医学影像–人工智能、图像识别和机器学习技术

《医学影像——人工智能、图像识别和机器学习技术（中文翻译版）》深人介绍了人工智能、图像识别和机器学习等方法在医学方面的应用，尤其是与医学影像相关的图像分割、标记与处理、计算机辅助诊断系统的研究与应用，以及疾病的识别与鉴别诊断等方面的知识体系，旨在将医学成像领域先进的医工交叉融合技术提供给读者。《医学影像——人工智能、图像识别和机器学习技术（中文翻译版）》共10章，分别从结核病、人工智能在泌尿系统的应用等不同的应用视角进行论述，涉及工学的技术方法、临床应用概况与前景，同时介绍了相应领域的研究进展和发展趋势，具有实用性、科学性和前沿性。

目录
第1章 用于改进胸部X线片结核检测的一种新型堆叠集成模型 1
1.1 引言 1
1.2 材料与方法 5
1.3 结果与讨论 11
1.4 结论与展望 17
第2章 人工智能在医学影像中的作用：普通放射学和泌尿系统造影 18
2.1 人工智能 18
2.2 医学中的人工智能 19
2.3 放射学中的人工智能 20
2.4 在泌尿外科中的应用 25
2.5 利与弊 26
2.6 未来考虑 26
第3章 基于头皮脑电信号的癫痫发作早期检测 27
3.1 引言 27
3.2 脑电图 28
3.3 脑电信号处理 29
3.4 结果与讨论 34
3.5 结论与展望 37
第4章 非小细胞肺癌组织学分类的分形分析 39
4.1 引言 39
4.2 方法 40
4.3 结论 46
第5章 基于多特征的膝关节骨关节炎X线图像的分类 47
5.1 引言 47
5.2 骨关节炎的原因 47
5.3 膝关节骨关节炎程度 47
5.4 拟定工作 48
5.5 文献调查 49
5.6 拟议方法学 51
5.7 基于纹理分析的特征提取法 56
5.8 结论 61
第6章 非增殖性糖尿病视网膜病变的检测和分类 62
6.1 引言 62
6.2 方法 62
6.3 微动脉瘤的检测 64
6.4 出血的检测 64
6.5 渗出物的检测 65
6.6 视网膜血管的提取 65
6.7 实验工作 68
6.8 结论 90
第7章 CT图像分割与分析在骨折检测及标记中的应用 91
7.1 引言 91
4.2 方法 40
4.3 结论 46
第5章 基于多特征的膝关节骨关节炎X线图像的分类 47
5.1 引言 47
5.2 骨关节炎的原因 47
5.3 膝关节骨关节炎程度 47
5.4 拟定工作 48
5.5 文献调查 49
5.6 拟议方法学 51
5.7 基于纹理分析的特征提取法 56
5.8 结论 61
第6章 非增殖性糖尿病视网膜病变的检测和分类 62
6.1 引言 62
6.2 方法 62
6.3 微动脉瘤的检测 64
6.4 出血的检测 64
6.5 渗出物的检测 65
6.6 视网膜血管的提取 65
6.7 实验工作 68
6.8 结论 90
第7章 CT图像分割与分析在骨折检测及标记中的应用 91
7.1 引言 91
9.2 全玻片成像的起源 126
9.3 病理成像数字化 127
9.4 病理成像的计算机分析 129
9.5 基础设施管理 131
9.6 计算机病理医学影像的研究 133
9.7 结论 135
第10章 病理医学图像分割：基于参数化技术的快速回顾 136
10.1 引言 136
10.2 医学图像分割技术 140
10.3 研究与对话 148
10.4 医学图像分割方法与实验分析方法的比较 149
10.5 结论 151
参考文献（扫描封底二维码查看）