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

出版日期
2022/06/15
閱讀格式
PDF
書籍分類
學科分類
ISBN
9786263331174

本館館藏

借閱規則
當前可使用人數 30
借閱天數 14
線上看 0
借閱中 0

計次服務

借閱規則
借閱天數 14
選擇分享方式

推薦本館採購書籍

您可以將喜歡的電子書推薦給圖書館,圖書館會參考讀者意見進行採購

讀者資料
圖書館
* 姓名
* 身分
系所
* E-mail
※ 我們會寄送一份副本至您填寫的Email中
電話
※ 電話格式為 區碼+電話號碼(ex. 0229235151)/ 手機格式為 0900111111
* 請輸入驗證碼
【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。
  • 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

評分與評論

請登入後再留言與評分
幫助
您好,請問需要甚麼幫助呢?
使用指南

客服專線:0800-000-747

服務時間:週一至週五 AM 09:00~PM 06:00

loading