目录
前言
章 核医学影像 1
1.1 医学影像概述 1
1.1.1 结构医学影像 1
1.1.2 功能医学影像 6
1.2 核医学功能成像 10
1.2.1 SPECT 成像 10
1.2.2 PET 成像 15
1.3 公共数据集 17
1.3.1 数据通信标准 18
1.3.2 数据集描述 20
参考文献 21
第2章 数据分析技术 24
2.1 数据扩展技术 24
2.1.1 基于几何变换的扩展 24
2.1.2 基于对抗技术的扩展 25
2.2 图像区域切分技术 26
2.2.1 骨骼区域切分 26
2.2.2 非病变区域切分 31
. 畸变骨骼矫正技术 34
..1 图像中肩颈的矫正 34
..2 图像中脊柱的矫正 36
2.4 模型构建技术 37
2.4.1 深度学习方法 37
2.4.2 深度神经网络 39
2.4.3 激活函数和损失函数 42
2.4.4 优化算法 46
2.4.5 评价指标 47
2.4.6 图像数据的标注 50
参考文献 50
第3章 核医学图像分类 52
3.1 经典分类网络 52
3.2 图像的二类分类 53
3.2.1 骨转移的自动检测 53
3.2.2 关节炎的自动检测 62
3.. 肺阻塞的自动检测 68
3.3 图像的多类分类 73
3.3.1 单疾病多病灶图像分类 73
3.3.2 多疾病多病灶图像分类 79
3.4 疾病的亚类分类 83
3.4.1 非融合图像的分类 83
3.4.2 残差与注意力结合的图像分类 90
参考文献 94
第4章 核医学图像目标检测 96
4.1 经典目标检测网络 96
4.1.1 一阶段目标检测模型 97
4.1.2 二阶段目标检测模型 99
4.2 单疾病病灶检测 102
4.2.1 数据集构建 102
4.2.2 检测模型构建 103
4.. 实验验及评价 108
4.3 多疾病病灶检测 112
4.3.1 数据集构建 112
4.3.2 检测模型构建 113
4.3.3 实验验及评价 114
参考文献 116
第5章 核医学图像分割 118
5.1 经典分割网络 118
5.1.1 图像语义分割 118
5.1.2 图像实例分割 121
5.2 病灶监督分割 1
5.2.1 骨转移病灶分割 1
5.2.2 甲状腺病灶分割 130
5.3 病灶半监督分割 136
5.3.1 分割方法概况 136
5.3.2 半监督分割模型 136
5.3.3 实验验及评价 140
参考文献 144
第6章 核医学诊断文本分析 146
6.1 病灶及其表征关联分析 146
6.1.1 核医学诊断文本 146
6.1.2 诊断文本预处理 146
6.1.3 病灶表征的形式编码 147
6.1.4 病灶-表征关联挖掘 149
6.1.5 实验验与结果分析 150
6.2 基于文本的诊断模型 154
6.2.1 基于传统机器学习方法的诊断模型 154
6.2.2 基于深度学习方法的诊断模型 162
参考文献 169
本书内容是核医学影像、机器学习、图像分析等研究主题的综合体现，适合高年级生、和相关科研工作者了解技术前沿及获取研究主题之用。
《核医学图像分析》介绍基于深度学习的核医学图像智能分析技术，由图像分类、目标检测和病灶分割等内容构成。《核医学图像分析》共6章，其中，章为医学影像概述，第2章为数据分析技术综述，第3～5章分别为图像分类、目标检测和病灶分割模型构建与实验验介绍，第6章为核医学诊断文本分析与模型构建。
非常抱歉，您前期未参加预订活动，
无法支付尾款哦！
