资源系列
R&Python
《深度学习在医学图像中的应用》
- 08.02-
宜分享
最近的VIP交流群十分火爆，群内对医学图像学习感兴趣的好友特别多~
应读者朋友的强烈邀请，希望再推荐一深度学习与医学图像的入门书籍。
呐，今天为大家推荐这样一本小编的珍藏好书：《深度学习在医学图像中的应用》
赞赏本文，即可解锁资源哦~
《深度学习在医学图像中的应用》
Brief Introduction
本书简介：
医学图像分析已是当前医学研究、诊断和治疗中必不可少的技术手段。医学图像中包含重要的生理、病理等信息，但由于图像中的信息量大、维度高，这些信息在医学图像中表现复杂，所以挖掘难度很大。尽管从二十世纪五六十年代起，学者专家都在尝试用计算机辅助手段从中挖掘有价值的诊断信息，但效果一直不理想，直到近几年，随着机器学习算法陆续取得重要进展，人类步入深度学习时代，医学图像辅助检测与诊断技术才有了较大进步。
本书内容由浅入深，从易到难，各章节既相对独立，又前后关联，既适合对医学图像分析有兴趣的爱好者作为入门读物，也能为计算机医学图像分析研究领域的学者带来创新思路。
书籍亮点：
本书绪论概述了医学辅助检测与诊断技术的应用现状。
第1章以目前发病率较高的肺癌、乳腺癌、结肠癌和前列腺癌为主线，对基于医学图像的计算机辅助检测与诊断分析算法进行多角度的回顾和梳理，对在医学图像辅助分析诊断研究领域中所面临的问题做了分析和展望。
第2章介绍了深度学习算法的发展过程及不同时期的代表算法。
第3章、第4章、第5章、第6章以基于 CT图像的肺结节计算机辅助检测/诊断为例，介绍了几种基于深度学习的医学图像分析用于辅助检测与诊断的范例。
本书内容由浅入深，从易到难，各章节既相对独立，又前后关联，既适合对医学图像分析有兴趣的爱好者作为入门读物，也能为计算机医学图像分析研究领域的学者带来创新思路和启发。
书籍内容：
本书分为基础篇和应用篇：
基础篇:医学图像计算机辅助检测与诊断、深度学习算法基础知识
绪论：介绍本书的研究背景与研究意义，说明了癌症对人类健康的重要影响以及计算机辅助诊断对癌症早期诊断的重要性，进而阐述了本书的研究目标与主要研究内容。
第1章：综述目前已有的医学图像计算机辅助诊断方法，以4种发病率高的癌症为主线，按不同的成像技术和病类，对目前不同医学图像领域的计算机辅助诊断方法进行了较为详尽的综述，从图像数据集、算法和评估方法等方面作多维度梳理，分析了医学图像计算机辅助诊断研究领域目前存在的主要问题和面临的挑战。
第2章：介绍了深度学习算法的发展和演变历程，以及一些具有里程碑意义的算法。深度学习算法的产生分别经历了最初的萌芽推理期、后来的知识期和当前的学习期。在不同时期产生的经典算法对人工智能算法的发展起到了关键的推动作用，如专家系统、多层感知机、BP神经网络、SVM、Boosting算法、LR、LeNet、AlexNet、VGG-Net、GoogLeNet、ResNet 和 DesNet 等。
应用篇:深度学习算法应用于肺结节诊断案例
第3章：介绍针对肺结节诊断应用计算机辅助检测、诊断的研究背景与研究意义，说明了应用新技术所进行的肺结节征象分类对肺癌早期诊断的重要性。
第4章：引入人工免疫优化策略，提出了用于肺结节征象分类的深度网络融合方法。该方法以深度网络实现分类，将每一个深度网络分类器看作一个抗体。多分类器融合时，首先随机为每个深度网络分类器分配不同的融合权值；而后根据深度网络的分类亲和度和剩余网络相似度值，对其融合权值进行克隆和变异，并从融合体中淘汰分类亲和度低且剩余网络相似度低的网络；最后得到一个能够误差抵消、优势互补、性能鲁棒的分类器融合体。
第5章：提出了结合半监督协同学习与深度学习的征象模糊分类方法。首先获得一个基于深度特征的协同森林分类器，其中引入模糊策略来代替协同森林中原有的硬分类策略，以消除由于噪声带来的影响，增强分类健壮性:而后利用生成对抗网络生成大量无标注征象样本;最后使用协同训练方法，利用协同森林对无标注样本进行分类，相应扩增标注样本集，再利用扩增标注样本集对协同森林进行重训练。这一扩增样本和分类器重训练交替进行，直至基于深度特征的协同森林分类性能达到最优。
第6章：提出了胶囊网络的三元组强化学习及其征象分类方法。该方法以胶囊网络为基础，并结合“类内样本特征表达更近、类间更远”的三元组学习目标来实现分类器的强化学习。按照强化学习语境，模拟医生工作环境，胶囊网络从环境中接收图像(视为“状态”)并执行分类(视为“动作”)，学习目标是能得到最大长期回报从状态到动作的最优策略。首先用单个胶囊网络做前期学习，根据环境奖励计算当前行为策略的Q值与期望值存在的差距，参照差距更新自己的网络参数。当性能达到上升瓶颈后，再利用三元组学习目标做进一步优化，使参照样本图像与正样本图像的距离缩小，且与负样本图像的距离增大，从而能够更精细地区分不同类别。
第7章：后记，对本书进行了总结，说明本书的主要研究内容及贡献，在此基础上，对未来研究工作进行了展望。
目前，该书在网络的售价如下：
书籍目录
ABOUT this NOVEL
书籍内页赏析
ABOUT this NOVEL
（书籍内页）
现在：
长按扫码关注：科研生信充电宝
10元赞赏本文，即喜欢作者~
即可直接解锁：
《深度学习在医学图像中的应用》对应资源哦~
看到这里你还不心动吗？
赶紧关注、转发、点赞、分享，领取你的专属福利吧~
好啦，以上就是今天推文的全部内容啦！
版权声明：本文内容由互联网用户自发贡献，版权归作者所有，本公众号不拥有所有权，也不承担相关法律责任。
如果您发现本公众号中有涉嫌抄袭的内容，欢迎发送邮件至：kysxcdb@163.com 进行举报，一经查实，本公众号将立刻删除涉嫌侵权内容。
微信号｜科研生信充电宝
· BIOINFOR ·
永远相信美好的事情
即将发生
