
0人評分過此書
數位與醫學的人工智慧影像處理技術:Python 實務
【專業推薦】
「智慧醫療」為全球醫療發展趨勢,政府相關部會近年來高度重視並積極推動。本書正是學習醫學影像的大數據分析與人工智慧技術的基礎工具書。值得一提的是,最後以Python這套程式語言搭配OpenCV套件來進行影像處理的實作,更是手把手學習數位影像處理技術的捷徑。透過這本書,讀者可以迅速掌握數位醫學影像的關鍵技術。
元智大學資訊學院特聘教授兼院長
臻鼎科技集團-元智大學大數據聯合研發中心主任
詹前隆
【重點大綱】
基礎醫學影像系統:認識醫學影像系統中,會使用到影像處理的醫學影像技術,其中包括了電腦斷層掃描、核磁共振成像、正電子掃描、超音波等等,並了解其原理與應用.另外也介紹 DICOM和PACS,可以瞭解在醫學系統中,如何透過統一的標準進行影像傳遞與應用。
數位影像處理:運用大量的Python語言以及OpenCV,可以快速了解數位影像的處理技術,如影像的存取、呈現、剪裁縮放與旋轉、對比亮度的調整。影像註冊與分割技術也是醫學影像中的重點,透過註冊、對位的方式,可以觀察手術前後的變化,並介紹機器學習與深度學習應具備的基本知識,以利第三部分的應用。
醫學影像處理技術與應用:專注於醫學影像處理的技術與應用,從醫學影像分割開始讓讀者一步步進入該領域,透過邊緣檢測或以區域為主影像分割技術開始介紹,並介紹其實際應用方法。
「智慧醫療」為全球醫療發展趨勢,政府相關部會近年來高度重視並積極推動。本書正是學習醫學影像的大數據分析與人工智慧技術的基礎工具書。值得一提的是,最後以Python這套程式語言搭配OpenCV套件來進行影像處理的實作,更是手把手學習數位影像處理技術的捷徑。透過這本書,讀者可以迅速掌握數位醫學影像的關鍵技術。
元智大學資訊學院特聘教授兼院長
臻鼎科技集團-元智大學大數據聯合研發中心主任
詹前隆
【重點大綱】
基礎醫學影像系統:認識醫學影像系統中,會使用到影像處理的醫學影像技術,其中包括了電腦斷層掃描、核磁共振成像、正電子掃描、超音波等等,並了解其原理與應用.另外也介紹 DICOM和PACS,可以瞭解在醫學系統中,如何透過統一的標準進行影像傳遞與應用。
數位影像處理:運用大量的Python語言以及OpenCV,可以快速了解數位影像的處理技術,如影像的存取、呈現、剪裁縮放與旋轉、對比亮度的調整。影像註冊與分割技術也是醫學影像中的重點,透過註冊、對位的方式,可以觀察手術前後的變化,並介紹機器學習與深度學習應具備的基本知識,以利第三部分的應用。
醫學影像處理技術與應用:專注於醫學影像處理的技術與應用,從醫學影像分割開始讓讀者一步步進入該領域,透過邊緣檢測或以區域為主影像分割技術開始介紹,並介紹其實際應用方法。
-
01 介紹醫學影像系統(CT,MRI,PET,and Ultrasound)
-
1.1 介紹醫學影像系統
-
1.2 電腦斷層掃描(Computed Tomography Scan,CT Scan)
-
1.2.1 認識CT電腦斷層掃描
-
1.2.2 CT掃描如何運作
-
1.2.3 CT掃描的風險
-
-
1.3 磁力共振成像(Magnetic Resonance Imaging,MRI)
-
1.3.1 認識MRI
-
1.3.2 MRI如何運作
-
1.3.3 MRI的風險
-
-
1.4 正子斷層照影(Positron Emission Tomography,PET)
-
1.4.1 認識PET
-
1.4.2 PET如何運作
-
1.4.3 正子電腦斷層掃描(PET/CT)
-
1.4.4 正子磁振造影PET/MRI
-
1.4.5 PET的風險
-
-
1.5 Medical Ultrasound醫學超音波檢查
-
1.5.1 認識Medical Ultrasound
-
1.5.2 Ultrasound中的不同模式
-
1.5.3 Medical Ultrasound的風險
-
-
1.6 CT,MRI,PET,Ultrasound之間的比較
-
-
02 DICOM影像檔案與PACS 介紹
-
2.1 DICOM(Digital Imaging Communication in Medicine)
-
2.1.1 DICOM的簡介與歷史
-
2.1.2 為什麼要使用DICOM
-
2.1.3 DICOM資料結構
-
-
2.2 PACS醫學影像存檔與通信系統
-
2.2.1 認識PACS
-
2.2.2 為何要使用PACS
-
2.2.3 PACS的效益與優勢
-
-
-
03 基礎數位影像處理Ⅰ
-
3.1 數位影像處理簡介
-
3.2 Python & OpenCV
-
3.2.1 OpenCV介紹
-
3.2.2 OpenCV安裝
-
-
3.3 影像的讀取、顯示、存檔
-
3.3.1 影像讀取
-
3.3.2 影像顯示
-
3.3.3 影像存檔
-
3.3.4 查詢影像的格式
-
-
3.4 影像的剪裁、縮放與旋轉
-
3.4.1 影像的剪裁
-
3.4.2 影像旋轉
-
3.4.3 影像縮放
-
-
3.5 影像對比與亮度調整
-
3.5.1 對比度以及亮度調整
-
-
-
04 基礎數位影像處理Ⅱ
-
4.1 影像分析工具
-
4.1.1 影像直方圖
-
-
4.2 直方圖影像操作
-
4.2.1 直方圖均衡化
-
4.2.2 直方圖二值化
-
4.2.3 自適應閾值處理
-
-
4.3 影像形態學
-
4.3.1 影像形態學介紹
-
4.3.2 影像邊緣檢測Canny() 函數
-
4.3.3 影像邊緣檢測Sobel() 函數
-
4.3.4 影像的膨脹
-
4.3.5 影像的侵蝕
-
4.3.6 影像的斷開
-
4.3.7 影像的閉合
-
-
-
05 影像雜訊與濾波
-
5.1 影像雜訊介紹
-
5.1.1 高斯雜訊
-
5.1.2 鹽與胡椒雜訊
-
5.1.3 白雜訊
-
-
5.2 影像濾波
-
5.2.1 平均值濾波器(Averaging Blurring)
-
5.2.2 高斯濾波器(Gaussian Filter)
-
5.2.3 中值濾波器(Median Filter)
-
5.2.4 雙向濾波器(Bilateral Filter)
-
-
-
06 影像註冊與影像分割
-
6.1 影像註冊介紹
-
6.1.1 基於互相關的影像註冊
-
6.1.2 基於特徵的影像註冊
-
-
6.2 影像分割介紹
-
6.2.1 基於閾值的分割法
-
6.2.2 分水嶺演算法
-
6.2.3 空間域的分割技術
-
6.2.4 基於圖論的影像分割技術
-
-
-
07 機器學習與深度學習
-
7.1 機器學習介紹
-
7.1.1 認識人工智慧
-
7.1.2 機器學習的種類與流程
-
7.1.3 機器學習與數位影像處理
-
-
7.2 深度學習介紹
-
7.2.1 認識深度學習
-
7.2.2 CNN卷積神經網路
-
-
7.3 數位影像處理在深度學習中的應用
-
7.3.1 MINST手寫數字辨識
-
-
-
08 醫學影像分割
-
8.1 基於邊緣檢測的分割方式
-
8.2 基於區域的影像分割法
-
8.2.1 區域生長演算法
-
8.2.2 分水嶺演算法
-
-
8.3 醫學影像分割應用-基於雙向區域生長的醫學圖像分割算法
-
8.3.1 傳統區域生長演算法的缺陷
-
8.3.2 雙向的區域生長演算法
-
8.3.3 鄰域差分變換介紹(Neighbouring Difference Transform,NDT)
-
8.3.4 方法流程與閾值選擇
-
8.3.5 應用成果
-
8.3.6 小結
-
-
8.4 醫學影像分割進階應用-皮層下腦影像分割
-
8.4.1 基於非局部區塊方法(Nonlocal Patch-based Method,PBM)
-
8.4.2 基於區塊重建方法(Patch reconstruction based method)
-
8.4.3 基於圖譜註冊的影像分割(Atlas Registration-based Segmentation,AR)
-
8.4.4 線性化核稀疏表示分類器(Linearized Kernel Sparse Representative Classifier,LKSRC)
-
8.4.5 應用成果
-
8.4.6 小結
-
-
-
09 醫學影像註冊
-
9.1 基於互相關的醫學影像註冊
-
9.2 基於特徵的醫學影像註冊
-
9.3 醫學影像註冊的應用-基於互相關與Radon變換
-
9.3.1 基於相位相關(Phase correlation)與對數極座標變換(Log-Polar Transform)的影像註冊
-
9.3.2 基於互相關與Radon 變換的影像註冊
-
9.3.3 應用成果
-
9.3.4 小結
-
-
9.4 醫學影像註冊的應用-多模態醫學影像註冊
-
9.4.1 基礎的SURF與GA演算法
-
9.4.2 GA-SURF應用於醫學影像
-
9.4.3 應用成果
-
9.4.4 小結
-
-
-
10 人工智慧應用於醫學影像處理Ⅰ
-
10.1 人工智慧應用於醫學影像處理
-
10.1.1 介紹與其應用
-
10.1.2 人工智慧常見名詞
-
10.1.3 欠擬合與過度擬合(Under-Fitting and Over-Fitting)
-
-
10.2 架構與演算法
-
10.2.1 人工智慧應用於醫學影像的架構
-
10.2.2 人工智慧演算法的種類
-
10.2.3 小結
-
-
10.3 基於LASSO以及EL–SVM的子宮頸組織影像分類
-
10.3.1 方法與流程概要
-
10.3.2 子宮頸影像特徵取得
-
10.3.3 LASSO與EL-SVM演算法
-
10.3.4 應用成果
-
10.3.5 小結
-
-
-
11 人工智慧應用於醫學影像處理Ⅱ
-
11.1 基於特徵的卷積神經網路影像註冊(Convolution Neural Network Feature-based Registration,CNNFR)
-
11.1.1 方法與流程概要
-
11.1.2 CNNFR影像註冊演算法
-
11.1.3 應用成果
-
11.1.4 小結
-
-
11.2 基於DRINet的影像分割方法
-
11.2.1 基礎的FCN與U-net方法
-
11.2.2 DRINet分割技術
-
11.2.3 應用成果
-
11.2.4 小結
-
-
-
A Python基礎語法與工具介紹
-
A.1 Python開發環境的建立
-
A.1.1 Python
-
A.1.2 Anaconda
-
A.1.3 Spyder
-
-
A.2 Python基礎語法-資料型態與變數
-
A.2.1 Print() 函式
-
A.2.2 Python的資料型態與變數
-
A.2.3 串列List
-
A.2.4 字典Dictionary
-
A.2.5 元組Tuple
-
A.2.6 集合Set
-
-
A.3 If-elif-else條件判斷式
-
A.4 for-loop迴圈
-
A.4.1 單層的for-loop
-
A.4.2 巢狀for-loop迴圈
-
A.4.3 迴圈中的break與continue
-
A.4.4 While迴圈
-
-
A.5 函式Function
-
- 出版地 : 臺灣
- 語言 : 繁體中文
評分與評論
請登入後再留言與評分