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:
本店所有商品

  • [正版新书]大数据时代的医学图像分析原理与方法 卢虹冰 张红梅 副主 清华大学出版社 大数据医疗 医学图像分析 医
  • 新商品上架
    • 作者: 卢虹冰、张红梅;副主著
    • 出版社: 清华大学出版社
    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:
    句字图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 卢虹冰、张红梅;副主著
    • 出版社:清华大学出版社
    • ISBN:9787302672241
    • 版权提供:清华大学出版社

     书名:  大数据时代的医学图像分析原理与方法
     出版社:  清华大学出版社
     出版日期  2024-09
     ISBN号:  9787302672241
    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最新的图像分析方法,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。

     

    卢虹冰 单位:空军军医大学(第四军医大学) 职务、职称:教授,系主任 性别:女 年龄:55 专业:生物医学工程

     

    本书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。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。

     

    第1章 从物理参量成像到数字图像 1
    1.1 医学成像方法简介 1
    1.2 医学成像及数字化 18
    1.3 医学图像中的噪声模型 22
    1.4 医学图像处理技术概述 27
    1.5 主要挑战与发展前景 33
    1.6 本章小结 35
    参考文献 36
    第2章 图像增强 37
    2.1 图像的空间域增强 37
    2.2 图像的频域增强 65
    2.3 本章小结 81
    参考文献 82
    第3章 基于PDE演变的图像扩散增强 83
    3.1 扩散的物理模型 83
    3.2 图像扩散的变分模型 84
    3.3 数值实现快速算法 88
    3.4 实际案例 90
    3.5 本章小结 92
    参考文献 92
    第4章 医学图像恢复 94
    4.1 图像恢复模型 94
    4.2 含噪医学图像恢复 95
    4.3 退化医学图像恢复 100
    4.4 医学图像伪影校正 105
    4.5 本章小结 106
    参考文献 107
    第5章 医学图像配准 108
    5.1 空间变换 109
    5.2 刚体配准方法 131
    5.3 非刚体配准方法 136
    5.4 本章小结 148
    参考文献 148
    第6章 医学图像分割 149
    6.1 优化阈值法 149
    6.2 模糊聚类算法 151
    6.3 基于层次Markov Random Field(MRF)的MR图像分割 154
    6.4 水平集 165
    6.5 本章小结 178
    参考文献 179
    第7章 序列医学图像分析 181
    7.1 序列医学图像 181
    7.2 基于块匹配算法的序列图像分析 182
    7.3 基于序列超声图像的可变形组织高分辨率重建 185
    7.4 本章小结 193
    参考文献 193
    附录 195
    附录A 测地线主动轮廓运动方程的推导 195
    附录B Mumford-Shah函数极小化的变分推导 196
    附录C 扩散PDE的AOS策略快速算法推导 198

     

    我们正处在一个数据爆炸的时代,大数据不仅改变了我们生活的方方面面,也正在深刻影响着医学领域的发展。在医学领域,大量的数据来自医学影像,从传统的X线、CT到现代的MRI、超声等,每一种成像技术都为疾病的诊断、治疗和预后提供了宝贵的信息。然而,越来越多的数据使得医师人工获取有用的信息变得越来越难,一方面是因为人民群众日益增长的医疗健康需求和有限优质医师资源之间的矛盾,使得医生难以应对巨大的数据量;另一方面是如何从这些海量的数据中挖掘更全面更准确的信息,也是一个医生个体难以胜任的任务。在这个背景下,《大数据时代的医学图像分析原理与方法》应运而生,旨在探讨在海量数据环境下,如何更有效地分析医学图像,辅助医师进行更高效地分析和诊断,从而推动医学研究的进步和临床诊疗水平的提升。
    本书旨在为您呈现一个全面而深入的医学图像处理知识体系,从物理参量成像的基本原理讲起,逐步深入到数字图像处理的核心技术,并最终将理论与实践相结合,探讨医学图像分析在临床应用中的重要作用。
    本书第1章介绍了从物理参量成像到数字图像的转换过程,帮助读者建立对医学图像的基本认识。第2章和第3章深入探讨了图像空间域和频域增强以及基于偏微分方程(PDE)的图像扩散增强等高级技术。这些技术在大数据时代显得尤为重要,因为它们能够帮助我们提高图像的质量和清晰度,从海量的图像数据中提取出更有价值的信息。第4章和第5章则分别介绍了医学图像恢复和配准的内容。在大数据时代,由于数据来源的多样性和复杂性,图像恢复和配准技术成为医学图像处理中不可或缺的一环。这些技术能够校正图像中的失真和变形,使不同来源的图像能够精确对齐,为后续的分析提供更为准确的基础。第6章和第7章分别介绍了医学图像分割和医学图像分析在临床应用中的实践。这两章内容将理论与实践相结合,详细阐述了如何运用图像处理技术来辅助医生进行疾病的诊断、治疗和预后评估。这些内容不仅具


     

    1
    • 商品详情
    • 内容简介

    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