新書推薦：
![亿万：围剿华尔街大白鲨（珍藏版） [美]茜拉·科尔哈特卡](http://103.6.6.66/upload/mall/productImages/24/31/9787111744436.jpg)
《
亿万：围剿华尔街大白鲨（珍藏版） [美]茜拉·科尔哈特卡
》
售價：HK$
79.4
《
水悖论（“同一颗星球”丛书）
》
售價：HK$
78.2
《
空间微电子. 第二卷.空间用集成电路设计
》
售價：HK$
250.7
《
罪恶与梦想：第二次世界大战个人史
》
售價：HK$
135.7
《
古希腊神话与传说全集（特装刷边版，精装彩插，德文原版直译，随书附赠古希腊神谱+诸神图）
》
售價：HK$
147.2
《
英伦历史漫步 探寻世外桃源之旅
》
售價：HK$
67.9
《
知识如何流动（三棱镜译丛）
》
售價：HK$
91.8
《
万有引力书系 江南困局 晚明士大夫的危机时刻
》
售價：HK$
89.7
|
| 編輯推薦： |
|
国家自然科学基金项目81501548 和81501547、河南省高等学校重点科研项目20A520042、河南省高等学校青年骨干教师培养计划项目2020GGJS123等项目的支持成果
|
| 內容簡介： |
本书主要基于人脑磁共振图像进行研究和分析,内容包括人脑磁共振图像的智能分割方法研究、人脑磁共振图像的智能分析方法研究两部分。本书第1章和第7章分别介绍了这两部分的研究背景、意义,然后分章节进行详细、全面的阐述,包括它们的特点、典型方法和新颖方法。
本书适合作为数字媒体技术、生物医学工程及相关专业高年级本科生及研究生的数字图像处理课程教材,也可作为从事图像分析的教师、研究人员、工程技术人员及从事临床影像医学人员的参考用书。
|
| 關於作者： |
|
南姣芬：讲师、博士、硕士生导师、校三级特聘教授。2015年1月进入郑州轻工业学院计算机与通信工程学院任教，长期从事医学图像处理、智能信息处理及其应用等方面的研究工作。2017年2月-2018年2月进入澳大利亚昆士兰大学进行访学。到目前为止，已主持或参与国家自然科学基金4项，河南省科技攻关2项、河南省科技开放合作项目1项，参与科技成果鉴定1项，获得郑州市科技进步一等奖1项、授权发明专利3项，登记软件著作权8项，出版专著1部，参编教材3部；近年来，在国内外学术期刊上发表学术论文十余篇，其中SCI检索10篇。
|
| 目錄：
|
第一部分 人脑磁共振图像的智能分割方法研究
第1章 人脑磁共振图像的智能分割方法研究概论 2
1.1 引 言 2
1.2 研究背景及意义 2
1.3 研究及应用 3
1.4 主要研究内容及章节安排 4
第2章 医学图像分割方法及评价指标 6
2.1 引 言 6
2.2 医学图像分割方法 6
2.2.1 基于边界的分割方法 7
2.2.2 基于阈值的分割方法 8
2.2.3 基于区域增长的分割方法 10
2.2.4 基于统计学的方法 10
2.2.5 基于图论的方法 12
2.2.6 基于活动轮廓模型的方法 14
2.2.7 基于信息论的方法 15
2.2.8 基于模糊集理论的方法 15
2.2.9 基于神经网络的方法 17
2.2.10 基于小波变换的方法 18
2.3 医学图像分割方法的评价指标 19
2.3.1 分类相似性指标 19
2.3.2 距离指标 20
小 结 21
第3章 基于邻域信息和高斯加权卡方距离的图割算法 22
3.1 引 言 22
3.2 基本理论 23
3.3 图割方法 24
3.3.1 构造相似度矩阵 24
3.3.2 本书方法 26
3.4 实 验 26
3.4.1 实验数据 26
3.4.2 实验结果 26
3.4.3 参数比较 33
3.4.4 稳健性分析 33
3.5 讨论和结论 36
小 结 37
第4章 基于熵和局部邻域信息的高斯约束CV模型 38
4.1 引 言 38
4.2 基础理论 39
4.3 高斯约束CV模型 40
4.4 实 验 42
4.4.1 实验数据 42
4.4.2 实验结果 43
4.5 讨论和结论 44
小 结 45
第5章 改进CV模型的推广应用 46
5.1 引 言 46
5.2 基础理论 49
5.2.1 基于空间信息约束的模糊聚类 49
5.2.2 圆形 Hough变换 50
5.3 本章方法 50
5.3.1 自动初始化 51
5.3.2 改进CV模型的应用 52
|
| 內容試閱：
|
随着影像学技术及设备的发展,研究人员和临床医生迫切需要利用计算机自动进行磁共振图像的处理和分析,其相关研究内容一直是热点。
本书针对人脑磁共振图像分析中的热点问题,结合丰富的参考文献,在作者团队近年的研究工作积累基础上,进行了全面论述,全书分为两部分13章。第一部分为人脑磁共振图像的智能分割方法研究,共6章;第二部分为人脑磁共振图像的智能分析方法研究,共7章。
第一部分主要针对磁共振图像当前存在的热点问题,进行智能分割方法研究。该部分主要的研究成果可概括为以下三方面内容。
1提出一种基于邻域信息和高斯加权卡方距离的图割算法,可以从脑部MR图像中提取肿瘤区域, 也可以从矢状面脊椎MR 图像中分割椎体。主要贡献是：①采用55窗口提取以每个像素点为中心的邻域内的空间灰度特征,该特征对噪声具有较强的稳健性,将图像中像素的局部邻域信息以向量的方式排列起来;②考虑到邻域内各像素对中心像素的影响不同,权重也应该不同,利用高斯核函数将这些特征向量以卡方距离的方式组合起来;③引入局部收缩的概念,图像中所有像素不再用一个单一的尺度参数,而是用自适应的局部收缩方式为每一个像素自动赋予一个尺度参数;④将构造的相似度矩阵引入基于图论的分割方法中,完成提取感兴趣区域的任务。结果表明,本书提出的新算法克服了传统方法中常见的过分割和欠分割现象,准确率比较高,且稳健性强。
2提出一种基于熵和局部邻域信息的高斯约束Chan-VeseCV模型,实现了从脑部MR图像中提取肿瘤区域。主要贡献是：①针对CV 模型中参数不宜设置的问题,利用熵构造内部和外部区域能量的权值系数,加强了对演化曲线的控制;②将曲线上各点的局部邻域信息引入曲线演化过程中,降低了曲线内外区域灰度不均匀等因素对演化曲线的影响,提高了分割的准确性;③高斯约束保证了曲线演化过程中的稳定性、光滑性,同时不需要曲线长度约束项和重复初始化。结果表明,本书所提方法可以准确地提取脑部肿瘤区域。
3结合提出的改进的CV 模型,首次提出一种全自动的心脏黑血MR T2* 测量框架,实现了对感兴趣区域的提取。主要贡献是：①引入圆形Hough变换和基于空间信息约束的模糊聚类算法对左心室内外膜进行定位,检测到的圆作为改进的CV模型的初始轮廓,避免了人工设置初始轮廓及初始轮廓位置对分割结果的影响,由于检测到的圆位于左心室附近,因此也减少了演化曲线向目标边界移动的时间;②利用本书提出的基于熵和局部邻域信息的高斯约束CV 模型,分割左心室内外膜;③引入阈值分割和连通区域标记实现右心室血池区域提取。根据已分割的左心室内外膜,得到左心室血池,因为心肌组织与血池对比度明显,利用阈值分割方法,获得包含右心室血池区域的图像,阈值由左心室血池灰度自动确定,利用解剖位置关系,用连通区域标记及提取的方法得到右心室血池;④利用左心室和右心室血池的解剖位置信息,检测左、右心室相交区域的底端和顶端,提取出室间隔;⑤利用单指数拟合模型进行T2* 测量。结果表明,本书提出的自动MR T2* 测量方法不需要人为参与,避免了观察者的主观差异,并且提高了数据处理效率,可以辅助临床医生对地中海贫血症患者进行诊断和治疗。
第二部分旨在通过多种有效方法对静息态功能磁共振成像functional magnetic resonance imaging, fMRI数据进行处理与分析,挖掘大脑功能活动信息,揭示与脑异常相关疾病的病理机制。
近年来,随着脑影像学技术的快速发展,无创性地观测活体的脑结构和脑功能已经成为可能。在各种脑影像学技术中,fMRI因其所具有的较高的空间分辨率、无创性、易定位和可重复性等优点得到广泛应用。静息态下的大脑功能活动非常复杂,对其数据进行挖掘分析一直是fMRI方法学上的难题。该部分主要的研究成果可概括为以下四方面内容。
1从感兴趣脑区水平进行关键脑区度量方法的研究。首先基于感兴趣脑区构建不同阈值下的脑网络,并基于脑网络计算各阈值下度量关键脑区的三种属性：节点的度、节点效率及介数中心度,为克服现有方法中存在的利用不同指标度量关键脑区结果不一致的现象,在此基础上结合主成分分析方法提出一种新指标：中心度得分。该方法结合了节点的度、节点效率和介数中心度三个属性综合考虑,不仅有效避免了三种度量指标结果不一致的问题,而且避免了阈值的主观选择问题。该方法得到的关键脑区更精准、更全面。
2从体素水平上进行近似熵approximate entropy, ApEn方法的研究。为揭示现有线性方法无法揭示的大脑功能活动非线性信息,本研究引入非线性ApEn方法,并利用矩阵快速计算肠易激综合征患者组与健康对照组两组被试所有体素的ApEn,采用双样本t 检验筛选ApEn特征,并通过支持向量机对两组人进行识别。同时,将其与线性分析方法的典型代表局部一致性分析进行对比,以验证ApEn诊断与脑相关疾病的敏感性。结果表明,ApEn可以作为一种分析大脑功能活动的有效指标。
3从体素水平上进行样本熵sample entropy, SampEn方法的研究。为探讨SampEn在分析静息态fMRI数据中的效果,本研究提出了均值差距率的概念,利用矩阵快速计算不同参数r 下的被试所有体素的SampEn,进一步计算SampEn的均值差距率,将其与ApEn的均值差距率进行对比。结果表明,与ApEn这一典型的非线性分析方法相比,SampEn更适用于静息态fMRI数据的分析。
4从体素水平上进行相邻数据依赖性dependence of neighbor subseries, DN方法的研究。为避免非线性方法存在的相空间重构问题,本研究引入了DN 方法,利用矩阵快速计算被试所有体素的DN,并生成相应的DN 脑图像。同时,将该方法应用于大脑功能活动的性别差异研究中,对两组被试的DN 脑图像进行统计分析,确定两组被试的差异区域。结果表明,DN 作为一种非线性动力学分析方法在fMRI的研究中有其独特优势。
综上所述,第二部分采用多种有效的方法,从不同尺度大尺度脑区到中尺度体素、不同水平线性到非线性进行静息态fMRI数据分析,并将其应用于大脑功能活动的性别差异、与脑相关疾病等实例中,发现了传统分析方法无法捕获和挖掘的大脑功能活动信息,这可能为临床上诊断和治疗脑相关疾病提供辅助作用。
本书由郑州轻工业大学郑倩撰写。本书得到了作者所在单位郑州轻工业大学教授张素智、校三级特聘教授南姣芬、研究生张亮亮的大力支持,同时也获得了国家自然科学基金项目81501548 和81501547、河南省高等学校重点科研项目20A520042、河南省高等学校青年骨干教师培养计划项目2020GGJS123等项目的支持,在此一并深表感谢。
限于著者水平,本书疏漏及不妥之处在所难免,恳请广大读者批评指正。
著 者
2020年9月
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
