學影像人工智慧的教學和科研工作，講授本科生的“醫學影像人工智慧”以及博士研究生的“數位醫學與人工智慧”等課程，獲校級教學成果一等獎，獲評校級優秀教師、教學標兵。現任重慶市數位醫學學會常務理事，重慶市電腦學會高性能計算專委會委員。先後主持國家與省部級項目5項，近5年在國際人工智慧領域知名期刊上發表SCI論文5篇（通訊作者），授權發明專利4項、軟體著作權3項。
肖晶晶，陸軍軍醫大學第二附屬醫院生物醫學資訊研究與應用中心主任，長期從事醫學影像人工智慧的教學和科研工作，講授本科生的“醫學影像設備學”等課程。先後主持國家與省部級專案5項，近5年發表SCI論文10餘篇，授權發明專利3項。
戚婧，解放軍總醫院醫學大資料研究中心博士研究生，主要研究方向為醫學影像人工智慧。近5年發表SCI論文3篇，主持省部級專案1項，曾獲第十六屆中國研究生電子設計競賽全國一等獎，獲評陸軍軍醫大學優秀研究生。
肖晶晶，陸軍軍醫大學第二附屬醫院生物醫學資訊研究與應用中心主任，長期從事醫學影像人工智慧的教學和科研工作，講授本科生的“醫學影像設備學”等課程。先後主持國家與省部級專案5項，近5年發表SCI論文10餘篇，授權發明專利3項。
戚婧，解放軍總醫院醫學大資料研究中心博士研究生，主要研究方向為醫學影像人工智慧。近5年發表SCI論文3篇，主持省部級專案1項，曾獲第十六屆中國研究生電子設計競賽全國一等獎，獲評陸軍軍醫大學優秀研究生。
目錄
第1章 人工智慧之深度學習
1.1人工智慧簡介
1.1.1基本概念
1.1.2發展歷程
1.2深度學習簡介
1.3深度學習在醫學影像處理中的應用
1.4本章小結
參考文獻
第2章 醫學成像簡介
2.1X射線成像
2.1.1成像原理
2.1.2影像特點
2.1.3臨床應用
2.2CT成像
2.2.1成像原理
2.2.2影像特點
2.2.3臨床應用
2.3MRI成像
2.3.1成像原理
2.3.2影像特點
2.3.3臨床應用
2.4超聲成像
2.4.1成像原理
2.4.2影像特點
2.4.3臨床應用
2.5醫療內窺鏡成像
2.5.1成像原理
2.5.2影像特點
2.5.3臨床應用
2.6數字病理成像
2.6.1成像原理
2.6.2影像特點
2.6.3臨床應用
2.7本章小結
參考文獻
第3章 深度學習環境
3.1程式設計語言和環境
3.1.1程式設計語言
3.1.2程式設計環境
3.2深度學習框架
3.3PyTorch深度學習環境的搭建
3.4本章小結
參考文獻
第4章 基於深度學習的醫學影像分類
4.1引言
4.2卷積神經網路
4.3面向分類的深度神經網路
4.4臨床選題
4.5醫學影像數據集的構建
4.5.1醫學影像的收集
4.5.2醫學影像的標注
4.6網路的訓練和測試
4.6.1數據集的劃分
4.6.2數據預處理
4.6.3分類網路的選擇
4.6.4損失函數和優化方式
4.6.5網路超參數的調整
4.6.6欠擬合和過擬合
4.7分類性能的評價
4.7.1基於指標體系的性能評價
4.7.2基於人機對比的性能評價
4.7.3基於壓力測試的性能評價
4.7.4類啟動映射圖
4.8本章小結
參考文獻
第5章 基於深度學習的醫學影像目標檢測
5.1引言
5.2面向目標檢測的深度神經網路
5.2.1Twostage方案
5.2.2Onestage方案
5.3臨床選題
5.4醫學影像數據集的構建
5.4.1醫學影像的收集
5.4.2醫學影像的標注
5.5網路的訓練和測試
5.5.1數據集的劃分
5.5.2數據預處理
5.5.3目標檢測網路的選擇
5.5.4損失函數和優化方式
5.5.5網路超參數的調整
5.6目標檢測性能的評價
5.6.1基於指標體系的性能評價
5.6.2基於人機對比的性能評價
5.6.3基於壓力測試的性能評價
5.7本章小結
參考文獻
第6章 基於深度學習的醫學影像分割
6.1引言
6.2面向分割的深度神經網路
6.3臨床選題
6.4醫學影像數據集的構建
6.4.1醫學影像數據的收集
6.4.2醫學影像數據的標注
6.5網路的訓練和測試
6.5.1數據集的劃分
6.5.2數據集的預處理
6.5.3分割網路的選取
6.5.4損失函數和優化方式
6.5.5網路超參數的調整
6.6分割性能的評價
6.6.1基於指標體系的性能評價
6.6.2基於實際應用的性能評價
6.7本章小結
參考文獻
第7章 醫學影像公開數據集
7.1引言
7.2面向分類的公開數據集
7.3面向目標檢測的公開數據集
7.4面向分割的公開數據集
7.5公開數據集的優勢和不足
7.6本章小結
參考文獻
案例篇
案例1 乳腺腫瘤良惡性的識別
案例2 新型冠狀病毒感染的識別
案例3 心影增大的檢測
案例4 紅細胞的檢測
案例5 心臟MRI的分割
案例6 超聲心動圖的分割
1.1人工智慧簡介
1.1.1基本概念
1.1.2發展歷程
1.2深度學習簡介
1.3深度學習在醫學影像處理中的應用
1.4本章小結
參考文獻
第2章 醫學成像簡介
2.1X射線成像
2.1.1成像原理
2.1.2影像特點
2.1.3臨床應用
2.2CT成像
2.2.1成像原理
2.2.2影像特點
2.2.3臨床應用
2.3MRI成像
2.3.1成像原理
2.3.2影像特點
2.3.3臨床應用
2.4超聲成像
2.4.1成像原理
2.4.2影像特點
2.4.3臨床應用
2.5醫療內窺鏡成像
2.5.1成像原理
2.5.2影像特點
2.5.3臨床應用
2.6數字病理成像
2.6.1成像原理
2.6.2影像特點
2.6.3臨床應用
2.7本章小結
參考文獻
第3章 深度學習環境
3.1程式設計語言和環境
3.1.1程式設計語言
3.1.2程式設計環境
3.2深度學習框架
3.3PyTorch深度學習環境的搭建
3.4本章小結
參考文獻
第4章 基於深度學習的醫學影像分類
4.1引言
4.2卷積神經網路
4.3面向分類的深度神經網路
4.4臨床選題
4.5醫學影像數據集的構建
4.5.1醫學影像的收集
4.5.2醫學影像的標注
4.6網路的訓練和測試
4.6.1數據集的劃分
4.6.2數據預處理
4.6.3分類網路的選擇
4.6.4損失函數和優化方式
4.6.5網路超參數的調整
4.6.6欠擬合和過擬合
4.7分類性能的評價
4.7.1基於指標體系的性能評價
4.7.2基於人機對比的性能評價
4.7.3基於壓力測試的性能評價
4.7.4類啟動映射圖
4.8本章小結
參考文獻
第5章 基於深度學習的醫學影像目標檢測
5.1引言
5.2面向目標檢測的深度神經網路
5.2.1Twostage方案
5.2.2Onestage方案
5.3臨床選題
5.4醫學影像數據集的構建
5.4.1醫學影像的收集
5.4.2醫學影像的標注
5.5網路的訓練和測試
5.5.1數據集的劃分
5.5.2數據預處理
5.5.3目標檢測網路的選擇
5.5.4損失函數和優化方式
5.5.5網路超參數的調整
5.6目標檢測性能的評價
5.6.1基於指標體系的性能評價
5.6.2基於人機對比的性能評價
5.6.3基於壓力測試的性能評價
5.7本章小結
參考文獻
第6章 基於深度學習的醫學影像分割
6.1引言
6.2面向分割的深度神經網路
6.3臨床選題
6.4醫學影像數據集的構建
6.4.1醫學影像數據的收集
6.4.2醫學影像數據的標注
6.5網路的訓練和測試
6.5.1數據集的劃分
6.5.2數據集的預處理
6.5.3分割網路的選取
6.5.4損失函數和優化方式
6.5.5網路超參數的調整
6.6分割性能的評價
6.6.1基於指標體系的性能評價
6.6.2基於實際應用的性能評價
6.7本章小結
參考文獻
第7章 醫學影像公開數據集
7.1引言
7.2面向分類的公開數據集
7.3面向目標檢測的公開數據集
7.4面向分割的公開數據集
7.5公開數據集的優勢和不足
7.6本章小結
參考文獻
案例篇
案例1 乳腺腫瘤良惡性的識別
案例2 新型冠狀病毒感染的識別
案例3 心影增大的檢測
案例4 紅細胞的檢測
案例5 心臟MRI的分割
案例6 超聲心動圖的分割
|
