医学图像分割与校正：基于水平集方法与深度学习_杨云云2024_9787030776693电子版

本书从图像分割与校正模型和水平集方法的基本概念出发，整理了若干基于水平集和深度学习的医学图像分割与校正模型。全书共11章，包括五部分内容：第一部分（第1章）介绍医学图像分割与校正的方法，包括医学图像分割与校正背景及意义、国内外研究现状分析和相关模型和方法。第二部分（第2—4章）详细讨论二区和多区图像分割与校正模型，包括多区MR图像分割与校正模型、抗噪声医学图像分割与校正模型及基函数表达的人脑MR图像校正及分割模型。第三部分（第5章）介绍多图谱融合的三维人脑MRI分割及校正模型，主要针对3D人脑MR图像的分割及校正。第四部分（第6—8章）介绍带有约束信息的图像分割模型，包括结合先验约束项的图像分割模型、带有强约束项的彩色图像分割模型和PeRSF模型。第五部分（第9—11章）介绍基于深度学习与水平集方法的医学图像分割模型，包括弱监督牙齿分割模型、基于局部方差和边缘信息的自适应分割模型、基于强化主动学习的图像选择策略应用于分割模型。以上介绍的各种医学图像分割与校正模型，针对不同特性的医学图像，不仅提高了模型分割的准确度，也提高了模型分割的速度以及自适应性与鲁棒性。

本书可作为高等院校数学、电子信息工程、计算机科学、自动化、通信、生物工程和医学影像等专业的本科生与研究生的专业教材，也可供从事上述相关专业的研究人员和工程技术人员参考。

第1章 绪论 1
1.1 医学图像分割与校正背景及意义 1
1.2 国内外研究现状分析 3
1.3 相关模型与方法 7
1.3.1 MICO模型 7
1.3.2 CV模型 8
1.3.3 RSF模型 8
1.3.4 分裂Bregman方法 11
1.4 本书内容简介 12
第2章 多区MR图像分割与校正模型 15
2.1 前期准备 15
2.1.1 CLIC模型 15
2.1.2 分裂Bregman 方法 16
2.2 模型建立 16
2.2.1 建立能量泛函 16
2.2.2 定义隶属函数 17
2.2.3 定义加权长度项 19
2.2.4 偏磁场估计算法 19
2.2.5 分裂Bregman方法极小化能量泛函 19
……

丛 书 名：

• 作  者：杨云云 著
• 出 版 社：科学出版社
• 出版日期：2024-09-01

• 版    次：1
• 页    数：
• 字    数：257000

• 印刷时间：
• 开    本：16开
• 纸    张：204

• 印    次：1
• I S B N：
• 包    装：精装