医学影像智能分析基础
全新正版 极速发货
￥ 38.45 5.6折 ￥ 69 全新
仅1件
广东广州
认证卖家担保交易快速发货售后保障
作者刘继欣,张明
出版社人民卫生
ISBN9787117356718
出版时间2024-01
装帧其他
开本其他
定价69元
货号1203208924
上书时间2024-06-18
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
刘继欣:博士，西安电子科技大学生命科学技术学院教授、博导。近年来工作集中于借助医学图像对疾病影像特征识别、疗效预测、康复评估研究上。目前，主持国家自然科学基金3项，第一作者、通讯作者发表SCI检索论文80余篇。研究团队关于针刺影像学研究在2012年获得“陕西省科学技术二等奖”、2021年获得“陕西省科学技术一等奖”“第八届中国针灸学会科学技术奖基础类一等奖”等荣誉。
目录
第一章 医学影像处理概论/1
第一节 医学影像技术的发展/2
第二节 医学影像物理意义/3
一、X 线/3
二、CT/4
三、MRI/5
第三节 医学影像智能分析及其应用/7
第二章 医学影像与MATLAB/ 9
第一节 MATLAB 基础知识/ 10
一、MATLAB 2021b 工作界面/ 10
二、MATLAB 数据类型/ 13
三、MATLAB 常见的指令与特殊符号/ 15
第二节 MATLAB 矩阵/17
一、矩阵定义/ 17
二、矩阵创建/ 17
三、矩阵运算/ 19
四、矩阵索引/23
第三节 MATLAB 编程基础/25
一、控制语句 /25
二、M 文件/ 27
第四节 MATLAB 医学影像基础/ 30
一、医学影像的基本格式/ 30
二、医学影像的读写/ 30
三、医学影像的计算/35
第三章 医学影像的特征/ 38
第一节 颜色特征/ 39
一、颜色空间/ 39
二、直方图特征/ 41
三、案例分析/43
第二节 纹理特征/ 45
一、灰度共生矩阵/45
二、灰度差分统计/ 49
三、自相关函数/ 50
四、案例分析/ 51
第三节 形状特征/53
一、边界特征/53
二、区域特征/53
三、案例分析/54
第四节 特征分析/ 55
第四章 参数估计与假设检验/ 57
第一节 参数估计/ 58
一、计量资料的统计描述/ 58
二、均数的抽样误差与标准误/ 60
三、t 分布/ 61
四、总体均数的区间估计/62
第二节 假设检验/ 65
一、假设检验的基本步骤/65
二、假设检验中的两类错误/66
三、假设检验的注意事项/ 67
四、假设检验和区间估计的关系/ 68
第三节 t 检验/ 69
一、单样本t 检验/ 69
二、两独立样本t 检验/ 70
三、配对样本t 检验/ 72
第四节 方差分析/ 74
一、完全随机设计的方差分析/ 74
二、随机区组设计的方差分析/ 78
第五章 相关与线性回归/81
第一节 相关分析/ 84
一、协方差与相关系数/ 84
二、秩相关/ 89
三、偏相关/ 91
第二节 简单线性回归/92
一、简单线性回归模型/ 92
二、简单线性模型的最小二乘拟合/ 93
三、σ 2 的估计/ 97
四、简单线性回归的比较/ 98
第三节 多元线性回归/ 102
一、多元线性回归模型/102
二、模型假设/103
三、多元模型的最小二乘拟合/103
四、ε 方差σ2 的估计/106
第四节 模型适用性检验与修正/ 106
一、模型适用性检验/106
二、残差分析/111
三、杠杆与强影响点的诊断/113
四、多重共线性分析/117
第五节 疼痛敏感性与脑白质神经机制在性别间的差异/ 118
一、问题/118
二、数据/118
三、耐受阈限模型/121
四、模型残差的分析/ 122
五、模型的调整/124
六、结论/126
第六章 图像与机器学习/127
第一节 模型的评估方法/ 129
一、留出法/129
二、交叉验证法/130
三、自助法/131
第二节 常用的机器学习算法/ 133
一、Logistic 回归/133
二、支持向量机/137
三、MATLAB 示例/140
第三节 模型的性能度量/ 143
一、回归模型的评估指标/143
二、分类模型的评估指标/144
第四节 术前MRI 预测子宫内膜癌患者淋巴血管间隙侵犯研究 / 146
一、问题/146
二、数据/146
三、模型构建与性能度量/147
四、结果展示/147
五、讨论与分析/148
参考文献/149
索引/150
内容摘要
1.本书首先介绍MATLAB语言与医学图像数据格式，主要叙述MATLAB语言表示法的基本知识和求解医学图像处理问题的软件环境。2.进而介绍医学图像特征的常用特征指标，主要让学生掌握基于MATLAB语言的数学测度计算方法及其所表达的图像意义。3.继之介绍图像特征分析中的参数估计与假设检验，系统介绍针对医学特征的基本统计学方法。4.进一步介绍图像分析中常用的相关与线性回归分析方法，让学生掌握如何从大量图像特征中提取与疾病关联最大的指标。5.最后介绍医学图像中的机器学习方法，让学生初步学习如何完成对海量影像数据信息进行更深层次的挖掘、预测和分析工作。6.本教材的内容编写着重关联“MATLAB语言”“数学测量”“医学图像知识”，教材中所涉及的数学知识点都用MATLAB语言编程实现。7.在应用举例中，为避免涉及过深的医学术语，在语言方面尽可能做到通俗易懂，目的是让学生明确不同数学知识与医学图像所蕴含疾病信息的关系，便于学生学习和应用。8.为方便教师授课和学生自学，本书同时配有PPT、各章节重难点讲解视频微课、习题等数字内容。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价