生物醫學數字圖像處理技術

《生物醫學數字圖像處理技術》是2024年科學出版社出版的圖書。

基本介紹

  • 中文名:生物醫學數字圖像處理技術
  • 出版時間:2024年1月1日
  • 出版社:科學出版社
  • ISBN:9787030748157
內容簡介,圖書目錄,

內容簡介

《生物醫學數字圖像處理技術》主要介紹幾類常見的生物醫學信息智慧型處理的新方法,主要針對生物細胞圖像、乳腺鉬靶X射線影像、膽囊超聲影像、磁共振成像心室影像、磁共振成像腦部影像和心電信號的分析處理,以及醫學圖像加密等,涉及的智慧型信息處理方法包括脈衝耦合神經網路、活動輪廓模型、深度學習、三維重構技術、壓縮感知、數學形態學、最佳化算法、小波理論、混沌理論等。

圖書目錄

前言
第1章生物細胞圖像處理1
1.1深度學習方法概述1
1.1.1深度學習方法在細胞圖像處理中的新進展1
1.1.2深度學習方法的局限性2
1.2生物醫學細胞圖像分割的常用方法3
1.3基於PCNN自動波特徵的血細胞圖像分割和計數方法7
1.4基於同步可調點火脈衝耦合神經網路的細胞核分割12
1.4.1同步可調點火的脈衝耦合神經網路12
1.4.2色調提取器13
1.4.3區域生長單元13
1.4.4實驗結果15
1.5基於距離估計的HE圖像細胞核標定16
1.5.1細胞核的標定方法17
1.5.2實驗結果19
1.6基於乳腺腫瘤細胞形態特徵參數的乳腺癌診斷研究21
1.6.1基於乳腺腫瘤細胞形態特徵參數的乳腺癌診斷22
1.6.2乳腺癌細胞特徵參數與乳腺癌診斷之間關係23
1.6.3細胞分形與乳腺癌診斷之間關係24
參考文獻25
第2章乳腺密度測量30
2.1乳腺密度測量方法概述30
2.1.1定性的乳腺密度測量方法30
2.1.2定量的乳腺密度測量方法32
2.2基於乳腺紋理特徵的乳腺密度測量方法33
2.2.1乳腺鉬靶X射線圖像的預處理33
2.2.2乳腺鉬靶X射線圖像的密度測量36
2.2.3乳腺鉬靶X射線圖像的密度數據分析39
2.2.4結果和討論42
2.3基於SVM的乳腺密度分類方法43
2.3.1乳腺鉬靶X射線影像數據集和預處理44
2.3.2乳腺腺體組織的分割46
2.3.3乳腺紋理特徵提取50
2.3.4乳腺密度分類53
2.3.5結果和討論55
2.4基於醫學影像信息管理系統的乳腺影像數據集建設59
2.4.1乳腺鉬靶X射線圖像數據集59
2.4.2建設乳腺影像數據集的必要性分析64
參考文獻69
第3章基於深度學習的乳腺圖像處理74
3.1基於深度學習的醫學圖像處理簡介74
3.2基於深度學習的乳腺密度測量76
3.2.1深度學習方法簡介76
3.2.2具體的實現方法77
3.3基於深度學習的乳腺圖像異常分類新方法79
3.3.1乳腺圖像分類相關工作79
3.3.2基於深度學習的病變分類方法81
3.3.3基於深度學習的病變分類新方法實驗83
3.4基於深度學習的乳腺腫塊感興趣區域提取86
3.4.1深度學習目標檢測模型87
3.4.2採用改進的FasterR-CNN提取乳腺腫塊的感興趣區域88
3.5基於深度學習的乳腺腫塊分割93
3.5.1深度學習語義分割模型介紹94
3.5.2乳腺腫塊分割對比實驗95
參考文獻96
第4章超聲圖像分析處理101
4.1醫學超聲圖像分析簡介101
4.1.1成像機理與超聲檢查方式101
4.1.2膽囊結石超聲圖像典型特徵102
4.1.3膽囊結石圖像分割研究綜述103
4.2基於PCNN和數學形態學的膽囊結石超聲圖像全自動分割方法104
4.2.1分割總步驟104
4.2.2結構元素的確定104
4.2.3膽囊結石超聲圖像預處理105
4.2.4膽囊區域的分割113
4.2.5結石區域的分割114
4.2.6膽囊區域的後處理124
4.2.7結石區域的後處理130
4.2.8膽囊圖像分割實驗討論131
4.3基於PCNN和水平集算法的膽囊結石超聲圖像分割方法140
4.3.1PCNN算法簡介140
4.3.2基於PCNN算法的結石分割方法141
4.3.3基於水平集算法的結石分割方法144
4.4基於PCNN的前列腺超聲圖像病理區域檢測方法145
參考文獻146
第5章心室分割與三維重構149
5.1感興趣區域自動提取149
5.2心室分割算法151
5.2.1基於SPCNN的LV內膜分割算法151
5.2.2基於參數活動輪廓模型的LV外膜分割算法153
5.2.3基於SPCNN與ASM的LV內、外膜分割算法154
5.2.4基於改進水平集的LV內膜分割算法156
5.2.5基於SPCNN與數學形態學的RV內、外膜分割算法158
5.3左心室三維重構160
5.3.1三維重構與圖像插值160
5.3.2基於MC算法的左心室三維表面重構在MATLAB上的實現160
5.3.3基於輪廓線插值算法的左心室三維表面重構在OpenGL上的實現161
參考文獻163
第6章高度欠採樣磁共振腦成像重構165
6.1壓縮感知理論與磁共振成像165
6.1.1壓縮感知理論165
6.1.2磁共振成像166
6.2基於非子採樣Shearlet稀疏先驗的高度欠採樣MRI圖像重構168
6.2.1Shearlet變換168
6.2.2離散Shearlet變換的實現170
6.2.3非子採樣Shearlet變換170
6.2.4基於NSST稀疏先驗的高度欠採樣MRI圖像重構方法173
6.3基於擴展的約束型分裂增廣拉格朗日收縮算法的MRI圖像重構177
6.3.1字典學習和基於字典學習的稀疏表示177
6.3.2擴展的約束型分裂增廣拉格朗日收縮算法180
6.4基於UDCT域多尺度字典學習的MRI圖像重構182
6.4.1多尺度字典學習182
6.4.2均勻離散Curvelet變換183
6.4.3基於UDCT域多尺度字典學習雙重稀疏化模型186
6.4.4適應於多尺度字典學習雙重稀疏化模型的PB_CSALSA用於MRI圖像重構190
參考文獻192
第7章心電圖自動分析與心電監護系統設計195
7.1基於提升小波變換與時域極值分布特性的ECG自動分析195
7.1.1心電信號基礎知識195
7.1.2ECG特性與預處理研究難點197
7.1.3實驗數據集199
7.1.4基於提升小波變換的ECG信號預處理201
7.1.5基於ECG極大值分布特性的QRS波群檢測203
7.2基於MSP430的ECG智慧型監測系統設計209
7.2.1硬體設計210
7.2.2軟體設計213
7.2.3系統測試總結215
7.3基於STM32和FPGA雙處理器架構的ECG監護系統設計216
7.3.1基於平穩小波變換和形態學濾波的ECG信號去噪算法217
7.3.2系統硬體設計與實現219
7.3.3系統軟體設計與實現223
7.3.4系統測試總結225
參考文獻227
第8章醫學圖像的混沌加密230
8.1數字圖像加密算法概述230
8.1.1數字圖像加密算法的要求230
8.1.2幾種典型的數字圖像加密算法231
8.2混沌理論概述232
8.2.1混沌的定義232
8.2.2混沌系統的判斷方法234
8.2.3幾種**的混沌系統237
8.3醫學圖像的混沌加密算法248
8.3.1混沌加密算法簡介249
8.3.2實驗結果252
參考文獻257

相關詞條

熱門詞條

聯絡我們