医学影像深度学习

图书标准信息

• 作者 粘永健 主编；肖晶晶 戚婧 副主编
• 出版社 清华大学出版社
• 出版时间 2023-07
• 版次 1
• ISBN 9787302635550
• 定价 59.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 168页
• 字数 243千字

【内容简介】

本书首先简要介绍人工智能与深度学习的发展历程与应用、临床各种成像以及深度学习环境；然后重点围绕医学影像分类、目标检测与分割三大基本任务展开讲解，阐述每种任务的基本概念与临床意义，介绍典型的深度神经网络，给出医学影像数据集的构建、网络的训练、测试以及性能评价方面的具体方法；最后介绍医学影像深度学习领域常用的公开数据集。此外，针对三大基本任务给出六个案例。本书可作为高等医科院校或高等院校医学相关专业高年级本科生和研究生的教材或参考书，也可供相关领域的科研人员、工程技术人员参考。

【作者简介】

（1）粘永健，陆军军医大学生物医学工程与影像医学系副教授，硕士生导师，长期从事医学影像人工智能的教学和科研工作，讲授本科生的“医学影像人工智能”以及博士研究生的“数字医学与人工智能”等课程，获校级教学成果一等奖，获评校级优秀教师、教学标兵。现任重庆市数字医学学会常务理事，重庆市计算机学会高性能计算专委会委员。先后主持国家与省部级项目5项，近5年在国际人工智能领域知名期刊上发表SCI论文5篇（通讯作者），授权发明专利4项、软件著作权3项。

（2）肖晶晶，陆军军医大学第二附属医院生物医学信息研究与应用中心主任，长期从事医学影像人工智能的教学和科研工作，讲授本科生的“医学影像设备学”等课程。先后主持国家与省部级项目5项，近5年发表SCI论文10余篇，授权发明专利3项。

（3）戚婧，解放军总医院医学大数据研究中心博士研究生，主要研究方向为医学影像人工智能。近5年发表SCI论文3篇，主持省部级项目1项，曾获第十六届中国研究生电子设计竞赛全国一等奖，获评陆军军医大学优秀研究生。

【目录】

第1章人工智能之深度学习

1.1人工智能简介

1.1.1基本概念

1.1.2发展历程

1.2深度学习简介

1.3深度学习在医学影像处理中的应用

1.4本章小结

参考文献

第2章医学成像简介

2.1X射线成像

2.1.1成像原理

2.1.2影像特点

2.1.3临床应用

2.2CT成像

2.2.1成像原理

2.2.2影像特点

2.2.3临床应用

2.3MRI成像

2.3.1成像原理

2.3.2影像特点

2.3.3临床应用

2.4超声成像

2.4.1成像原理

2.4.2影像特点

2.4.3临床应用

2.5医疗内窥镜成像

2.5.1成像原理

2.5.2影像特点

2.5.3临床应用

2.6数字病理成像

2.6.1成像原理

2.6.2影像特点

2.6.3临床应用

2.7本章小结

参考文献

第3章深度学习环境

3.1编程语言和环境

3.1.1编程语言

3.1.2编程环境

3.2深度学习框架

3.3PyTorch深度学习环境的搭建

3.4本章小结

参考文献

第4章基于深度学习的医学影像分类

4.1引言

4.2卷积神经网络

4.3面向分类的深度神经网络

4.4临床选题

4.5医学影像数据集的构建

4.5.1医学影像的收集

4.5.2医学影像的标注

4.6网络的训练和测试

4.6.1数据集的划分

4.6.2数据预处理

4.6.3分类网络的选择

4.6.4损失函数和优化方式

4.6.5网络超参数的调整

4.6.6欠拟合和过拟合

4.7分类性能的评价

4.7.1基于指标体系的性能评价

4.7.2基于人机对比的性能评价

4.7.3基于压力测试的性能评价

4.7.4类激活映射图

4.8本章小结

参考文献

第5章基于深度学习的医学影像目标检测

5.1引言

5.2面向目标检测的深度神经网络

5.2.1Twostage方案

5.2.2Onestage方案

5.3临床选题

5.4医学影像数据集的构建

5.4.1医学影像的收集

5.4.2医学影像的标注

5.5网络的训练和测试

5.5.1数据集的划分

5.5.2数据预处理

5.5.3目标检测网络的选择

5.5.4损失函数和优化方式

5.5.5网络超参数的调整

5.6目标检测性能的评价

5.6.1基于指标体系的性能评价

5.6.2基于人机对比的性能评价

5.6.3基于压力测试的性能评价

5.7本章小结

参考文献

第6章基于深度学习的医学影像分割

6.1引言

6.2面向分割的深度神经网络

6.3临床选题

6.4医学影像数据集的构建

6.4.1医学影像数据的收集

6.4.2医学影像数据的标注

6.5网络的训练和测试

6.5.1数据集的划分

6.5.2数据集的预处理

6.5.3分割网络的选取

6.5.4损失函数和优化方式

6.5.5网络超参数的调整

6.6分割性能的评价

6.6.1基于指标体系的性能评价

6.6.2基于实际应用的性能评价

6.7本章小结

参考文献

第7章医学影像公开数据集

7.1引言

7.2面向分类的公开数据集

7.3面向目标检测的公开数据集

7.4面向分割的公开数据集

7.5公开数据集的优势和不足

7.6本章小结

参考文献

案例篇

案例1乳腺肿瘤良恶性的识别

案例2新型冠状病毒感染的识别

案例3心影增大的检测

案例4红细胞的检测

案例5心脏MRI的分割

案例6超声心动图的分割