书籍详情
AI医学图像处理（基于Python语言的Dragonfly）
作者：杨慧芳 著
出版社：人民邮电出版社
出版时间：2023-02-01
ISBN：9787115602602
定价：¥99.80
购买这本书可以去
内容简介
这是一本“将人工智能技术运用于医学案例，利用先进技术解决临床问题”的图书。本书使用三维图像专业处理软件Dragonfly（基于Python语言，封装了多个机器学习库）作为具体的实现工具。本书介绍了人工智能与医疗的介绍、医疗领域中的图像处理、医学图像处理的常规流程等内容，并通过6个真实的医学案例展现人工智能技术在医学图像学领域的应用，从医工交叉的角度出发，深入探讨医学图像问题的处理方法，旨在让读者了解如何将人工智能技术切实落地于医学图像学中，帮助其提升运用人工智能技术处理医学图像问题的能力。
作者简介
杨慧芳，北京大学口腔医院口腔生物材料和数字诊疗装备国家工程研究中心、口腔数字化医学研究中心工程师，拥有首都医科大学生物医学工程硕士学位。主要研究方向为口腔数字化医学、医学图像处理等。先后发表文章30余篇，申请发明专利10项（获批2项），曾参与多项国家和省部级科研项目。
目录
第 1章 人工智能与医疗\t1
1．1 人工智能在医疗领域的发展\t1
1．1．1 人工智能在医疗领域的发展史\t1
1．1．2 “人工智能+医疗”行业现状\t6
1．2 人工智能在医疗领域的发展阶段以及具体实现\t9
1．2．1 发展阶段\t9
1．2．2 具体实现\t10
1．3 人工智能在医学图像领域的应用\t14
1．4 人工智能在口腔领域的研究进展\t15
1．5 拓展阅读\t17
第 2章 医疗领域中的图像处理\t19
2．1 医疗领域的图像处理技术及其应用\t19
2．2 医学图像处理案例\t20
2．3 医学图像处理的常用软件\t21
2．3．1 ImageJ\t21
2．3．2 MATLAB\t22
2．3．3 VTK\t22
2．3．4 MIPAR\t23
2．3．5 Dragonfly\t24
2．3．6 OpenCV\t24
2．3．7 Mimics\t24
2．3．8 Amira\t25
2．4 拓展阅读\t25
第3章 医学图像处理的常规流程\t27
3．1 图像获取\t27
3．1．1 医学图像的获取方式\t27
3．1．2 医学图像的存储格式\t28
3．1．3 医学图像的处理和分析\t28
3．2 图像预处理\t29
3．2．1 坐标系的定义\t29
3．2．2 空间坐标变换\t30
3．2．3 图像灰度值归一化\t31
3．3 图像标注\t31
3．3．1 图像标注的定义\t31
3．3．2 图像标注软件\t32
3．4 数据增强\t32
3．4．1 数据增强的定义\t33
3．4．2 图像数据增强\t33
3．5 图像分割\t35
3．5．1 图像分割的定义\t35
3．5．2 常用的经典图像分割方法\t36
3．5．3 常用的基于深度学习的图像分割技术\t37
3．6 图像配准\t40
3．6．1 图像配准的定义\t40
3．6．2 图像配准的类型\t41
3．6．3 图像配准中的对象分类\t41
3．6．4 图像配准的方法\t42
3．7 图像融合\t42
3．8 三维重建及数据导出\t43
3．8．1 三维重建\t43
3．8．2 数据导出\t43
3．9 数据分析\t43
3．9．1 特征提取：构建影像特征知识库\t43
3．9．2 CT中骨组织的影像特征分析\t43
3．9．3 MRI中软组织的影像特征分析\t44
3．9．4 构建相应的疾病预测模型\t44
3．9．5 结构化报告生成\t44
3．10 拓展阅读\t44
第4章 医学图像处理软件Dragonfly\t45
4．1 Dragonfly概述\t45
4．1．1 软件概述\t46
4．1．2 软件下载与安装环境要求\t47
4．1．3 Dragonfly的优势\t48
4．2 Dragonfly界面及其主要功能\t50
4．2．1 Dragonfly界面\t50
4．2．2 Dragonfly的主要功能\t53
4．3 Dragonfly的拓展模块\t60
4．3．1 Macro Player\t60
4．3．2 Macro Builder\t61
4．3．3 Infinite Toolbox\t62
4．3．4 Python Console\t63
4．4 Dragonfly的应用模块\t64
4．4．1 骨骼分析模块\t64
4．4．2 连通单元分析模块\t65
4．4．3 CT重建模块\t66
4．4．4 人工智能模块\t66
4．5 Dragonfly的工作流程\t68
4．5．1 Dragonfly的一般工作流程\t68
4．5．2 工作流程中的重要步骤\t69
第5章 语义分割——口腔CBCT图像中牙齿和牙髓及周边组织的分割\t77
5．1 图像导入\t77
5．2 图像预处理\t78
5．2．1 空间坐标系校正\t79
5．2．2 灰度值归一化\t80
5．3 图像标注\t82
5．3．1 选择Frame\t82
5．3．2 确定分类\t84
5．3．3 ROI标注\t85
5．4 模型生成\t88
5．5 数据增强\t90
5．6 神经网络训练\t91
5．7 应用网络 \t93
5．8 总结与思考\t97
第6章 三维建模——肺血管和气管分割\t99
6．1 图像导入\t99
6．2 图像标注\t99
6．3 训练模型\t104
6．4 结果分析\t105
6．5 总结与思考\t106
第7章 图像配准——口腔术前和术后数据的配准应用\t109
7．1 图像导入\t109
7．2 图像预处理（三维空间坐标系校正）\t109
7．3 图像配准\t111
7．3．1 手动图像配准\t111
7．3．2 自动图像配准\t113
7．4 总结与思考\t116
第8章 分割与特征提取——骨组织的形态学分析\t117
8．1 骨的背景知识\t117
8．2 Dragonfly中Bone Analysis模块的操作流程\t118
8．3 骨的测量参数\t119
8．3．1 骨分析的通用参数\t119
8．3．2 骨小梁分析的参数\t121
8．3．3 皮质骨分析的参数\t122
8．4 图像导入\t124
8．5 图像预处理与骨分割\t125
8．6 Dragonfly软件中的Bone Analysis模块\t130
8．7 各向异性的计算原理\t136
8．8 单层测量\t138
8．9 总结与思考\t139
第9章 特征计算及分析——医用材料方面的应用\t143
9．1 图像导入\t143
9．2 图像可视化\t144
9．3 阈值分割、注释和测量\t145
9．4 分水岭分割\t146
9．5 量化分析\t153
9．6 总结与思考\t156
第 10章 目标检测——腹部CT肾脏区域的标注\t157
10．1 图像导入\t157
10．2 图像标注\t157
10．3 生成YOLOv3模型\t159
10．4 训练YOLOv3模型\t160
10．5 应用YOLOv3模型\t162
10．6 总结与思考\t163
第 11章 未来展望\t165
11．1 人工智能在医学领域的发展现状及趋势\t165
11．2 人工智能在骨科领域的发展现状及趋势\t166
11．3 人工智能在口腔领域的发展现状及趋势\t167
11．4 拓展阅读\t168
1．1 人工智能在医疗领域的发展\t1
1．1．1 人工智能在医疗领域的发展史\t1
1．1．2 “人工智能+医疗”行业现状\t6
1．2 人工智能在医疗领域的发展阶段以及具体实现\t9
1．2．1 发展阶段\t9
1．2．2 具体实现\t10
1．3 人工智能在医学图像领域的应用\t14
1．4 人工智能在口腔领域的研究进展\t15
1．5 拓展阅读\t17
第 2章 医疗领域中的图像处理\t19
2．1 医疗领域的图像处理技术及其应用\t19
2．2 医学图像处理案例\t20
2．3 医学图像处理的常用软件\t21
2．3．1 ImageJ\t21
2．3．2 MATLAB\t22
2．3．3 VTK\t22
2．3．4 MIPAR\t23
2．3．5 Dragonfly\t24
2．3．6 OpenCV\t24
2．3．7 Mimics\t24
2．3．8 Amira\t25
2．4 拓展阅读\t25
第3章 医学图像处理的常规流程\t27
3．1 图像获取\t27
3．1．1 医学图像的获取方式\t27
3．1．2 医学图像的存储格式\t28
3．1．3 医学图像的处理和分析\t28
3．2 图像预处理\t29
3．2．1 坐标系的定义\t29
3．2．2 空间坐标变换\t30
3．2．3 图像灰度值归一化\t31
3．3 图像标注\t31
3．3．1 图像标注的定义\t31
3．3．2 图像标注软件\t32
3．4 数据增强\t32
3．4．1 数据增强的定义\t33
3．4．2 图像数据增强\t33
3．5 图像分割\t35
3．5．1 图像分割的定义\t35
3．5．2 常用的经典图像分割方法\t36
3．5．3 常用的基于深度学习的图像分割技术\t37
3．6 图像配准\t40
3．6．1 图像配准的定义\t40
3．6．2 图像配准的类型\t41
3．6．3 图像配准中的对象分类\t41
3．6．4 图像配准的方法\t42
3．7 图像融合\t42
3．8 三维重建及数据导出\t43
3．8．1 三维重建\t43
3．8．2 数据导出\t43
3．9 数据分析\t43
3．9．1 特征提取：构建影像特征知识库\t43
3．9．2 CT中骨组织的影像特征分析\t43
3．9．3 MRI中软组织的影像特征分析\t44
3．9．4 构建相应的疾病预测模型\t44
3．9．5 结构化报告生成\t44
3．10 拓展阅读\t44
第4章 医学图像处理软件Dragonfly\t45
4．1 Dragonfly概述\t45
4．1．1 软件概述\t46
4．1．2 软件下载与安装环境要求\t47
4．1．3 Dragonfly的优势\t48
4．2 Dragonfly界面及其主要功能\t50
4．2．1 Dragonfly界面\t50
4．2．2 Dragonfly的主要功能\t53
4．3 Dragonfly的拓展模块\t60
4．3．1 Macro Player\t60
4．3．2 Macro Builder\t61
4．3．3 Infinite Toolbox\t62
4．3．4 Python Console\t63
4．4 Dragonfly的应用模块\t64
4．4．1 骨骼分析模块\t64
4．4．2 连通单元分析模块\t65
4．4．3 CT重建模块\t66
4．4．4 人工智能模块\t66
4．5 Dragonfly的工作流程\t68
4．5．1 Dragonfly的一般工作流程\t68
4．5．2 工作流程中的重要步骤\t69
第5章 语义分割——口腔CBCT图像中牙齿和牙髓及周边组织的分割\t77
5．1 图像导入\t77
5．2 图像预处理\t78
5．2．1 空间坐标系校正\t79
5．2．2 灰度值归一化\t80
5．3 图像标注\t82
5．3．1 选择Frame\t82
5．3．2 确定分类\t84
5．3．3 ROI标注\t85
5．4 模型生成\t88
5．5 数据增强\t90
5．6 神经网络训练\t91
5．7 应用网络 \t93
5．8 总结与思考\t97
第6章 三维建模——肺血管和气管分割\t99
6．1 图像导入\t99
6．2 图像标注\t99
6．3 训练模型\t104
6．4 结果分析\t105
6．5 总结与思考\t106
第7章 图像配准——口腔术前和术后数据的配准应用\t109
7．1 图像导入\t109
7．2 图像预处理（三维空间坐标系校正）\t109
7．3 图像配准\t111
7．3．1 手动图像配准\t111
7．3．2 自动图像配准\t113
7．4 总结与思考\t116
第8章 分割与特征提取——骨组织的形态学分析\t117
8．1 骨的背景知识\t117
8．2 Dragonfly中Bone Analysis模块的操作流程\t118
8．3 骨的测量参数\t119
8．3．1 骨分析的通用参数\t119
8．3．2 骨小梁分析的参数\t121
8．3．3 皮质骨分析的参数\t122
8．4 图像导入\t124
8．5 图像预处理与骨分割\t125
8．6 Dragonfly软件中的Bone Analysis模块\t130
8．7 各向异性的计算原理\t136
8．8 单层测量\t138
8．9 总结与思考\t139
第9章 特征计算及分析——医用材料方面的应用\t143
9．1 图像导入\t143
9．2 图像可视化\t144
9．3 阈值分割、注释和测量\t145
9．4 分水岭分割\t146
9．5 量化分析\t153
9．6 总结与思考\t156
第 10章 目标检测——腹部CT肾脏区域的标注\t157
10．1 图像导入\t157
10．2 图像标注\t157
10．3 生成YOLOv3模型\t159
10．4 训练YOLOv3模型\t160
10．5 应用YOLOv3模型\t162
10．6 总结与思考\t163
第 11章 未来展望\t165
11．1 人工智能在医学领域的发展现状及趋势\t165
11．2 人工智能在骨科领域的发展现状及趋势\t166
11．3 人工智能在口腔领域的发展现状及趋势\t167
11．4 拓展阅读\t168
猜您喜欢
