- 医学图像分割与校正--基于水平集方法与深度学习(精)/数理医学丛书
- - 作者：杨云云|责编:李欣//李香叶|总主编:孔德兴
  - 出版社：科学
  - ISBN：9787030776693
  - 出版日期：2024/09/01
  - 页数：191
- 售价：51.2

内容大纲
本书从图像分割与校正模型和水平集方法的基本概念出发，整理了若干基于水平集和深度学习的医学图像分割与校正模型。全书共11章，包括五部分内容：第一部分（第1章）介绍医学图像分割与校正的方法，包括医学图像分割与校正背景及意义、国内外研究现状分析和相关模型和方法。第二部分（第2-4章）详细讨论二区和多区图像分割与校正模型，包括多区MR图像分割与校正模型、抗噪声医学图像分割与校正模型及基函数表达的人脑MR图像校正及分割模型。第三部分（第5章）介绍多图谱融合的三维人脑MRI分割及校正模型，主要针对3D人脑MR图像的分割及校正。第四部分（第6-8章）介绍带有约束信息的图像分割模型，包括结合先验约束项的图像分割模型、带有强约束项的彩色图像分割模型和PeRSF模型。第五部分（第9-11章）介绍基于深度学习与水平集方法的医学图像分割模型，包括弱监督牙齿分割模型、基于局部方差和边缘信息的自适应分割模型、基于强化主动学习的图像选择策略应用于分割模型。以上介绍的各种医学图像分割与校正模型，针对不同特性的医学图像，不仅提高了模型分割的准确度，也提高了模型分割的速度以及自适应性与鲁棒性。
本书可作为高等院校数学、电子信息工程、计算机科学、自动化、通信、生物工程和医学影像等专业的本科生与研究生的专业教材，也可供从事上述相关专业的研究人员和工程技术人员参考。
作者介绍
杨云云，哈尔滨工业大学（深圳）理学院副教授，博士生导师，从事图像处理研究。以第一或通讯作者在高水平SCI期刊包括IEEE Transactions on Image Processing、Pattern Recognition、IEEE Transactionson Industrial Informatics发表论文共40余篇。主持包括国家自然科学基金面上项目、青年项目，广东省自然科学基金面上项目，深圳市自然科学基金面上项目等共9项科研项目，承担科研经费超过500万元。发明专利授权3项，出版专著1部。2023年获得广东省计算机学会优秀论文奖与深圳市优秀科技学术论文成果优秀奖。
目录
第1章  绪论
  1.1  医学图像分割与校正背景及意义
  1.2  国内外研究现状分析
  1.3  相关模型与方法
    1.3.1  MICO模型
    1.3.2  CV模型
    1.3.3  RSF模型
    1.3.4  分裂Bregman方法
  1.4  本书内容简介
第2章  多区MR图像分割与校正模型
  2.1  前期准备
    2.1.1  CLIC模型
    2.1.2  分裂Bregman方法
  2.2  模型建立
    2.2.1  建立能量泛函
    2.2.2  定义隶属函数
    2.2.3  定义加权长度项
    2.2.4  偏磁场估计算法
    2.2.5  分裂Bregman方法极小化能量泛函
  2.3  数值实验
    2.3.1  数值实现
    2.3.2  实验结果
  2.4  本章小结
第3章  抗噪声医学图像分割与校正模型
  3.1  引言
  3.2  模型建立
    3.2.1  二区能量泛函与分裂Bregman方法求解
    3.2.2  多区能量泛函与分裂Bregman方法求解
  3.3  数值实验
    3.3.1  数值实现
    3.3.2  实验结果
  3.4  本章小结
第4章  基函数表达的人脑MR图像分割与校正模型
  4.1  引言
  4.2  SCMB模型
  4.3  应用分裂Bregman方法求解
  4.4  针对多区图像的SCMB模型
  4.5  数值实验
    4.5.1  数值实现
    4.5.2  实验结果
  4.6  本章小结
第5章  多图谱融合的三维人脑MR图像分割与校正模型
  5.1  引言
  5.2  多图谱融合三维分割与校正模型
  5.3  基于模型构建新的能量泛函
  5.4  应用分裂Bregman方法极小化模型
  5.5  实验结果
  5.6  本章小结
第6章  结合先验约束项的图像分割模型
  6.1  预备知识

  6.2  模型建立
    6.2.1  先验约束项
    6.2.2  构造能量泛函
    6.2.3  分裂Bregman方法极小化能量泛函
  6.3  数值实验
    6.3.1  数值实现
    6.3.2  实验结果
  6.4  本章小结
第7章  带有强约束项的彩色图像分割模型
  7.1  引言
  7.2  预备知识
    7.2.1  RSF模型
    7.2.2  多图谱方法
  7.3  ERSF模型
  7.4  分裂Bregman方法快速求解
  7.5  数值实验
  7.6  本章小结
第8章  并行的带有强约束项的图像分割模型
  8.1  引言
  8.2  预备知识
  8.3  PeRSF模型
  8.4  数值实验
  8.5  时间复杂度分析
  8.6  本章小结
第9章  弱监督牙齿分割模型
  9.1  引言
  9.2  弱监督分割模型的建立
    9.2.1  牙齿检测
    9.2.2  椭圆锚框生成
    9.2.3  带约束的活动轮廓模型
    9.2.4  能量极小化
    9.2.5  曲率分割模型
    9.2.6  粘连牙齿分离
    9.2.7  弱监督训练
  9.3  数值实验
  9.4  本章小结
第10章  基于局部方差和边缘信息的自适应分割模型
  10.1  引言
  10.2  局部方差分割模型的建立和极小化
    10.2.1  局部方差能量泛函的建立
    10.2.2  梯度下降方法极小化局部方差分割模型
  10.3  局部方差分割模型的双层能量泛函
  10.4  实验与分析
    10.4.1  不同数据集上的分割实验
    10.4.2  参数选择
    10.4.3  消融实验
  10.5  本章小结
第11章  基于强化主动学习的图像选择策略应用于分割模型
  11.1  引言
  11.2  强化主动学习模型的建立

    11.2.1  主动学习作为MDP
    11.2.2  构建状态
    11.2.3  构建动作
    11.2.4  构建奖励
    11.2.5  通过DQN学习选择策略
  11.3  实验与分析
    11.3.1  数据集ACDC的分割实验
    11.3.2  数据集M&Ms的分割实验
    11.3.3  消融实验
  11.4  本章小结
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