- 医学影像深度学习(面向新工科的电工电子信息基础课程系列教材)
- - 作者：编者:粘永健|责编:文怡
  - 出版社：清华大学
  - ISBN：9787302635550
  - 出版日期：2023/07/01
  - 页数：155
- 售价：23.6

内容大纲
本书首先简要介绍人工智能与深度学习的发展历程和应用、临床各种成像以及深度学习环境；然后重点围绕医学影像分类、目标检测和分割三大基本任务展开讲解，阐述每种任务的基本概念与临床意义，介绍典型的深度神经网络，给出医学影像数据集的构建，网络的训练、测试以及性能评价方面的具体方法；最后介绍医学影像深度学习领域常用的公开数据集。此外，针对三大基本任务给出六个案例。
本书可作为高等医科院校或高等院校医学相关专业高年级本科生和研究生的教材或参考书，也可供相关领域的科研人员、工程技术人员参考。
作者介绍
目录
第1章  人工智能之深度学习
  1.1  人工智能简介
    1.1.1  基本概念
    1.1.2  发展历程
  1.2  深度学习简介
  1.3  深度学习在医学影像处理中的应用
  1.4  本章小结
  参考文献
第2章  医学成像简介
  2.1  X射线成像
    2.1.1  成像原理
    2.1.2  影像特点
    2.1.3  临床应用
  2.2  CT成像
    2.2.1  成像原理
    2.2.2  影像特点
    2.2.3  临床应用
  2.3  MRI成像
    2.3.1  成像原理
    2.3.2  影像特点
    2.3.3  临床应用
  2.4  超声成像
    2.4.1  成像原理
    2.4.2  影像特点
    2.4.3  临床应用
  2.5  医疗内窥镜成像
    2.5.1  成像原理
    2.5.2  影像特点
    2.5.3  临床应用
  2.6  数字病理成像
    2.6.1  成像原理
    2.6.2  影像特点
    2.6.3  临床应用
  2.7  本章小结
  参考文献
第3章  深度学习环境
  3.1  编程语言和环境
    3.1.1  编程语言
    3.1.2  编程环境
  3.2  深度学习框架
  3.3  PyTorch深度学习环境的搭建
  3.4  本章小结
  参考文献
第4章  基于深度学习的医学影像分类
  4.1  引言
  4.2  卷积神经网络
  4.3  面向分类的深度神经网络
  4.4  临床选题
  4.5  医学影像数据集的构建
    4.5.1  医学影像的收集

    4.5.2  医学影像的标注
  4.6  网络的训练和测试
    4.6.1  数据集的划分
    4.6.2  数据预处理
    4.6.3  分类网络的选择
    4.6.4  损失函数和优化方式
    4.6.5  网络超参数的调整
    4.6.6  欠拟合和过拟合
  4.7  分类性能的评价
    4.7.1  基于指标体系的性能评价
    4.7.2  基于人机对比的性能评价
    4.7.3  基于压力测试的性能评价
    4.7.4  类激活映射图
  4.8  本章小结
  参考文献
第5章  基于深度学习的医学影像目标检测
  5.1  引言
  5.2  面向目标检测的深度神经网络
    5.2.1  Twostage方案
    5.2.2  Onestage方案
  5.3  临床选题
  5.4  医学影像数据集的构建
    5.4.1  医学影像的收集
    5.4.2  医学影像的标注
  5.5  网络的训练和测试
    5.5.1  数据集的划分
    5.5.2  数据预处理
    5.5.3  目标检测网络的选择
    5.5.4  损失函数和优化方式
    5.5.5  网络超参数的调整
  5.6  目标检测性能的评价
    5.6.1  基于指标体系的性能评价
    5.6.2  基于人机对比的性能评价
    5.6.3  基于压力测试的性能评价
  5.7  本章小结
  参考文献
第6章  基于深度学习的医学影像分割
  6.1  引言
  6.2  面向分割的深度神经网络
  6.3  临床选题
  6.4  医学影像数据集的构建
    6.4.1  医学影像数据的收集
    6.4.2  医学影像数据的标注
  6.5  网络的训练和测试
    6.5.1  数据集的划分
    6.5.2  数据集的预处理
    6.5.3  分割网络的选取
    6.5.4  损失函数和优化方式
    6.5.5  网络超参数的调整
  6.6  分割性能的评价

    6.6.1  基于指标体系的性能评价
    6.6.2  基于实际应用的性能评价
  6.7  本章小结
  参考文献
第7章  医学影像公开数据集
  7.1  引言
  7.2  面向分类的公开数据集
  7.3  面向目标检测的公开数据集
  7.4  面向分割的公开数据集
  7.5  公开数据集的优势和不足
  7.6  本章小结
  参考文献
案例篇
  案例1  乳腺肿瘤良恶性的识别
  案例2  新型冠状病毒感染的识别
  案例3  心影增大的检测
  案例4  红细胞的检测
  案例5  心脏MRI的分割
  案例6  超声心动图的分割

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目