书籍详情
肺结节检测机器视觉技术
作者：何志权，曹桂涛 著
出版社：化学工业出版社
出版时间：2022-01-01
ISBN：9787122400345
定价：¥68.00
购买这本书可以去
内容简介
肺结节检测对肺癌的预防、早期筛查及早期诊断尤为重要，基于肺癌影像上的肺结节检测分析是预防肺癌的有效途径。随着LDCT技术的普及以及人们对自身健康的重视，胸部CT图像数据呈现爆炸式增长，极大地加重了放射科医生的工作负担，同时也增加了病情判断的难度。本书进行了肺结节检测的自动化研究，全面总结深度学习在肺结节检测当中的研究成果，提出了多种有效的创新性的深度学习网络框架和检测思路。 本书适合从事医学图像处理，尤其是基于深度学习的肺结节检测方面研究的学者和科研人员、医学工作者阅读。
作者简介
暂缺《肺结节检测机器视觉技术》作者简介
目录
第1章肺结节检测与深度学习001
1.1肺结节检测的背景与发展现状001
1.2CAD系统研究现状004
1.2.1肺实质分割算法研究005
1.2.2肺结节检测算法研究008
1.3深度卷积神经网络009
1.3.1深度卷积神经网络的发展009
1.3.2卷积神经网络的结构010
参考文献013
第2章肺结节检测原理与技术015
2.1医学影像知识015
2.1.1计算机断层扫描技术015
2.1.2肺结节的医学影像特征018
2.2肺结节检测评价指标020
2.2.1真/假阳性率020
2.2.2竞争性能指标022
2.2.3自由响应操作特性曲线022
2.3深度学习方法与传统检测方法的优劣势023
2.4现有检测技术介绍025
2.4.1多流框架学习025
2.4.2迁移学习026
2.4.3无/半/自监督学习027
2.4.4多任务学习029
2.5常用数据集030
参考文献034
第3章基于目标检测的U-Net构建与肺结节候选检测036
3.1肺实质分割037
3.1.1图像预处理037
3.1.2肺实质初定位039
3.1.3肺实质轮廓修补039
3.1.4灰度值归一化042
3.2数据预处理与增强043
3.2.1图像裁剪043
3.2.2数据增强044
3.3R2U-Net网络构建045
3.3.1U-Net框架修正045
3.3.2ResNet残差单元047
3.3.3RPN网络的anchor机制049
3.3.4R2U-Net网络050
3.4模型性能优化051
3.4.1损失优化051
3.4.2难分类样本挖掘052
3.4.3非极大值抑制053
3.4.4K-折交叉验证054
3.5实验设置与结果分析056
3.5.1实验设置056
3.5.2结果分析056
参考文献061
第4章基于多流多尺度融合的U-Net构建与肺结节候选检测063
4.1R2 U-Net网络框架优化064
4.1.1多尺度输入融合算法064
4.1.2多流输出融合算法065
4.1.3非线性卷积模块066
4.1.4MS2 U-Net网络介绍067
4.2非极大值抑制改进算法068
4.3实验结果与分析069
4.3.1实验设置069
4.3.2结果分析070
参考文献080
第5章注意力机制与特征金字塔与肺结节候选检测082
5.1基于通道-空间注意力机制的网络设计083
5.1.1U-Net网络结构 083
5.1.2U-SENet网络构建085
5.2U-SENet网络应用于候选肺结节检测086
5.2.1数据增强086
5.2.2优化损失函数087
5.2.3通道-空间注意力机制介绍088
5.2.4权重初始化091
5.3特征金字塔网络结构092
5.4特征金字塔网络应用于目标检测095
5.5多尺度3D特征金字塔网络及肺结节检测098
5.6实验结果与分析100
5.6.1U-SENet实验结果与分析101
5.6.2MFDM实验结果与分析102
参考文献104
第6章3D全卷积网络设计与肺结节精检测106
6.13D全卷积网络107
6.1.1C3D网络107
6.1.2FC-C3D网络111
6.2模型性能分析与改进114
6.2.1测试数据114
6.2.2损失函数优化119
6.2.3模型融合121
6.2.4模型训练125
6.3实验结果分析127
6.3.13种实验方法对比127
6.3.2融合方法对比128
6.3.3与其他方法对比131
参考文献133
第7章多模型融合应用于肺结节精检测135
7.1多模型肺结节检测融合135
7.1.1Conv3DNet135
7.1.2Inception3DNet138
7.1.3RD3DNet140
7.1.4损失函数优化143
7.1.5模型融合145
7.2肺结节精检测实验与分析148
7.2.1正负样本平衡148
7.2.2训练过程149
7.2.3实验结果对比与分析150
参考文献155
第8章肺结节CAD检测系统设计156
8.1需求分析156
8.2结构及功能设计157
8.3功能性测试159
8.3.1登录功能测试160
8.3.2读取文件功能与查看原图功能测试161
8.3.3肺部分割显示功能测试161
8.3.4结节检测显示功能测试162
8.3.5结果显示功能测试164
8.3.6诊断意见输入功能164
1.1肺结节检测的背景与发展现状001
1.2CAD系统研究现状004
1.2.1肺实质分割算法研究005
1.2.2肺结节检测算法研究008
1.3深度卷积神经网络009
1.3.1深度卷积神经网络的发展009
1.3.2卷积神经网络的结构010
参考文献013
第2章肺结节检测原理与技术015
2.1医学影像知识015
2.1.1计算机断层扫描技术015
2.1.2肺结节的医学影像特征018
2.2肺结节检测评价指标020
2.2.1真/假阳性率020
2.2.2竞争性能指标022
2.2.3自由响应操作特性曲线022
2.3深度学习方法与传统检测方法的优劣势023
2.4现有检测技术介绍025
2.4.1多流框架学习025
2.4.2迁移学习026
2.4.3无/半/自监督学习027
2.4.4多任务学习029
2.5常用数据集030
参考文献034
第3章基于目标检测的U-Net构建与肺结节候选检测036
3.1肺实质分割037
3.1.1图像预处理037
3.1.2肺实质初定位039
3.1.3肺实质轮廓修补039
3.1.4灰度值归一化042
3.2数据预处理与增强043
3.2.1图像裁剪043
3.2.2数据增强044
3.3R2U-Net网络构建045
3.3.1U-Net框架修正045
3.3.2ResNet残差单元047
3.3.3RPN网络的anchor机制049
3.3.4R2U-Net网络050
3.4模型性能优化051
3.4.1损失优化051
3.4.2难分类样本挖掘052
3.4.3非极大值抑制053
3.4.4K-折交叉验证054
3.5实验设置与结果分析056
3.5.1实验设置056
3.5.2结果分析056
参考文献061
第4章基于多流多尺度融合的U-Net构建与肺结节候选检测063
4.1R2 U-Net网络框架优化064
4.1.1多尺度输入融合算法064
4.1.2多流输出融合算法065
4.1.3非线性卷积模块066
4.1.4MS2 U-Net网络介绍067
4.2非极大值抑制改进算法068
4.3实验结果与分析069
4.3.1实验设置069
4.3.2结果分析070
参考文献080
第5章注意力机制与特征金字塔与肺结节候选检测082
5.1基于通道-空间注意力机制的网络设计083
5.1.1U-Net网络结构 083
5.1.2U-SENet网络构建085
5.2U-SENet网络应用于候选肺结节检测086
5.2.1数据增强086
5.2.2优化损失函数087
5.2.3通道-空间注意力机制介绍088
5.2.4权重初始化091
5.3特征金字塔网络结构092
5.4特征金字塔网络应用于目标检测095
5.5多尺度3D特征金字塔网络及肺结节检测098
5.6实验结果与分析100
5.6.1U-SENet实验结果与分析101
5.6.2MFDM实验结果与分析102
参考文献104
第6章3D全卷积网络设计与肺结节精检测106
6.13D全卷积网络107
6.1.1C3D网络107
6.1.2FC-C3D网络111
6.2模型性能分析与改进114
6.2.1测试数据114
6.2.2损失函数优化119
6.2.3模型融合121
6.2.4模型训练125
6.3实验结果分析127
6.3.13种实验方法对比127
6.3.2融合方法对比128
6.3.3与其他方法对比131
参考文献133
第7章多模型融合应用于肺结节精检测135
7.1多模型肺结节检测融合135
7.1.1Conv3DNet135
7.1.2Inception3DNet138
7.1.3RD3DNet140
7.1.4损失函数优化143
7.1.5模型融合145
7.2肺结节精检测实验与分析148
7.2.1正负样本平衡148
7.2.2训练过程149
7.2.3实验结果对比与分析150
参考文献155
第8章肺结节CAD检测系统设计156
8.1需求分析156
8.2结构及功能设计157
8.3功能性测试159
8.3.1登录功能测试160
8.3.2读取文件功能与查看原图功能测试161
8.3.3肺部分割显示功能测试161
8.3.4结节检测显示功能测试162
8.3.5结果显示功能测试164
8.3.6诊断意见输入功能164
猜您喜欢
