- 大数据时代的医学图像深度学习与前沿(西安交通大学研究生十四五规划精品系列教材)
- - 作者：编者:张红梅//卢虹冰|责编:孙宇
  - 出版社：清华大学
  - ISBN：9787302671220
  - 出版日期：2024/08/01
  - 页数：231
- 售价：35.6

内容大纲
本书介绍了人工智能领域的基础理论和方法，包括机器学习方法的简要介绍；深度学习的数学基础；网络架构设计改进、训练及优化步骤；深度学习在医学图像目标检测、分类分割、图像生成、稀疏重建和图神经网络在临床应用的案例，并附有程序。本书可做为高等院校生物医学工程专业教材和其他理工科高年级本科生和研究生教材，也可供相关科技人员参考。
作者介绍
目录
第1章  机器学习原理
  1.1  机器学习方法
  1.2  特征与降维
  知识拓展
  参考文献
第2章  深度学习原理
  2.1  深度学习数学基础
  2.2  卷积神经网络
  2.3  循环神经网络
  2.4  小结
  知识拓展
  参考文献
第3章  如何训练和优化人工神经网络
  3.1  人工神经网络训练基础步骤
  3.2  网络优化方法
  知识拓展
  参考文献
第4章  基于深度学习的医学图像分类
  4.1  深度学习医学图像分类简介
  4.2  VGG
  4.3  ResNet
  4.4  DenseNet
  4.5  Inception
  4.6  小结
  知识拓展
  参考文献
第5章  目标检测
  5.1  二阶段检测模型
  5.2  单阶段检测模型
  知识拓展
  参考文献
第6章  生物医学图像分割应用
  6.1  图像分割简介
  6.2  U-Net及三维U-Net
  6.3  基于Attention机制的图像分割
  6.4  基于损失函数改进的医学图像分割
  6.5  基于多任务学习的医学图像分割
  知识拓展
  参考文献
第7章  医学图像生成
  7.1  医学图像生成的机遇
  7.2  基于自编码器的医学图像合成
  7.3  基于生成对抗模型的医学图像生成
  7.4  基于扩散模型的医学图像合成
  7.5  基于医学图像合成的临床应用
  知识拓展
  参考文献
第8章  基于Transformer的自注意力学习
  8.1  Transformer基本原理
  8.2  基础的视觉Transformer

  8.3  层次化的视觉Transformer
  8.4  Transformer的应用与实例
  8.5  小结
  知识拓展
  参考文献
第9章  稀疏成像数据的图像重建
  9.1  传统稀疏成像重建方法
  9.2  基于映射学习的稀疏成像重建方法
  9.3  基于残差学习的稀疏成像重建方法
  9.4  基于迭代展开的稀疏成像重建方法
  9.5  可用于稀疏成像研究的公共数据集
  9.6  小结
  知识拓展
  参考文献
第10章  图神经网络
  10.1  为什么需要学习图数据
  10.2  基于图信号处理的卷积图神经网络
  10.3  其他图表征学习
  10.4  图池化
  10.5  其他图神经网络：图生成和动态图分析
  10.6  应用场景
  知识拓展
  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