基于PET-CT的肺癌早期計(jì)算機(jī)輔助診斷技術(shù)

定　價(jià)：￥32.00

作　者：	趙涓涓
出版社：	國(guó)防工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買這本書(shū)可以去

ISBN：	9787118101539	出版時(shí)間：	2015-05-01	包裝：
開(kāi)本：	32開(kāi)	頁(yè)數(shù)：	128	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《基于PET-CT的肺癌早期計(jì)算機(jī)輔助診斷技術(shù)》融合當(dāng)前醫(yī)學(xué)圖像處理、計(jì)算機(jī)輔助診斷技術(shù)的發(fā)展和作者科研實(shí)踐的研究成果，詳細(xì)描述了基于PET—CT的肺癌早期計(jì)算機(jī)輔助診斷技術(shù)的幾個(gè)關(guān)鍵部分。分別從肺部影像計(jì)算機(jī)去噪算法，PET—CT醫(yī)學(xué)圖像去噪方法，多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)和融合方法，肺結(jié)節(jié)計(jì)算機(jī)輔助診斷特征選擇方法，以及肺部結(jié)節(jié)良、惡性的分類方法和預(yù)測(cè)模型等方面進(jìn)行了描述，詳細(xì)介紹了各個(gè)方面的算法描述、實(shí)驗(yàn)結(jié)果和結(jié)果分析，力求向讀者展示出對(duì)PET—CT的肺癌早期計(jì)算機(jī)輔助診斷相關(guān)技術(shù)的新研究動(dòng)態(tài)，希望能為從事相關(guān)研究的廣大讀者提供參考，能對(duì)醫(yī)學(xué)圖像處理、計(jì)算機(jī)輔助診斷技術(shù)的發(fā)展起到推動(dòng)作用。書(shū)中參考文獻(xiàn)所列作者發(fā)表的科研論文也可作為《基于PET-CT的肺癌早期計(jì)算機(jī)輔助診斷技術(shù)》的擴(kuò)展閱讀?！痘赑ET-CT的肺癌早期計(jì)算機(jī)輔助診斷技術(shù)》可作為高等院校醫(yī)學(xué)圖像處理、計(jì)算機(jī)輔助診斷及相關(guān)專業(yè)的教材，也可供專門(mén)從事醫(yī)學(xué)圖像處理、計(jì)算機(jī)輔助診斷的科研和應(yīng)用人員學(xué)習(xí)參考。

作者簡(jiǎn)介

暫缺《基于PET-CT的肺癌早期計(jì)算機(jī)輔助診斷技術(shù)》作者簡(jiǎn)介

圖書(shū)目錄

第1章緒論
1.1 醫(yī)學(xué)影像研究
1.2 計(jì)算機(jī)輔助診斷
1.3 基于PET—cT的肺癌早期計(jì)算機(jī)輔助診斷
1.4 本書(shū)的結(jié)構(gòu)
第2章 PET—CT醫(yī)學(xué)圖像去噪
2.1 傳統(tǒng)圖像去噪方法及其缺點(diǎn)
2.1.1 中值濾波
2.1.2 均值濾波
2.1.3 小波濾波
2.1.4 傳統(tǒng)去噪方法的實(shí)驗(yàn)效果
2.2 基于非局部平均方法的圖像去噪
2.2.1 基于片相似性的非局部圖像去噪
2.2.2 改進(jìn)的各向異性擴(kuò)散模型的醫(yī)學(xué)去噪
2.3 基于非局部平均方法的PET圖像去噪
2.3.1 非局部平均方法
2.3.2 非局部平均方法的改進(jìn)
2.3.3 實(shí)驗(yàn)及結(jié)果分析
2.4 基于灰色關(guān)聯(lián)分析和GM模型的醫(yī)學(xué)圖像去噪
2.4.1 噪聲點(diǎn)的檢測(cè)
2.4.2 去噪處理
2.4.3 實(shí)驗(yàn)及結(jié)果分析
第3章肺部PET-CT圖像的分割
3.1 傳統(tǒng)醫(yī)學(xué)圖像分割方法
3.1.1 分水嶺圖像分割
3.1.2 基于區(qū)域增長(zhǎng)的圖像分割
3.1.3 閾值分割
3.2 結(jié)合區(qū)域增長(zhǎng)的多尺度分水嶺分割
3.2.1 方法概述
3.2.2 實(shí)驗(yàn)結(jié)果
3.2.3 結(jié)果分析
3.3 基于分層模板的分水嶺圖像分割
3.3.1 方法概述
3.3.2 實(shí)驗(yàn)結(jié)果
3.3.3 結(jié)果分析
3.4 基于suV閾值和區(qū)域增長(zhǎng)的圖像分割
3.4.1 方法概述
3.4.2 實(shí)驗(yàn)結(jié)果
3.4.3 結(jié)果分析
3.5 基于左右掃描和四角旋轉(zhuǎn)掃描尋找種子點(diǎn)的區(qū)域生長(zhǎng)肺分割算法
3.5.1 方法概述
3.5.2 實(shí)驗(yàn)結(jié)果
3.5.3 結(jié)果分析
3.6 基于滾球法的肺實(shí)質(zhì)分割方法
3.6.1 方法概述
3.6.2 實(shí)驗(yàn)結(jié)果
3.6.3 結(jié)果分析
3.7 基于PET-CT的活動(dòng)輪廓模型的圖像分割
3.7.1 方法概述
3.7.2 實(shí)驗(yàn)結(jié)果
3.7.3 結(jié)果分析
第4章 PET一CT醫(yī)學(xué)圖像的配準(zhǔn)和融合
4.1 醫(yī)學(xué)圖像配準(zhǔn)
4.1.1 圖像配準(zhǔn)的定義
4.1.2 醫(yī)學(xué)圖像配準(zhǔn)流程及框架
4.1.3 醫(yī)學(xué)圖像配準(zhǔn)分類
4.2 基于互信息的圖像配準(zhǔn)
4.2.1 互信息配準(zhǔn)
4.3 改進(jìn)的基于互信息的圖像配準(zhǔn)
4.3.1 改進(jìn)的互信息方法描述
4.3.2 實(shí)驗(yàn)及結(jié)果分析
4.4 醫(yī)學(xué)圖像融合
4.4.1 醫(yī)學(xué)圖像融合方法
4.4.2 醫(yī)學(xué)圖像融合規(guī)則
4.4.3 圖像融合的評(píng)價(jià)方法
4.5 基于多尺度的醫(yī)學(xué)圖像融合
4.5.1 基于多尺度的醫(yī)學(xué)圖像融合方法
4.5.2 實(shí)驗(yàn)及結(jié)果分析
第5章肺結(jié)節(jié)診斷模型的特征選擇
5.1 肺結(jié)節(jié)診斷模型中特征選擇概述
5.2 構(gòu)建孤立性肺結(jié)節(jié)特征集
5.3 基于聯(lián)合互信息的特征選擇算法
5.3.1 基于聯(lián)合互信息的特征選擇算法設(shè)計(jì)
5.3.2 實(shí)驗(yàn)及結(jié)果分析
第6章肺結(jié)節(jié)良性、惡性分類
6.1 傳統(tǒng)的SVM、FSVM分類方法
6.1.1 SVM分類方法
6.1.2 FSVM分類方法
6.2 SVM優(yōu)化
6.2.1 粒子群算法
6.2.2 粒子群算法優(yōu)化支持向量機(jī)
6.2.3 實(shí)驗(yàn)及結(jié)果分析
6.3 DFSVM分類及其應(yīng)用
6.3.1 DFSVM方法
6.3.2 實(shí)驗(yàn)及結(jié)果分析
第7章肺結(jié)節(jié)良性、惡性預(yù)測(cè)模型
7.1 醫(yī)學(xué)診斷模型概述
7.2 基于Logistic分析的預(yù)測(cè)模型
7.2.1 統(tǒng)計(jì)學(xué)分析方法
7.2.2 結(jié)節(jié)征象單因素和多因素分析
7.2.3 預(yù)測(cè)模型的建立
7.3 實(shí)驗(yàn)與分析
7.3.1 實(shí)驗(yàn)數(shù)據(jù)集
7.3.2 實(shí)驗(yàn)對(duì)比與分析
參考文獻(xiàn)