《智慧型醫療影像技術》是2023年電子工業出版社出版的圖書，作者是莫宏偉、徐立芳。
基本介紹
- 書名：智慧型醫療影像技術
- 作者：莫宏偉、徐立芳
- 出版社：電子工業出版社
- 出版時間：2023年1月
- 頁數：240 頁
- 定價：59.80 元
- 開本：16 開
- ISBN：9787121449772
內容簡介,圖書目錄,
內容簡介
本書主要介紹醫學影像處理的基本技術與實現方法，棵刪恥以醫學影像智慧型診斷方法為主，涉及數位訊號處理、統計學、機器學習等理論和技術。全書共分為9章：第1章介紹駝槓鴉捉智慧醫療的概念、人工智慧與醫學影像診斷、深度學習醫學影像套用與用於醫學影像的其他人工智慧算法；第2章～第3章介紹人工智慧醫學影像診斷的基礎知識，包括編程基礎與各種醫學影像介紹，還詳細介紹醫學影像的基本處理方法；第4章～第5章介紹卷積神經網路基礎知識與醫學影像任務，包括多種卷積神經網路與神經網路模型的評價標準、常見的醫學影像任務（醫學影像診斷、檢測、分割）；第6章～第9章介紹智慧型醫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、控制屑甩疊工程與科學、智慧型科學與技術等理工科及相關專業的高等院校本科教材，也可以作為研究生教材，並適合從事醫學影像處理、人工智慧等研究的科研人員和愛好者參考使用。
圖書目錄
第1篇 概念篇
第1章 緒論 2
1.1 智慧醫療的概念 3
1.1.1 什麼是智慧醫療 3
1.1.2 為什麼需要智慧醫療 5
1.1.3 智慧醫療簡史 6
1.1.4 智慧醫療發展願景 8
1.2 人工智慧與醫學影像診斷 11
1.2.1 醫學影像研究方法 11
1.2.2 人工智慧醫學診斷的方式 14
1.2.3 人工智慧技術對醫學影像的影響 15
1.2.4 人工智慧技術在醫學歡求榜影像領域的套用 17
1.3 深度學習醫學影像套用 21
1.4 用於醫學影像的其他人工智慧算法 24
本章小結 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內置函式與標準庫 28
2.2 Python中的NumPy 31
2.2.1 多維數組 32
2.2.2 隨機數組 34
2.3 Python中的Matplotlib 35
2.3.1 創建線形圖 35
2.3.2 創建其他圖 38
2.4 PyTorch基礎 41
2.4.1 PyTorch中的Tensor 41
2.4.2 搭建一個簡易神經網路 47
2.4.3 自動梯度 49
2.4.4 模型搭建和參數最佳化 50
本章小結 57
習題2 57
第3章 醫學影像處理 58
3.1 醫學影像基礎 59
3.1.1 圖像像素、空間解析度和亮度解析度 59
3.1.2 數字圖像類型 60
3.1.3 圖像檔案格式 61
3.2 醫學影像類別 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 醫學影像基本踏射處理技術 75
3.3.1 醫學影像的幾何變換 75
3.3.2 醫學影像的分割 77
3.3.3 醫學影像的直方圖增強 81
本章小結 85
習題3 86
第4章 卷積神經網路 88
4.1 卷積神經網路的組成 89
4.1.1 卷積層 89
4.1.2 池化層 90
4.1.3 激活函式 90
4.1.4 損失函式 93
4.2 經典的卷積神經網路 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 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 108
習題4 108
第2篇 實際套用篇
第5章 常見的醫學影像任務 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 醫學影像檢測 119
5.2.1 常見的醫學影像檢測任務 119
5.2.2 常用的醫學影像檢肯立歡婆測方法 121
5.2.3 常屑諒遷用的醫學影像檢測性能指標 123
5.3 醫學影像分割 124
5.3.1 常見的醫學影像分割任務 124
5.3.2 常用的醫學影像分割方法 125
5.3.3 常用的醫學影像分割性能指標 131
本章小結 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 乳腺癌診斷的發展 139
6.2 高質量乳腺超聲影像數據集 140
6.2.1 乳腺超聲影像 140
6.2.2 超聲影像標註 141
6.2.3 含噪聲的超聲影像恢複方法 142
6.2.4 數據集的構成分析 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 147
6.4 實驗結果評價 154
本章小結 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 檢測數據集製作流程（Pascal VOC格式） 165
7.2.1 Pascal VOC格式 165
7.2.2 數據集製作流程 170
7.3 評價指標與實現方法 171
7.4 乳腺腫瘤檢測實驗結果與分析 173
本章小結 178
習題7 179
第8章 基於OCTA圖像的糖尿病診斷分析 180
8.1 案例介紹 181
8.2 OCTA數據介紹 181
8.2.1 OCTA圖像介紹 181
8.2.2 數據集下載 183
8.2.3 數據預處理 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 199
習題8 199
第9章 基於胸部CT的肺部疾病智慧型診斷 200
9.1 多種肺部疾病的影像學表現 201
9.2 案例介紹 210
9.3 建立肺CT醫學影像數據集 211
9.3.1 數據採集 211
9.3.2 實驗數據集的劃分 213
9.3.3 病灶標註數據集的製作 214
9.3.4 讀取數據集腳本的編寫 215
9.4 肺CT醫學影像分類網路的搭建 215
9.4.1 實驗環境 215
9.4.2 模型搭建 216
9.4.3 神經網路訓練驗證 219
9.5 肺CT醫學影像病灶識別網路 220
9.5.1 Faster R-CNN網路原理 220
9.5.2 Faster R-CNN框架搭建 224
9.6 實驗結果評價 224
本章小結 229
習題9 229
參考文獻 230
3.1 醫學影像基礎 59
3.1.1 圖像像素、空間解析度和亮度解析度 59
3.1.2 數字圖像類型 60
3.1.3 圖像檔案格式 61
3.2 醫學影像類別 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 醫學影像基本處理技術 75
3.3.1 醫學影像的幾何變換 75
3.3.2 醫學影像的分割 77
3.3.3 醫學影像的直方圖增強 81
本章小結 85
習題3 86
第4章 卷積神經網路 88
4.1 卷積神經網路的組成 89
4.1.1 卷積層 89
4.1.2 池化層 90
4.1.3 激活函式 90
4.1.4 損失函式 93
4.2 經典的卷積神經網路 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 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 108
習題4 108
第2篇 實際套用篇
第5章 常見的醫學影像任務 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 醫學影像檢測 119
5.2.1 常見的醫學影像檢測任務 119
5.2.2 常用的醫學影像檢測方法 121
5.2.3 常用的醫學影像檢測性能指標 123
5.3 醫學影像分割 124
5.3.1 常見的醫學影像分割任務 124
5.3.2 常用的醫學影像分割方法 125
5.3.3 常用的醫學影像分割性能指標 131
本章小結 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 乳腺癌診斷的發展 139
6.2 高質量乳腺超聲影像數據集 140
6.2.1 乳腺超聲影像 140
6.2.2 超聲影像標註 141
6.2.3 含噪聲的超聲影像恢複方法 142
6.2.4 數據集的構成分析 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 147
6.4 實驗結果評價 154
本章小結 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 檢測數據集製作流程（Pascal VOC格式） 165
7.2.1 Pascal VOC格式 165
7.2.2 數據集製作流程 170
7.3 評價指標與實現方法 171
7.4 乳腺腫瘤檢測實驗結果與分析 173
本章小結 178
習題7 179
第8章 基於OCTA圖像的糖尿病診斷分析 180
8.1 案例介紹 181
8.2 OCTA數據介紹 181
8.2.1 OCTA圖像介紹 181
8.2.2 數據集下載 183
8.2.3 數據預處理 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 199
習題8 199
第9章 基於胸部CT的肺部疾病智慧型診斷 200
9.1 多種肺部疾病的影像學表現 201
9.2 案例介紹 210
9.3 建立肺CT醫學影像數據集 211
9.3.1 數據採集 211
9.3.2 實驗數據集的劃分 213
9.3.3 病灶標註數據集的製作 214
9.3.4 讀取數據集腳本的編寫 215
9.4 肺CT醫學影像分類網路的搭建 215
9.4.1 實驗環境 215
9.4.2 模型搭建 216
9.4.3 神經網路訓練驗證 219
9.5 肺CT醫學影像病灶識別網路 220
9.5.1 Faster R-CNN網路原理 220
9.5.2 Faster R-CNN框架搭建 224
9.6 實驗結果評價 224
本章小結 229
習題9 229
參考文獻 230
