返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 肺结节检测机器视觉技术 何志权,曹桂涛 著 生活 文轩网
  • 新华书店正版
    • 作者: 何志权,曹桂涛著
    • 出版社: 化学工业出版社
    • 出版时间:2022-01-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 何志权,曹桂涛著
    • 出版社:化学工业出版社
    • 出版时间:2022-01-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2022-01-01
    • 字数:213000
    • 页数:176
    • 开本:16开
    • 装帧:平装
    • ISBN:9787122400345
    • 国别/地区:中国
    • 版权提供:化学工业出版社

    肺结节检测机器视觉技术

    作  者:何志权,曹桂涛 著
    定  价:68
    出 版 社:化学工业出版社
    出版日期:2022年01月01日
    页  数:176
    装  帧:平装
    ISBN:9787122400345
    主编推荐

    内容简介

    肺结节检测对肺癌的预防、早期筛查及早期诊断尤为重要,基于肺癌影像上的肺结节检测分析是预防肺癌的有效途径。随着LDCT技术的普及以及人们对自身健康的重视,胸部CT图像数据呈现爆炸式增长,极大地加重了放射科医生的工作负担,同时也增加了病情判断的难度。本书进行了肺结节检测的自动化研究,全面总结深度学习在肺结节检测当中的研究成果,提出了多种有效的创新性的深度学习网络框架和检测思路。本书适合从事医学图像处理,尤其是基于深度学习的肺结节检测方面研究的学者和科研人员、医学工作者阅读。

    作者简介

    精彩内容

    目录
    第1章肺结节检测与深度学习001
    1.1肺结节检测的背景与发展现状001
    1.2CAD系统研究现状004
    1.2.1肺实质分割算法研究005
    1.2.2肺结节检测算法研究008
    1.3深度卷积神经网络009
    1.3.1深度卷积神经网络的发展009
    1.3.2卷积神经网络的结构010
    参考文献013
    第2章肺结节检测原理与技术015
    2.1医学影像知识015
    2.1.1计算机断层扫描技术015
    2.1.2肺结节的医学影像特征018
    2.2肺结节检测评价指标020
    2.2.1真/假阳性率020
    2.2.2竞争性能指标022
    2.2.3自由响应操作特性曲线022
    2.3深度学习方法与传统检测方法的优劣势023
    2.4现有检测技术介绍025
    2.4.1多流框架学习025
    2.4.2迁移学习026
    2.4.3无/半/自监督学习027
    2.4.4多任务学习029
    2.5常用数据集030
    参考文献034
    第3章基于目标检测的U-Net构建与肺结节候选检测036
    3.1肺实质分割037
    3.1.1图像预处理037
    3.1.2肺实质初定位039
    3.1.3肺实质轮廓修补039
    3.1.4灰度值归一化042
    3.2数据预处理与增强043
    3.2.1图像裁剪043
    3.2.2数据增强044
    3.3R2U-Net网络构建045
    3.3.1U-Net框架修正045
    3.3.2ResNet残差单元047
    3.3.3RPN网络的anchor机制049
    3.3.4R2U-Net网络050
    3.4模型性能优化051
    3.4.1损失优化051
    3.4.2难分类样本挖掘052
    3.4.3非极大值抑制053
    3.4.4K-折交叉验证054
    3.5实验设置与结果分析056
    3.5.1实验设置056
    3.5.2结果分析056
    参考文献061
    第4章基于多流多尺度融合的U-Net构建与肺结节候选检测063
    4.1R2U-Net网络框架优化064
    4.1.1多尺度输入融合算法064
    4.1.2多流输出融合算法065
    4.1.3非线性卷积模块066
    4.1.4MS2U-Net网络介绍067
    4.2非极大值抑制改进算法068
    4.3实验结果与分析069
    4.3.1实验设置069
    4.3.2结果分析070
    参考文献080
    第5章注意力机制与特征金字塔与肺结节候选检测082
    5.1基于通道-空间注意力机制的网络设计083
    5.1.1U-Net网络结构083
    5.1.2U-SENet网络构建085
    5.2U-SENet网络应用于候选肺结节检测086
    5.2.1数据增强086
    5.2.2优化损失函数087
    5.2.3通道-空间注意力机制介绍088
    5.2.4权重初始化091
    5.3特征金字塔网络结构092
    5.4特征金字塔网络应用于目标检测095
    5.5多尺度3D特征金字塔网络及肺结节检测098
    5.6实验结果与分析100
    5.6.1U-SENet实验结果与分析101
    5.6.2MFDM实验结果与分析102
    参考文献104
    ……

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购