AI医学图像处理（基于Python语言的Dragonfly）
出版时间:
2023-02
版次:
1
ISBN:
9787115602602
定价:
99.80
装帧:
平装
开本:
其他
纸张:
胶版纸
页数:
168页
字数:
252千字
9人买过
-
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。 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。 第 1章 人工智能与医疗1
1.1 人工智能在医疗领域的发展1
1.1.1 人工智能在医疗领域的发展史1
1.1.2 “人工智能+医疗”行业现状6
1.2 人工智能在医疗领域的发展阶段以及具体实现9
1.2.1 发展阶段9
1.2.2 具体实现10
1.3 人工智能在医学图像领域的应用14
1.4 人工智能在口腔领域的研究进展15
1.5 拓展阅读17
第 2章 医疗领域中的图像处理19
2.1 医疗领域的图像处理技术及其应用19
2.2 医学图像处理案例20
2.3 医学图像处理的常用软件21
2.3.1 ImageJ21
2.3.2 MATLAB22
2.3.3 VTK22
2.3.4 MIPAR23
2.3.5 Dragonfly24
2.3.6 OpenCV24
2.3.7 Mimics24
2.3.8 Amira25
2.4 拓展阅读25
第3章 医学图像处理的常规流程27
3.1 图像获取27
3.1.1 医学图像的获取方式27
3.1.2 医学图像的存储格式28
3.1.3 医学图像的处理和分析28
3.2 图像预处理29
3.2.1 坐标系的定义29
3.2.2 空间坐标变换30
3.2.3 图像灰度值归一化31
3.3 图像标注31
3.3.1 图像标注的定义31
3.3.2 图像标注软件32
3.4 数据增强32
3.4.1 数据增强的定义33
3.4.2 图像数据增强33
3.5 图像分割35
3.5.1 图像分割的定义35
3.5.2 常用的经典图像分割方法36
3.5.3 常用的基于深度学习的图像分割技术37
3.6 图像配准40
3.6.1 图像配准的定义40
3.6.2 图像配准的类型41
3.6.3 图像配准中的对象分类41
3.6.4 图像配准的方法42
3.7 图像融合42
3.8 三维重建及数据导出43
3.8.1 三维重建43
3.8.2 数据导出43
3.9 数据分析43
3.9.1 特征提取：构建影像特征知识库43
3.9.2 CT中骨组织的影像特征分析43
3.9.3 MRI中软组织的影像特征分析44
3.9.4 构建相应的疾病预测模型44
3.9.5 结构化报告生成44
3.10 拓展阅读44
第4章 医学图像处理软件Dragonfly45
4.1 Dragonfly概述45
4.1.1 软件概述46
4.1.2 软件下载与安装环境要求47
4.1.3 Dragonfly的优势48
4.2 Dragonfly界面及其主要功能50
4.2.1 Dragonfly界面50
4.2.2 Dragonfly的主要功能53
4.3 Dragonfly的拓展模块60
4.3.1 Macro Player60
4.3.2 Macro Builder61
4.3.3 Infinite Toolbox62
4.3.4 Python Console63
4.4 Dragonfly的应用模块64
4.4.1 骨骼分析模块64
4.4.2 连通单元分析模块65
4.4.3 CT重建模块66
4.4.4 人工智能模块66
4.5 Dragonfly的工作流程68
4.5.1 Dragonfly的一般工作流程68
4.5.2 工作流程中的重要步骤69
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77
5.1 图像导入77
5.2 图像预处理78
5.2.1 空间坐标系校正79
5.2.2 灰度值归一化80
5.3 图像标注82
5.3.1 选择Frame82
5.3.2 确定分类84
5.3.3 ROI标注85
5.4 模型生成88
5.5 数据增强90
5.6 神经网络训练91
5.7 应用网络 93
5.8 总结与思考97
第6章 三维建模——肺血管和气管分割99
6.1 图像导入99
6.2 图像标注99
6.3 训练模型104
6.4 结果分析105
6.5 总结与思考106
第7章 图像配准——口腔术前和术后数据的配准应用109
7.1 图像导入109
7.2 图像预处理（三维空间坐标系校正）109
7.3 图像配准111
7.3.1 手动图像配准111
7.3.2 自动图像配准113
7.4 总结与思考116
第8章 分割与特征提取——骨组织的形态学分析117
8.1 骨的背景知识117
8.2 Dragonfly中Bone Analysis模块的操作流程118
8.3 骨的测量参数119
8.3.1 骨分析的通用参数119
8.3.2 骨小梁分析的参数121
8.3.3 皮质骨分析的参数122
8.4 图像导入124
8.5 图像预处理与骨分割125
8.6 Dragonfly软件中的Bone Analysis模块130
8.7 各向异性的计算原理136
8.8 单层测量138
8.9 总结与思考139
第9章 特征计算及分析——医用材料方面的应用143
9.1 图像导入143
9.2 图像可视化144
9.3 阈值分割、注释和测量145
9.4 分水岭分割146
9.5 量化分析153
9.6 总结与思考156
第 10章 目标检测——腹部CT肾脏区域的标注157
10.1 图像导入157
10.2 图像标注157
10.3 生成YOLOv3模型159
10.4 训练YOLOv3模型160
10.5 应用YOLOv3模型162
10.6 总结与思考163
第 11章 未来展望165
11.1 人工智能在医学领域的发展现状及趋势165
11.2 人工智能在骨科领域的发展现状及趋势166
11.3 人工智能在口腔领域的发展现状及趋势167
11.4 拓展阅读168
-
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1
1.1 人工智能在医疗领域的发展1
1.1.1 人工智能在医疗领域的发展史1
1.1.2 “人工智能+医疗”行业现状6
1.2 人工智能在医疗领域的发展阶段以及具体实现9
1.2.1 发展阶段9
1.2.2 具体实现10
1.3 人工智能在医学图像领域的应用14
1.4 人工智能在口腔领域的研究进展15
1.5 拓展阅读17
第 2章 医疗领域中的图像处理19
2.1 医疗领域的图像处理技术及其应用19
2.2 医学图像处理案例20
2.3 医学图像处理的常用软件21
2.3.1 ImageJ21
2.3.2 MATLAB22
2.3.3 VTK22
2.3.4 MIPAR23
2.3.5 Dragonfly24
2.3.6 OpenCV24
2.3.7 Mimics24
2.3.8 Amira25
2.4 拓展阅读25
第3章 医学图像处理的常规流程27
3.1 图像获取27
3.1.1 医学图像的获取方式27
3.1.2 医学图像的存储格式28
3.1.3 医学图像的处理和分析28
3.2 图像预处理29
3.2.1 坐标系的定义29
3.2.2 空间坐标变换30
3.2.3 图像灰度值归一化31
3.3 图像标注31
3.3.1 图像标注的定义31
3.3.2 图像标注软件32
3.4 数据增强32
3.4.1 数据增强的定义33
3.4.2 图像数据增强33
3.5 图像分割35
3.5.1 图像分割的定义35
3.5.2 常用的经典图像分割方法36
3.5.3 常用的基于深度学习的图像分割技术37
3.6 图像配准40
3.6.1 图像配准的定义40
3.6.2 图像配准的类型41
3.6.3 图像配准中的对象分类41
3.6.4 图像配准的方法42
3.7 图像融合42
3.8 三维重建及数据导出43
3.8.1 三维重建43
3.8.2 数据导出43
3.9 数据分析43
3.9.1 特征提取：构建影像特征知识库43
3.9.2 CT中骨组织的影像特征分析43
3.9.3 MRI中软组织的影像特征分析44
3.9.4 构建相应的疾病预测模型44
3.9.5 结构化报告生成44
3.10 拓展阅读44
第4章 医学图像处理软件Dragonfly45
4.1 Dragonfly概述45
4.1.1 软件概述46
4.1.2 软件下载与安装环境要求47
4.1.3 Dragonfly的优势48
4.2 Dragonfly界面及其主要功能50
4.2.1 Dragonfly界面50
4.2.2 Dragonfly的主要功能53
4.3 Dragonfly的拓展模块60
4.3.1 Macro Player60
4.3.2 Macro Builder61
4.3.3 Infinite Toolbox62
4.3.4 Python Console63
4.4 Dragonfly的应用模块64
4.4.1 骨骼分析模块64
4.4.2 连通单元分析模块65
4.4.3 CT重建模块66
4.4.4 人工智能模块66
4.5 Dragonfly的工作流程68
4.5.1 Dragonfly的一般工作流程68
4.5.2 工作流程中的重要步骤69
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77
5.1 图像导入77
5.2 图像预处理78
5.2.1 空间坐标系校正79
5.2.2 灰度值归一化80
5.3 图像标注82
5.3.1 选择Frame82
5.3.2 确定分类84
5.3.3 ROI标注85
5.4 模型生成88
5.5 数据增强90
5.6 神经网络训练91
5.7 应用网络 93
5.8 总结与思考97
第6章 三维建模——肺血管和气管分割99
6.1 图像导入99
6.2 图像标注99
6.3 训练模型104
6.4 结果分析105
6.5 总结与思考106
第7章 图像配准——口腔术前和术后数据的配准应用109
7.1 图像导入109
7.2 图像预处理（三维空间坐标系校正）109
7.3 图像配准111
7.3.1 手动图像配准111
7.3.2 自动图像配准113
7.4 总结与思考116
第8章 分割与特征提取——骨组织的形态学分析117
8.1 骨的背景知识117
8.2 Dragonfly中Bone Analysis模块的操作流程118
8.3 骨的测量参数119
8.3.1 骨分析的通用参数119
8.3.2 骨小梁分析的参数121
8.3.3 皮质骨分析的参数122
8.4 图像导入124
8.5 图像预处理与骨分割125
8.6 Dragonfly软件中的Bone Analysis模块130
8.7 各向异性的计算原理136
8.8 单层测量138
8.9 总结与思考139
第9章 特征计算及分析——医用材料方面的应用143
9.1 图像导入143
9.2 图像可视化144
9.3 阈值分割、注释和测量145
9.4 分水岭分割146
9.5 量化分析153
9.6 总结与思考156
第 10章 目标检测——腹部CT肾脏区域的标注157
10.1 图像导入157
10.2 图像标注157
10.3 生成YOLOv3模型159
10.4 训练YOLOv3模型160
10.5 应用YOLOv3模型162
10.6 总结与思考163
第 11章 未来展望165
11.1 人工智能在医学领域的发展现状及趋势165
11.2 人工智能在骨科领域的发展现状及趋势166
11.3 人工智能在口腔领域的发展现状及趋势167
11.4 拓展阅读168
查看详情
-
全新
-
6
全新
广东省广州市
平均发货7小时
成功完成率94.29%
-
6
全新
浙江省嘉兴市
平均发货13小时
成功完成率94.91%
-
全新
河北省保定市
平均发货21小时
成功完成率87.79%
-
全新
北京市朝阳区
平均发货12小时
成功完成率96.84%
-
2
全新
湖北省武汉市
平均发货22小时
成功完成率90.63%
-
2
全新
湖北省武汉市
平均发货21小时
成功完成率89.74%
-
2
全新
湖北省武汉市
平均发货13小时
成功完成率94.91%
-
全新
北京市丰台区
平均发货7小时
成功完成率93.09%
-
全新
河北省保定市
平均发货18小时
成功完成率91.93%
-
全新
河北省保定市
平均发货28小时
成功完成率89.22%
-
2
全新
江苏省无锡市
平均发货10小时
成功完成率96.74%
-
全新
河北省保定市
平均发货15小时
成功完成率92.6%
-
全新
河北省保定市
平均发货30小时
成功完成率88.52%
-
全新
河北省保定市
平均发货31小时
成功完成率86.27%
-
全新
广东省广州市
平均发货10小时
成功完成率94.98%
-
全新
北京市通州区
平均发货9小时
成功完成率89.04%
-
6
全新
江苏省无锡市
平均发货15小时
成功完成率95.53%
-
6
全新
天津市河东区
平均发货24小时
成功完成率88.76%
-
6
全新
北京市海淀区
平均发货9小时
成功完成率97.87%
-
6
全新
北京市西城区
平均发货12小时
成功完成率94.09%
-
全新
江苏省无锡市
平均发货8小时
成功完成率96.08%
-
9
全新
河北省保定市
平均发货33小时
成功完成率81.89%
-
全新
湖北省武汉市
平均发货25小时
成功完成率91.94%
-
全新
河北省保定市
平均发货29小时
成功完成率91.01%
-
全新
河北省保定市
平均发货18小时
成功完成率91.93%
-
全新
河北省保定市
平均发货29小时
成功完成率91.01%
-
全新
河北省保定市
平均发货28小时
成功完成率90.45%
-
全新
河北省保定市
平均发货28小时
成功完成率90.45%
-
全新
河北省保定市
平均发货28小时
成功完成率89.81%
-
全新
河北省保定市
平均发货28小时
成功完成率89.81%
-
全新
河北省保定市
平均发货28小时
成功完成率89.81%
-
全新
河北省保定市
平均发货28小时
成功完成率89.21%
-
全新
江苏省南京市
平均发货6小时
成功完成率96.7%
-
全新
河北省保定市
平均发货28小时
成功完成率90.45%
-
全新
北京市海淀区
平均发货8小时
成功完成率94.36%
-
全新
山东省泰安市
平均发货7小时
成功完成率94.16%
-
全新
北京市通州区
平均发货11小时
成功完成率96.19%
-
全新
河北省保定市
平均发货18小时
成功完成率91.93%
-
全新
河北省保定市
平均发货18小时
成功完成率91.93%
-
全新
江苏省南京市
平均发货5小时
成功完成率98.39%
-
全新
北京市朝阳区
平均发货12小时
成功完成率96.84%
-
全新
河北省保定市
平均发货17小时
成功完成率93.87%
-
全新
山东省泰安市
平均发货25小时
成功完成率90.99%
-
全新
四川省成都市
平均发货52小时
成功完成率85.22%
-
九五品
江西省南昌市
平均发货10小时
成功完成率94.76%
-
全新
北京市朝阳区
平均发货11小时
成功完成率96.19%
-
全新
河北省保定市
平均发货33小时
成功完成率86.97%
-
全新
河北省保定市
平均发货28小时
成功完成率90.45%
-
2
全新
河北省保定市
平均发货23小时
成功完成率80.9%
占位居中
