新書推薦：
《
量子网络的构建与应用
》
售價：HK$
112.7
《
拍电影的热知识：126部影片里的创作技巧（全彩插图版）
》
售價：HK$
112.7
《
大唐名城：长安风华冠天下
》
售價：HK$
89.7
《
情绪传染（当代西方社会心理学名著译丛）
》
售價：HK$
90.9
《
中国年画 1950-1990 THE NEW CHINA: NEW YEAR PICTURE 英文版
》
售價：HK$
236.0
《
革命与反革命：社会文化视野下的民国政治（近世中国丛书）
》
售價：HK$
93.2
《
画楼：《北洋画报》忆旧（年轮丛书）
》
售價：HK$
337.5
《
大国脊梁：漫画版
》
售價：HK$
80.2
|
| 編輯推薦： |
肺癌是在全世界人口中发病率与死亡率占比高且增长速度快的恶性肿瘤疾病之一，它给人类健康带来了极大的威胁。早期筛查中，肺癌在医学影像上的主要病症之一是肺结节，所以肺结节检测分析是预防肺癌的有效途径。
本书进行了肺结节检测的自动化研究，观察到基于卷积神经网络的方法在目标检测任务中被广泛使用，尤其是深度网络方法可有效地获取医学图像中的多重复杂特征，提高检测精度，为结节检测领域提供了新的方向。
|
| 內容簡介： |
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。
|
| 目錄：
|
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
|
| 內容試閱：
|
肺癌是在全世界人口中发病率与病死率占比，且增长速度快的恶性肿瘤之一，给人类健康带来了极大的威胁。由于患者在肺癌初期时的表现不明显，当患者出现呼吸困难、长期咳嗽等症状并确诊时，往往已经属于晚期，因此对肺癌的预防、早期筛查及早期诊断尤为重要。早期筛查中，肺癌在影像上的主要表现之一是肺结节，所以肺结节检测分析是预防肺癌的有效途径之一。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，观察到基于卷积神经网络的方法在目标检测任务中被广泛使用，尤其是深度网络方法可有效地获取医学图像中的多重复杂特征，提高检测精度，为结节检测领域提供了新的方向。在编写方针上，本书从科研的角度出发，注重理论性、使用性、系统性和前瞻性。参考了许多的有关文献，同时也结合了作者多年来在该领域的研究成果。部分成果在国内外重要学术期刊和学术会议上已成功发表。本书内容具有创新性和时效性，兼具理论价值和应用价值。目前，在该领域缺乏深度卷积网络创新设计与肺结节检测的学术专著，而广大相关领域的科研工作者和工程技术人员迫切需要了解本领域的前沿发展，以满足科研和工程的需要。
在内容选取上，本书围绕肺结节检测和深度卷积网络理论与设计两个中心，覆盖了基于不同的深度学习理论和方法，进行面向肺结节检测的深度网络创新设计和试验分析。全书共分8章。
第1～2章介绍肺结节检测的背景和发展现状，肺结节检测方法的基本原理和经典方法；概述深度卷积神经网络的基本原理。
第3章回顾和分析当前主流的目标检测算法，U-Net网络的编码-解码-跳跃连接结构，根据结节的医学影像特点对传统U-Net进行框架构建，提出了R2U-Net网络结构并应用于肺结节检测。
第4章分析R2U-Net 的优点和缺点，为了解决R2U-Net网络泛化性强但鲁棒性不足的缺点，增强其对复杂结节特征的学习能力，提出了以R2U-Net为网络骨干，构建一个新型的多流多尺度融合卷积神经网络MS2U-Net，使网络模型的表现更加稳定，从而更精准地检测肺结节。
第5章分析介绍深度学习中的注意力机制和多尺度特征金字塔的原理，并分别在此基础上提出了两种深度卷积模型U-SENet和MFDM，并成功应用于肺结节的候选检测。
第6章介绍全卷积深度神经网络的原理以及其在目标检测当中的应用，提出了FC-C3D肺结节检测模型。
第7章引入多模型检测融合的机制，达到提升检测效果的目的。本章融合了三个主流的分类模型，即Conv3DNet、Inception3DNet和RD3DNet，分析了不同融合机制下的检测效果。
第8章主要介绍基于肺结节检测任务的CAD系统的设计与实现过程，包括开发需求分析，系统软件的结构和功能设计，展示了系统软件的整体功能框架和性能测试。
本书研究了深度卷积神经网络理论和结构设计及其在肺结节检测中的应用，书中许多内容是作者及其团队的研究成果。借本书出版之际，要特别感谢深圳大学电子与信息工程学院的曹文明教授。本书作者在他的指导下进行了相关的研究，取得了大量的成果。还要感谢黄甜甜、杨淇和吴蕊对本书的编写提供了大量的内容和素材，以及钟建奇、蓝旭佳、何玉鹏等对文稿编辑整理排版方面的大力帮助。
本书得到了国家自然科学基金 (No. 61971290， 61871186，61771322)，深圳市基础研究项目(JCYJ20190808160815125)的资助，在此一并表示感谢。
本书疏漏与不足之处在所难免，恳请广大专家与学者批评指正。
何志权 曹桂涛
2021年7月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
