智能醫(yī)療影像技術

第1篇 概念篇
第1章 緒論 2
1.1 智慧醫(yī)療的概念 3
1.1.1 什么是智慧醫(yī)療 3
1.1.2 為什么需要智慧醫(yī)療 5
1.1.3 智慧醫(yī)療簡史 6
1.1.4 智慧醫(yī)療發(fā)展愿景 8
1.2 人工智能與醫(yī)學影像診斷 11
1.2.1 醫(yī)學影像研究方法 11
1.2.2 人工智能醫(yī)學診斷的方式 14
1.2.3 人工智能技術對醫(yī)學影像的影響 15
1.2.4 人工智能技術在醫(yī)學影像領域的應用 17
1.3 深度學習醫(yī)學影像應用 21
1.4 用于醫(yī)學影像的其他人工智能算法 24
本章小結 26
習題1 26
第2章 編程基礎 27
2.1 Python語言 28
2.1.1 Python語言簡介 28
2.1.2 Python內置函數與標準庫 28
2.2 Python中的NumPy 31
2.2.1 多維數組 32
2.2.2 隨機數組 34
2.3 Python中的Matplotlib 35
2.3.1 創(chuàng)建線形圖 35
2.3.2 創(chuàng)建其他圖 38
2.4 PyTorch基礎 41
2.4.1 PyTorch中的Tensor 41
2.4.2 搭建一個簡易神經網絡 47
2.4.3 自動梯度 49
2.4.4 模型搭建和參數優(yōu)化 50
本章小結 57
習題2 57
第3章 醫(yī)學影像處理 58
3.1 醫(yī)學影像基礎 59
3.1.1 圖像像素、空間分辨率和亮度分辨率 59
3.1.2 數字圖像類型 60
3.1.3 圖像文件格式 61
3.2 醫(yī)學影像類別 63
3.2.1 X射線圖像 63
3.2.2 CT圖像 65
3.2.3 MRI圖像 67
3.2.4 超聲圖像 70
3.2.5 核素圖像 71
3.2.6 OCTA圖像 74
3.3 醫(yī)學影像基本處理技術 75
3.3.1 醫(yī)學影像的幾何變換 75
3.3.2 醫(yī)學影像的分割 77
3.3.3 醫(yī)學影像的直方圖增強 81
本章小結 85
習題3 86
第4章 卷積神經網絡 88
4.1 卷積神經網絡的組成 89
4.1.1 卷積層 89
4.1.2 池化層 90
4.1.3 激活函數 90
4.1.4 損失函數 93
4.2 經典的卷積神經網絡 94
4.2.1 LeNet 94
4.2.2 AlexNet 95
4.2.3 VGGNet 96
4.2.4 GoogLeNet 98
4.2.5 ResNet 101
4.2.6 Xception 102
4.3 評價指標 103
4.3.1 錯誤率與準確率 103
4.3.2 查準率、查全率與F1分數 104
4.3.3 ROC與AUC 105
4.3.4 代價敏感錯誤率和代價曲線 107
本章小結 108
習題4 108

第2篇 實際應用篇
第5章 常見的醫(yī)學影像任務 112
5.1 疾病診斷 113
5.1.1 常見的疾病診斷任務 113
5.1.2 常用的疾病診斷方法 115
5.2 醫(yī)學影像檢測 119
5.2.1 常見的醫(yī)學影像檢測任務 119
5.2.2 常用的醫(yī)學影像檢測方法 121
5.2.3 常用的醫(yī)學影像檢測性能指標 123
5.3 醫(yī)學影像分割 124
5.3.1 常見的醫(yī)學影像分割任務 124
5.3.2 常用的醫(yī)學影像分割方法 125
5.3.3 常用的醫(yī)學影像分割性能指標 131
本章小結 132
習題5 132
第3篇 案例篇
第6章 乳腺超聲影像腫瘤良惡性診斷 136
6.1 案例介紹 137
6.1.1 乳腺癌的危害 137
6.1.2 乳腺超聲影像的優(yōu)勢與缺陷 137
6.1.3 乳腺癌診斷方式 138
6.1.4 乳腺癌診斷的發(fā)展 139
6.2 高質量乳腺超聲影像數據集 140
6.2.1 乳腺超聲影像 140
6.2.2 超聲影像標注 141
6.2.3 含噪聲的超聲影像恢復方法 142
6.2.4 數據集的構成分析 145
6.3 腫瘤良惡性診斷模型搭建 145
6.3.1 模型設計 145
6.3.2 算法實現(xiàn) 147
6.4 實驗結果評價 154
本章小結 156
習題6 156
第7章 超聲影像乳腺腫瘤檢測 157
7.1 目標檢測算法介紹 158
7.1.1 Faster R-CNN算法 158
7.1.2 SSD算法 160
7.1.3 YOLOV3算法 161
7.1.4 CornerNet算法 163
7.2 檢測數據集制作流程（Pascal VOC格式） 165
7.2.1 Pascal VOC格式 165
7.2.2 數據集制作流程 170
7.3 評價指標與實現(xiàn)方法 171
7.4 乳腺腫瘤檢測實驗結果與分析 173
本章小結 178
習題7 179
第8章 基于OCTA圖像的糖尿病診斷分析 180
8.1 案例介紹 181
8.2 OCTA數據介紹 181
8.2.1 OCTA圖像介紹 181
8.2.2 數據集下載 183
8.2.3 數據預處理 183
8.3 OCTA糖尿病診斷算法 186
8.3.1 模型搭建 186
8.3.2 模型訓練 195
8.4 OCTA糖尿病案例評價 197
本章小結 199
習題8 199
第9章 基于胸部CT的肺部疾病智能診斷 200
9.1 多種肺部疾病的影像學表現(xiàn) 201
9.2 案例介紹 210
9.3 建立肺CT醫(yī)學影像數據集 211
9.3.1 數據采集 211
9.3.2 實驗數據集的劃分 213
9.3.3 病灶標注數據集的制作 214
9.3.4 讀取數據集腳本的編寫 215
9.4 肺CT醫(yī)學影像分類網絡的搭建 215
9.4.1 實驗環(huán)境 215
9.4.2 模型搭建 216
9.4.3 神經網絡訓練驗證 219
9.5 肺CT醫(yī)學影像病灶識別網絡 220
9.5.1 Faster R-CNN網絡原理 220
9.5.2 Faster R-CNN框架搭建 224
9.6 實驗結果評價 224
本章小結 229
習題9 229
參考文獻 230