科技 类型
可以朗读 语音朗读
148千字 字数
2022-12-01 发行日期
展开全部

主编推荐语

本书分析了深度学习在医学图像中的应用。可为计算机医学图像分析研究领域的学者带来创新思路。

内容简介

医学图像分析已是当前医学研究、诊断和治疗中必不可少的技术手段。医学图像中含有重要的生理、病理信息等知识，但由于图像中的信息量大、维度高，这些信息在医学图像中表现复杂，所以挖掘难度很大。

尽管从二十世纪五六十年代起，学者专家都在尝试用计算机辅助手段从中挖掘有价值的诊断信息，但效果一直不理想，直到近几年，随着机器学习算法陆续取得重要进展，人类步入深度学习时代，医学图像辅助检测与诊断技术才有了较大进步。

本书内容由浅入深，从易到难，各章节既相对独立，又前后关联。适合对医学图像分析有兴趣的爱好者作为入门读物，以了解本领域背景和基础知识。

目录

  • 版权信息
  • 内容简介
  • 前言
  • 基础篇 医学图像计算机辅助检测与诊断、深度学习算法基础知识
  • 绪论
  • 第1章 医学图像计算机辅助检测/诊断（CAD）系统
  • 1.1 医学图像CAD系统概述
  • 1.2 不同部位医学图像CAD系统分述
  • 1.3 医学图像CAD的性能评估
  • 1.4 系统所用算法和特征汇总
  • 1.5 面临的问题和研究展望
  • 1.6 未来展望
  • 1.7 结语
  • 第2章 深度学习算法
  • 2.1 引言
  • 2.2 推理期
  • 2.3 知识期
  • 2.4 学习期
  • 2.5 结语
  • 应用篇 深度学习算法应用于肺结节诊断案例
  • 第3章 肺结节深度学习诊断引论
  • 3.1 研究目的和意义
  • 3.2 研究目标和内容
  • 3.3 实验样本选择
  • 第4章 基于人工免疫优化的征象分类网络融合方法
  • 4.1 引言
  • 4.2 子网络融合的人工免疫优化方法
  • 4.3 征象分类方法
  • 4.4 实验与结果分析
  • 4.5 结语
  • 第5章 结合半监督协同学习与深度学习的征象模糊分类方法
  • 5.1 引言
  • 5.2 模糊协同森林
  • 5.3 融合生成对抗的半监督协同学习
  • 5.4 实验与结果分析
  • 5.5 结语
  • 第6章 胶囊网络的三元组强化学习及其征象分类方法
  • 6.1 引言
  • 6.2 相关工作
  • 6.3 TriCaps-RL方法
  • 6.4 实验与结果分析
  • 6.5 结语
  • 第7章 后记
  • 7.1 工作总结
  • 7.2 未来展望
  • 参考文献
  • 附录A 英文缩略词与英文全称对照表
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。