深度學習在醫學圖像中的應用 鄭光遠著 9787121446733 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：電子工業
物品所在地：中國大陸
原出版社：電子工業
大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。
NT$623
商品編號:
9787121446733
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202212*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：深度學習在醫學圖像中的應用
ISBN：9787121446733
出版社：電子工業
著編譯者：鄭光遠著
頁數：232頁
所在地：中國大陸 *此為代購商品
書號：1519333
可大量預訂，請先連絡。
緒論
第1章 醫學圖像計算機輔助檢測/診斷（CAD）系統
1 1 醫學圖像CAD系統概述
1 2 不同部位醫學圖像CAD系統分述
1 2 1 基於胸部X線片的肺結節CAD系統
1 2 2 基於CT圖像的肺部CAD系統
1 2 3 乳腺醫學圖像CAD系統
1 2 4 結直腸醫學圖像CAD系統
1 2 5 前列腺醫學圖像CAD系統
1 2 6 其他前列腺癌相關醫學圖像CAD系統
1 3 醫學圖像CAD的性能評估
1 3 1 醫學圖像數據集
1 3 2 評估方法
1 4 系統所用演算法和特徵匯總
1 5 面臨的問題和研究展望
1 6 未來展望
1 7 結語
第2章 深度學習方法
2 1 引言
2 2 推理期
2 3 知識期
2 4 學習期
2 4 1 BP神經網絡
2 4 2 淺層機器學習演算法
2 4 3 深度學習演算法
2 4 4 全連接網路
2 4 5 AlexNet網路
2 5 本章小結
應用篇 深度學習演算法應用於肺結節診斷案例
第3章 肺結節深度學習診斷引論
3 1 研究目的和意義
3 2 研究目標和內容
3 2 1 基於人工免疫優化的徵象分類網路融合方法
3 2 2 結合半監督協同學習與深度學習的徵象模糊分類方法
3 2 3 膠囊網路的三元組強化學習及其徵象分類方法
3 3 實驗樣本選擇
3 3 1 樣本圖像尺寸
3 3 2 徵象選擇
第4章 基於人工免疫優化的徵象分類網路融合方法
4 1 引言
4 2 子網路融合的人工免疫優化方法
4 2 1 預測親和度與剩餘平均相似度
4 2 2 克隆與變異
4 3 徵象分類方法
4 3 1 子網路構成
4 3 2 集成決策分類
4 4 實驗與結果分析
4 4 1 實驗設置
4 4 2 網路訓練
4 4 3 集成分類器與子分類器性能比較
4 4 4 AIA-DNF與其他分類器融合方法比較
4 4 5 AIA-DNF方法與其他二分類方法比較
4 4 6 多級Inception網路與傳統CNN比較
4 5 結語
第5章 結合半監督協同學習與深度學習的徵象模糊分類方法
5 1 引言
5 2 模糊協同森林
5 2 1 特徵提取
5 2 2 構建協同森林
5 2 3 模糊分類
5 3 融合生成對抗的半監督協同學習
5 3 1 DCGAN
5 3 2 半監督協同學習
5 4 實驗與結果分析
5 4 1 實驗設置
5 4 2 DFF-Co-forest的分類效果
5 4 3 模糊分類策略的效果
5 4 4 演算法性能比較
5 5 結語
第6章 膠囊網路的三元組強化學習及其徵象分類方法
6 1 引言
6 2 相關工作
6 3 TriCaps-RL方法
6 3 1 三元膠囊網路
6 3 2 兩階段強化學習
6 4 實驗與結果分析
6 4 1 實驗設置
6 4 2 學習效果
6 4 3 TriCaps-RL方法的分類性能
6 4 4 TriCaps-RL與DQN性能對比
6 4 5 TriCaps-RL與其他二分類方法對比
6 5 結語
第7章 後記
7 1 工作總結
7 2 未來展望
參考文獻
附錄A 英文縮略詞與英文全稱對照表
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202212*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：深度學習在醫學圖像中的應用
ISBN：9787121446733
出版社：電子工業
著編譯者：鄭光遠著
頁數：232頁
所在地：中國大陸 *此為代購商品
書號：1519333
可大量預訂，請先連絡。
內容簡介
醫學圖像分析已是當前醫學研究、診斷和治療中必不可少的技術手段。醫學圖像中包含重要的生理、病理等信息，但由於圖像中的信息量大、維度高，這些信息在醫學圖像中表現複雜，所以挖掘難度很大。儘管從二十世紀五六十年代起，學者專家都在嘗試用計算機輔助手段從中挖掘有價值的診斷信息，但效果一直不理想，直到近幾年，隨著機器學習演算法陸續取得重要進展，人類步入深度學習時代，醫學圖像輔助檢測與診斷技術才有了較大進步。 本書內容由淺入深，從易到難，各章節既相對獨立，又前後關聯，既適合對醫學圖像分析有興趣的愛好者作為入門讀物，也能為計算機醫學圖像分析研究領域的學者帶來創新思路。作者簡介
鄭光遠，男，工學博士，副教授，碩士生導師。主要科研教學經歷：2020年獲得北京理工大學博士學位，長期從事深度學習與單片機方面的科學研究及教學工作。科研成果：主持參与國家自然科學基金和省部計劃等項目10餘項，在人工智能、醫學圖像分析與計算機視覺等領域的國內外知名學術期刊發表SCI等學術論文10餘篇；出版學術著作2部；發名專利3項。目錄
基礎篇 醫學圖像計算機輔助檢測與診斷、深度學習演算法基礎知識緒論
第1章 醫學圖像計算機輔助檢測/診斷（CAD）系統
1 1 醫學圖像CAD系統概述
1 2 不同部位醫學圖像CAD系統分述
1 2 1 基於胸部X線片的肺結節CAD系統
1 2 2 基於CT圖像的肺部CAD系統
1 2 3 乳腺醫學圖像CAD系統
1 2 4 結直腸醫學圖像CAD系統
1 2 5 前列腺醫學圖像CAD系統
1 2 6 其他前列腺癌相關醫學圖像CAD系統
1 3 醫學圖像CAD的性能評估
1 3 1 醫學圖像數據集
1 3 2 評估方法
1 4 系統所用演算法和特徵匯總
1 5 面臨的問題和研究展望
1 6 未來展望
1 7 結語
第2章 深度學習方法
2 1 引言
2 2 推理期
2 3 知識期
2 4 學習期
2 4 1 BP神經網絡
2 4 2 淺層機器學習演算法
2 4 3 深度學習演算法
2 4 4 全連接網路
2 4 5 AlexNet網路
2 5 本章小結
應用篇 深度學習演算法應用於肺結節診斷案例
第3章 肺結節深度學習診斷引論
3 1 研究目的和意義
3 2 研究目標和內容
3 2 1 基於人工免疫優化的徵象分類網路融合方法
3 2 2 結合半監督協同學習與深度學習的徵象模糊分類方法
3 2 3 膠囊網路的三元組強化學習及其徵象分類方法
3 3 實驗樣本選擇
3 3 1 樣本圖像尺寸
3 3 2 徵象選擇
第4章 基於人工免疫優化的徵象分類網路融合方法
4 1 引言
4 2 子網路融合的人工免疫優化方法
4 2 1 預測親和度與剩餘平均相似度
4 2 2 克隆與變異
4 3 徵象分類方法
4 3 1 子網路構成
4 3 2 集成決策分類
4 4 實驗與結果分析
4 4 1 實驗設置
4 4 2 網路訓練
4 4 3 集成分類器與子分類器性能比較
4 4 4 AIA-DNF與其他分類器融合方法比較
4 4 5 AIA-DNF方法與其他二分類方法比較
4 4 6 多級Inception網路與傳統CNN比較
4 5 結語
第5章 結合半監督協同學習與深度學習的徵象模糊分類方法
5 1 引言
5 2 模糊協同森林
5 2 1 特徵提取
5 2 2 構建協同森林
5 2 3 模糊分類
5 3 融合生成對抗的半監督協同學習
5 3 1 DCGAN
5 3 2 半監督協同學習
5 4 實驗與結果分析
5 4 1 實驗設置
5 4 2 DFF-Co-forest的分類效果
5 4 3 模糊分類策略的效果
5 4 4 演算法性能比較
5 5 結語
第6章 膠囊網路的三元組強化學習及其徵象分類方法
6 1 引言
6 2 相關工作
6 3 TriCaps-RL方法
6 3 1 三元膠囊網路
6 3 2 兩階段強化學習
6 4 實驗與結果分析
6 4 1 實驗設置
6 4 2 學習效果
6 4 3 TriCaps-RL方法的分類性能
6 4 4 TriCaps-RL與DQN性能對比
6 4 5 TriCaps-RL與其他二分類方法對比
6 5 結語
第7章 後記
7 1 工作總結
7 2 未來展望
參考文獻
附錄A 英文縮略詞與英文全稱對照表
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。
規格說明
大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。
