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

  • 医学图像分割与校正 基于水平集方法与深度学习杨云云 著科学出版社9787030776693医学卫生/医学其它
  • 新商品上架
    • 作者: 杨云云著
    • 出版社: 科学出版社
    • 出版时间:2024-09
    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: 杨云云著
    • 出版社:科学出版社
    • 出版时间:2024-09
    • 页数:206
    • 开本:16开
    • ISBN:9787030776693
    • 版权提供:科学出版社
  • 作者: 杨云云 著
  • 著: 杨云云 著
  • 装帧: 精装
  • 印次: 1
  • 定价: 128.00
  • ISBN: 9787030776693
  • 出版社: 科学出版社
  • 开本: 其他
  • 印刷时间: 暂无
  • 语种: 暂无
  • 出版时间: 2023-03
  • 页数: 206
  • 外部编号: 17654762
  • 版次: 1
  • 成品尺寸: 暂无
  •  
    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。

    目录

    第1章 绪论 1

    1.1 医学图像分割与校正背景及意义 1

    1.2 国内外研究现状分析 3

    1.3 相关模型与方法 7

    1.3.1 MICO 模型 7

    1.3.2 CV 模型 8

    1.3.3 RSF 模型 8

    1.3.4 分裂Bregman方法 11

    1.4 本书内容简介 12

    第2章 多区 MR 图像分割与校正模型 15

    2.1 前期准备 15

    2.1.1 CLIC 模型 15

    2.1.2 分裂 Bregman 方法 16

    2.2 模型建立 16

    2.2.1 建立能量泛函 16

    2.2.2 定义隶属函数 17

    2.2.3 定义加权长度项 19

    2.2.4 偏磁场估计算法 19

    2.2.5 分裂Bregman方法极小化能量泛函 19

    2.3 数值实验 22

    2.3.1 数值实现 22

    2.3.2 实验结果 22

    2.4 本章小结 29

    第3章 抗噪声医学图像分割与校正模型 30

    3.1 引言 30

    3.2 模型建立 30

    3.2.1 二区能量泛函与分裂 Bregman 方法求解 31

    3.2.2 多区能量泛函与分裂 Bregman 方法求解 35

    3.3 数值实验 38

    3.3.1 数值实现 38

    3.3.2 实验结果 39

    3.4 本章小结 54

    第4章 基函数表达的人脑MR图像分割与校正模型 55

    4.1 引言 55

    4.2 SCMB模型 55

    4.3 应用分裂Bregman方法求解.58

    4.4 针对多区图像的SCMB模型 59

    4.5 数值实验 62

    4.5.1 数值实现 62

    4.5.2 实验结果 63

    4.6 本章小结 77

    第5章 多图谱融合的三维人脑MR图像分割与校正模型 79

    5.1 引言 79

    5.2 多图谱融合三维分割与校正模型 80

    5.3 基于模型构建新的能量泛函 82

    5.4 应用分裂Bregman方法极小化模型 83

    5.5 实验结果 85

    5.6 本章小结 92

    第6章 结合先验约束项的图像分割模型 94

    6.1 预备知识 94

    6.2 模型建立 95

    6.2.1 先验约束项 95

    6.2.2 构造能量泛函 95

    6.2.3 分裂Bregman方法极小化能量泛函 96

    6.3 数值实验 98

    6.3.1 数值实现 98

    6.3.2 实验结果 99

    6.4 本章小结 104

    第7章 带有强约束项的彩色图像分割模型 106

    7.1 引言 106

    7.2 预备知识 106

    7.2.1 RSF 模型 106

    7.2.2 多图谱方法.107

    7.3 ERSF 模型 108

    7.4 分裂Bregman方法快速求解 110

    7.5 数值实验 112

    7.6 本章小结 115

    第8章 并行的带有强约束项的图像分割模型 116

    8.1 引言 116

    8.2 预备知识 116

    8.3 PeRSF模型 117

    8.4 数值实验 119

    8.5 时间复杂度分析 122

    8.6 本章小结 123

    第9章 弱监督牙齿分割模型 124

    9.1 引言 124

    9.2 弱监督分割模型的建立 125

    9.2.1 牙齿检测 125

    9.2.2 椭圆锚框生成 125

    9.2.3 带约束的活动轮廓模型 126

    9.2.4 能量极小化 128

    9.2.5 曲率分割模型 131

    9.2.6 粘连牙齿分离 131

    9.2.7 弱监督训练.132

    9.3 数值实验 133

    9.4 本章小结 139

    第10章 基于局部方差和边缘信息的自适应分割模型 140

    10.1 引言 140

    10.2 局部方差分割模型的建立和极小化 141

    10.2.1 局部方差能量泛函的建立 142

    10.2.2 梯度下降方法极小化局部方差分割模型 144

    10.3 局部方差分割模型的双层能量泛函 146

    10.4 实验与分析 146

    10.4.1 不同数据集上的分割实验 146

    10.4.2 参数选择.158

    10.4.3 消融实验.159

    10.5 本章小结 159

    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 161

    11.1 引言 161

    11.2 强化主动学习模型的建立 162

    11.2.1 主动学习作为MDP 163

    11.2.2 构建状态 165

    11.2.3 构建动作 165

    11.2.4 构建奖励 167

    11.2.5 通过DQN学习选择策略 168

    11.3 实验与分析 170

    11.3.1 数据集ACDC的分割实验.171

    11.3.2 数据集M&Ms的分割实验 172

    11.3.3 消融实验 174

    11.4 本章小结 176

    参考文献 177

     

     

    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