- 深度学习在肿瘤诊断中的应用/信息科学技术前沿丛书
- - 作者：张征//张波//阙喜戎|责编:刘春棠
  - 出版社：北京邮电大学
  - ISBN：9787563572663
  - 出版日期：2024/07/01
  - 页数：153
- 售价：23.2

内容大纲
以深度学习为代表的人工智能技术不依赖用户交互，具有效率高、效果好等特点，在智能辅助诊断中得到了越来越广泛的应用。本书以面向前列腺癌的智能辅助诊断为切入点，针对医学图像标注困难、样本量少、泛化性能差等问题，分析探讨了面向医学图像数据的器官泛化分割、病灶分割分级以及病理图像分类三大主流医学图像处理任务，提出了基于元学习和域判别器的器官泛化分割算法、基于模态融合和形状学习的前列腺癌分割算法、基于图神经网络的病理图像分类算法等算法，并基于开源和私有数据集进行了大量的实验，结果显示本书所提算法均达到了领域内的领先水平。
作者介绍
目录
第1章  面向多站点MR图像的器官泛化分割
  1.1  介绍
    1.1.1  研究背景
    1.1.2  国内外研究现状
    1.1.3  本章主要工作
  1.2  相关工作
    1.2.1  通用医学图像分割算法
    1.2.2  多任务学习
    1.2.3  变分自编码器
    1.2.4  迁移学习和无监督域适应
    1.2.5  元学习
  1.3  方法
    1.3.1  基于元学习和域判别器的域泛化算法
    1.3.2  基于无监督域适应的医学图像分割算法
  1.4  实验分析
    1.4.1  基于元学习和域判别器的域泛化算法实验结果分析
    1.4.2  基于无监督域适应的医学图像分割算法实验结果分析
  1.5  结论
第2章  面向多模态MR图像的病灶分割分级
  2.1  介绍
    2.1.1  研究背景
    2.1.2  国内外研究现状
    2.1.3  本章主要工作
  2.2  相关工作
    2.2.1  卷积神经网络概述
    2.2.2  深度残差网络ResNet
    2.2.3  语义分割网络
    2.2.4  注意力机制
  2.3  方法
    2.3.1  基于模态融合和形状学习的前列腺癌分割算法
    2.3.2  基于软阈值化的前列腺癌分级算法
  2.4  实验分析
    2.4.1  基于模态融合和形状学习的前列腺癌分割算法实验结果分析
    2.4.2  基于软阈值化的前列腺癌分级算法实验结果分析
  2.5  结论
第3章  基于图神经网络的病理图像分类
  3.1  介绍
    3.1.1  研究背景
    3.1.2  国内外研究现状
    3.1.3  本章主要工作
  3.2  相关工作
    3.2.1  细胞图生成相关技术介绍
    3.2.2  图神经网络相关技术介绍
    3.2.3  Transformer相关技术介绍
  3.3  方法
    3.3.1  细胞图生成算法
    3.3.2  细胞图分类算法
  3.4  实验分析
    3.4.1  细胞图生成算法实验结果分析
    3.4.2  细胞图分类算法实验结果分析

  3.5  结论
第4章  总结与展望
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目