機器學習及深度學習算法在醫學圖像中的應用

第1章 機器學習算法研究及其在阿爾茨海默病患者中的應用
1.1 研究概述
1.1.1 研究背景及意義
1.1.2 國內外研究現狀
1.1.3 主要研究內容
1.2 相關理論知識
1.2.1 神經心理學測試
1.2.2 特征選擇的基本理論
1.2.3 分類算法概述
1.3 基於機器學習的癡呆癥早期診斷的研究與應用
1.3.1 簡介
1.3.2 實驗數據和方法
1.3.3 實驗結果
1.3.4 實驗總結和討論
1.4 基於深度學習的老年癡呆病人篩選的研究與應用
1.4.1 簡介
1.4.2 材料和方法
1.4.3 實驗結果
1.4.4 討論
1.5 本章小結
1.5.1 總結
1.5.2 展望
第2章 深度學習算法研究及其在心血管疾病患者中的應用
2.1 心血管疾病研究概述
2.1.1 研究背景及意義
2.1.2 國內外研究現狀
2.1.3 主要研究內容
2.2 相關理論基礎和實驗準備
2.2.1 心臟解剖學知識和臨床成像
2.2.2 深度學習基礎理論
2.3 基於動態規劃先驗知識的左心室分割方法
2.3.1 簡介
2.3.2 實驗方法
2.3.3 實驗結果及分析
2.4 基於改進的左心室模板采樣方法
2.4.1 簡介
2.4.2 實驗方法
2.4.3 實驗結果及分析
2.5 本章小結
2.5.1 總結
2.5.2 展望
第3章 深度學習算法研究及其在甲狀腺眼病患者中的應用
3.1 研究概述
3.1.1 研究背景及意義
3.1.2 國內外研究現狀
3.1.3 主要研究內容
3.2 基於深度學習的圖像分割技術
3.2.1 人工神經網絡
3.2.2 全卷積神經網絡
3.2.3 深度學習圖像分割算法
3.2.4 醫學影像分割評估指標
3.3 血管內超聲影像的血管中、內膜分割算法
3.3.1 現實問題
3.3.2 數據概況及網絡設計
3.3.3 臨床參數自動獲取
3.3.4 實驗結果及分析
3.4 甲狀腺相關眼病眼外肌和視神經的語義分割算法
3.4.1 現實問題
3.4.2 數據概況及模型設計
3.4.3 臨床參數自動獲取
3.4.4 實驗結果及分析
3.5 本章小結
3.5.1 總結
3.5.2 展望
第4章 深度學習算法研究及其在新冠肺炎患者中的應用
4.1 研究概述
4.1.1 研究背景及意義
4.1.2 國內外研究現狀
4.1.3 主要研究內容
4.2 相關理論知識
4.2.1 卷積神經網絡
4.2.2 經典卷積神經網絡模型
4.2.3 機器學習算法
4.3 基於三維卷積神經網絡的新冠肺炎診斷方法研究
4.3.1 方法描述
4.3.2 實驗結果與分析
4.3.3 實驗總結和討論
4.4 基於機器學習的新冠肺炎輕重癥診斷方法研究
4.4.1 方法描述
4.4.2 實驗結果與分析
4.4.3 實驗總結和討論
4.5 本章小結
4.5.1 總結
4.5.2 展望
參考文獻