包邮大数据时代的医学图像深度学习与前沿

1星价 ¥68.6 (7.7折)

2星价￥68.6 定价￥89.0

作者：主编：张红梅、卢虹冰；副主编：吕孟叶、刘

出版社：清华大学出版社

本类榜单：教材

分类：教材 > 研究生/本科/专科教材 > 医学

暂无评论

图文详情

ISBN：9787302671220
装帧：平装
册数：暂无
重量：暂无
开本：其他
页数：244
出版时间：2024-08-01
条形码：9787302671220 ; 978-7-302-67122-0

本书特色

本书主要介绍机器学习等的图像分析方法，内容包括机器学习原理、深度学习原理、优化和训练网络、基于深度学习的医学图像分类、目标检测、医学图像分割、多模态图像和超分辨图像生成、基于Transformer的自注意力学习、稀疏成像数据的图像重建和图卷积网络等。本书可作为医学和工科的交叉学科及高等院校相关研究领域教学使用，对培养人工智能医学精准诊疗人才具有重要意义。

内容简介

"全书以通俗易懂的语言、翔实生动的实例，全面介绍了大数据背景下医学图像分析方法。全书共分上下两册，总计17章，上册主要介绍经典基础的图像分析方法，内容包括从物理参量成像到数字图像、空域图像增强、变换域图像增强、图像去噪恢复、医学图享配准、医学图像分割和医学图像分析临床应用等。下册主要介绍机器学习等**的图像分析方法，内容包括机器学习原理、深度学习原理、优化和训练网络、基于深度学习的医学图像分类、目标检测、医学图像分割、多模态图像和超分辨图像生成、基于Transformer的自注意力学习、稀疏成像数据的图像重建和图卷积网络等。与市场上同类教材相比，本书从医学图像分析的实际需求出发，在讲解相关知识的同时结合附录中临床医学图像分析处理代码、公开数据集和相关比赛信息，力求让读者能够学以致用、快速掌握。本书内容更加适用于医学和工科的交叉学科，可作为高等院校相关研究领域的优秀教材，对培养人工智能医学精准诊疗人才具有重要意义。"

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 0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

展开全部