新書推薦：
《
以远见超越未见：当今时代的教育、文化与未来
》
售價：NT$
305.0
《
金庸江湖的另一面
》
售價：NT$
301.0
《
乘风而上（美依礼芽中文自传）
》
售價：NT$
398.0
《
要有光
》
售價：NT$
352.0
《
广雅·法史万象：中国传统法律文化撷英（通过礼与法、情与法的关系，展现法律史背后的文化史。）
》
售價：NT$
403.0
《
梁启超：维新1873—1898
》
售價：NT$
449.0
《
无路之路
》
售價：NT$
305.0
《
暗黑历史书系·古代战争史
》
售價：NT$
500.0
|
| 內容簡介： |
|
本书针对目前青少年特发性脊柱侧凸临床医学影像评估中存在的问题，提出了关于脊柱正位相X线图像分割、关键点检测、特征提取、分类、三维重建、病例模型生成的方法，介绍如何通过人工智能技术实现对脊柱侧凸计算机辅助评估，从而提高对脊柱侧凸评估的准确度、客观度和可靠性。全书分为6章：第1章概述了青少年特发性脊柱侧凸的医学影像评估方法及其存在问题，以及应用人工智能技术进行计算机辅助评估的意义；第2章介绍基于深度学习的脊柱X线图像Cobb角自动测量方法，包括基于U-Net 模型的椎体分割方法；第3章介绍基于深度学习的脊柱X线图像椎体旋转度自动测量方法，包括基于HRNet模型进行多任务学习的椎体关键点检测和椎弓根影分割方法；第4章介绍基于深度学习的骨盆X线图像Risser征自动分级方法，包括基于Swin Transformer模型的髂骨区域特征提取方法；第5章介绍基于深度学习的脊柱正位相X线图像三维重建方法；第6章介绍基于变分自编码器的脊柱侧凸病例模型生成方法。各章方法均已在Python开发环境下编程实现，读者可以登录华信教育资源网下载这些程序代码。
|
| 關於作者： |
|
张俊华博士，云南大学信息学院教授、博导，云南省中青年学术和技术带头人，主要从事医学影像处理和分析方向的研究工作。主持多项国家自然科学基金项目，曾获云南省自然科学奖三等奖。
|
| 目錄：
|
第1章 青少年特发性脊柱侧凸医学影像评估基本方法
1.1 脊柱的功能结构
1.2 青少年特发性脊柱侧凸及其医学成像方法
1.2.1 青少年特发性脊柱侧凸
1.2.2 脊柱侧凸医学成像方法
1.3 青少年特发性脊柱侧凸X线成像医学评估方法及其存在问题
1.4 人工智能技术在医学影像评估中的应用
1.4.1 深度学习在医学影像处理任务中的应用
1.4.2 深度学习在医学影像评估中的优势
1.4.3 深度学习在医学影像评估实践中的挑战
第2章 脊柱X线图像Cobb角自动测量
2.1 Cobb角计算机辅助测量方法研究现状
2.1.1 基于传统图像处理的Cobb角计算机辅助测量方法研究进展
2.1.2 基于深度学习的Cobb角计算机辅助测量方法研究进展
2.2 神经网络模型 D DU-Net模型
2.2.1 卷积神经网络（CNN）
2.2.2 U-Net模型
2.3 改进的U-Net脊柱图像分割网络
2.3.1 改进的U-Net分割网络结构
2.3.2 多尺度卷积的Inception模块
2.3.3 残差模块
2.3.4 卷积块注意力模块（CBAM）
2.3.5 脊柱X线图像椎体分割结果及其评估
2.4 Cobb角自动测量及实验结果评估
2.4.1 Cobb角自动测量
2.4.2 Cobb角测量结果评估
2.5 本章小结
第3章 脊柱X线图像椎体旋转度自动测量
3.1 椎体旋转度计算机辅助测量方法研究现状
3.2 神经网络模型 D DHRNet模型
3.3 基于多任务学习的椎体关键点检测和椎弓根影分割
3.3.1 基于多任务学习的特征提取模块
3.3.2 CoordConv层和PSA机制
3.3.3 解码层
3.3.4 脊柱X线图像椎体关键点检测和椎弓根影分割结果及评估
3.4 椎体旋转度自动测量及实验结果评估
3.4.1 椎体旋转度自动测量方法
3.4.2 椎体旋转度自动测量结果及其评估
3.5 本章小结
第4章 骨盆X线图像Risser征自动分级
4.1 骨骼成熟度计算机辅助评估方法研究现状
4.2 神经网络模型 D DTransformer模型
4.2.1 自注意力机制(Self-Attention)
4.2.2 Transformer模型
4.2.3 Swin Transformer模型
4.3 基于多任务学习的Risser征自动分级
4.3.1 基于Swin-Transformer模型的多任务特征提取
4.3.2 改进的Swin Transformer模块
4.3.3 实施细节
4.3.4 实验结果
4.4 本章小结
第5章 脊柱X线图像三维重建
5.1 脊柱三维重建方法研究现状
5.1.1 传统脊柱三维重建方法
5.1.2 基于深度学习的脊柱三维重建方法
5.1.3 单视图三维重建
5.2 网络结构设计
5.2.1 网络总体结构
5.2.2 小波变换特征提取模块
5.2.3 维度变换模块
5.2.4 特征融合模块
5.2.5 损失函数
5.3 实验设置
5.3.1 数据集
5.3.2 评价指标
5.3.3 实验细节
5.4 实验结果和分析
5.4.1 对比实验
5.4.2 消融实验
5.4.3 泛化性能实验
5.5 本章小结
第6章 脊柱侧凸病例模型生成方法
6.1 医学模型生成方法研究现状
6.1.1 传统生成方法
6.1.2 深度学习生成方法
6.2 变分自编码器
6.3 腰椎生成网络设计
6.3.1 生成网络总体结构
6.3.2 空间坐标注意力模块
6.3.3 损失函数
6.3.4 噪声层
6.4 实验和结果分析
6.4.1 数据集和参数设置
6.4.2 评价指标
6.4.3 腰椎重建实验
6.4.4 腰椎生成实验
6.5 本章小结
参考文献
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
