登入帳戶　 |　訂單查詢　 |　購物車/收銀台(0)　|　在線留言板　 |　付款方式　 |　聯絡我們　 |　運費計算　 |　幫助中心　|　 加入書簽
	全部範圍 - 圖書 - 　- 中文簡體書(大陸書) - 　- 英文書（原版） - - 音碟 - 　- 音樂 - 　- 影視 - - 雜誌 - 全文 精確	會員登入   新用戶註冊

HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2024年度TOP分類閱讀雜誌

香港／國際用戶

最新/最熱/最齊全的簡體書網

品種：超過100萬種書，正品正价，放心網購，悭钱省心

送貨：速遞 / 物流，時效：出貨後2-4日

新書推薦： 《 生成式人工智能：教师应用指南 》 售價：NT$ 347.0 《 Elasticsearch实战（第2版） 》 售價：NT$ 662.0 《 数字经济：澳门经济适度多元发展的新路径 》 售價：NT$ 755.0 《 炉边夜话——深入浅出话AI 》 售價：NT$ 347.0 《 中国现代小说流派史 》 售價：NT$ 510.0 《 中国古代政治制度研究 》 售價：NT$ 3468.0 《 手把手教你养护关节 》 售價：NT$ 347.0 《 中国古典诗学源流 》 售價：NT$ 806.0

編輯推薦： 本书对医学细胞图像分割技术研究进行了综述，汇总了一些较流行的医学细胞图像分割方法，同时作者根据不同方法在医学细胞图像上的分割表现，采用新的方法对相应深度学习网络模型进行了改进，使改进后的模型在医学细胞图像数据集上有更好的分割效果。本书可以作为医学图像处理领域的研究人员、医学专业人士和工程师的参考用书。 內容簡介： 医学细胞图像处理涵盖了人工智能、图像处理、计算机视觉、生物医学等多个领域，通过研究医学细胞图像分割来量化细胞的行为，对生物医学研究和临床诊断有着重要作用。本书使用了大量的实用分割案例，通过对案例模型改进的讲解以及改进后模型效果的展示，使读者可以更清晰地了解图像分割的关键技术。本书内容是作者近年来对医学细胞图像分割技术研究的成果汇总。 本书可作为计算机、人工智能专业的研究生教材，对于研究医学细胞图像处理的读者而言，本书将成为他们重要的参考手册。 目錄： 第1章绪论/1 1.1研究背景及意义2 1.2医学图像分类及医学显微成像技术概述3 1.2.1医学图像的分类3 1.2.2不同类型的显微成像技术4 1.2.3结构光照明荧光显微成像技术4 1.3医学显微细胞图像分割技术的研究现状6 1.3.1手动分割技术6 1.3.2半自动分割技术6 1.3.3自动分割技术8 1.4深度学习网络介绍9 1.4.1卷积神经网络9 1.4.2全卷积神经网络11 1.4.3UNet网络12 1.4.4SegNet网络13 1.4.5PSPNet15 1.4.6DeepLab V3 plus15 1.5深度学习框架15 1.5.1TensorFlow框架16 1.5.2PyTorch框架17 1.5.3Keras框架18 1.5.4Caffe框架20 1.6本章小结21 参考文献22 第2章基于双树复小波变换及形态学的医学显微细胞图像增强算法/27 2.1医学图像增强算法概述28 2.2医学显微细胞图像增强算法流程30 2.3双树复小波变换的基本原理30 2.4基于DTCWT 及形态学的医学显微细胞图像增强算法32〖1〗医学细胞图像分割关键技术〖1〗〖1〗目录 2.4.1WBCT法对高通子带去噪32 2.4.2改进的形态学tophat变换法对低通子带增强34 2.4.3医学显微细胞图像增强算法实现38 2.5实验结果与分析38 2.5.1实验设置39 2.5.2细胞图像增强结果的主观评价39 2.5.3细胞图像增强结果的客观评价42 2.6本章小结47 参考文献48 第3章基于MRF医学细胞图像自动分割/51 3.1马尔可夫随机场52 3.2基于MRF的图像分割53 3.3基于MRF细胞图像自动分割54 3.3.1中国餐厅过程54 3.3.2实现细胞图像自动分割54 3.4实验结果与分析55 3.4.1实验过程55 3.4.2实验效果对比56 3.4.3实验效果差异评价59 3.5本章小结60 参考文献60 第4章基于加权曲率和灰度距离变换的粘连医学显微细胞图像分割算法/62 4.1分水岭变换63 4.2快速双阈值标记分水岭变换的图像分割算法64 4.2.1双阈值迭代法构建标记图像65 4.2.2双阈值标记分水岭变换的图像分割算法实现65 4.3基于加权曲率和灰度距离变换的粘连细胞图像分割算法67 4.3.1判断粘连细胞67 4.3.2曲率计算及确定凹点68 4.3.3建立分割线69 4.3.4关联灰度细胞图像的距离变换71 4.3.5基于加权曲率和灰度距离变换的粘连细胞图像分割算法 实现步骤 72 4.3.6粘连细胞核的分割算法75 4.4粘连细胞图像分割实验结果及分析76 4.4.1粘连细胞图像分割结果主观评价76 4.4.2粘连细胞图像分割结果客观评价77 4.5本章小结80 参考文献80 第5章基于颜色模型极小值运算的细胞图像分割算法/81 5.1细胞分割算法原理82 5.2基于颜色模型极小值的细胞图像分割算法83 5.2.1形态学梯度重构83 5.2.2自适应Hminima的分水岭图像分割84 5.2.3基于灰度一致性的区域合并85 5.3细胞图像分割与评价87 5.3.1显微细胞图像的分割87 5.3.2细胞分割结果的主观评价88 5.3.3细胞分割结果的客观评价90 5.4本章小结93 参考文献94 第6章基于图模型的医学显微细胞图像分割算法/96 6.1多树模型建立97 6.1.1图模型概述97 6.1.2多树模型的建立98 6.2增加先验信息的多树图100 6.3标签推理102 6.4构建基于卷积多尺度融合 FCN的多树深度特征104 6.4.1卷积型多尺度融合 FCN网络105 6.4.2基于卷积型多尺度融合FCN的细胞图像分割框架107 6.5医学显微细胞图像分割实验结果及分析108 6.5.1图像数据扩充和实验环境108 6.5.2评价指标109 6.5.3实验结果及分析 111 6.6本章小结115 参考文献116 第7章基于神经常微分方程的医学显微细胞图像分割算法/118 7.1UNet网络119 7.2神经常微分方程121 7.2.1神经网络知识121 7.2.2神经常微分方程123 7.3构建基于NODEs的神经网络模型125 7.3.1ODE模块位置125 7.3.2NODEsUnet神经网络架构125 7.3.3基于NODEsUnet网络的二元分割127 7.4细胞图像分割实验结果及分析128 7.4.1NODEsUnet和2NODEsUnet网络架构分割结果129 7.4.2细胞图像分割的实验结果130 7.5本章小结133 参考文献133 第8章基于Attention NODEUNet 的细胞图像分割算法/135 8.1引言136 8.2数据预处理137 8.2.1数据集介绍137 8.2.2数据集标注137 8.2.3数据增强138 8.3Attention NODEUNet 分割网络139 8.3.1注意力机制139 8.3.2UNet 网络模型140 8.3.3Attention NODEUNet 网络模型141 8.3.4实验结果与分析142 8.4粘连细胞分割149 8.4.1标记分水岭算法分割过程149 8.4.2实验结果与分析149 8.4.3对比分析151 8.5本章小结157 参考文献157 第9章基于加权连接解码网络的细胞图像分割算法/159 9.1加权连接解码网络161 9.1.1空洞残差网络161 9.1.2空洞空间卷积金字塔池化162 9.1.3解码器163 9.1.4轻量级通用上采样算子164 9.2实验分析165 9.2.1评价指标165 9.2.2WCDNet模型测试分析166 9.2.3人类口腔黏膜细胞分割评估167 9.2.4人类血液细胞分割评估167 9.3本章小结170 参考文献171 第10章基于DeepLab V3 的医学细胞图像语义分割算法/173 10.1DeepLab V3 网络结构174 10.1.1空洞卷积175 10.1.2空洞空间金字塔池化177 10.1.3编解码结构177 10.2基于DeepLab V3 的医学细胞图像语义分割算法179 10.2.1空洞卷积扩大感受野179 10.2.2密集空洞空间金字塔池化180 10.2.3softmax 分类182 10.3评价标准183 10.4实验结果及分析184 10.4.1实验数据集184 10.4.2实验设置184 10.4.3实验结果分析185 10.5基于DeepLab V3 与FCRF 相融合的医学细胞图像语义分割算法189 10.5.1条件随机场189 10.5.2全连接条件随机场190 10.5.3基于全连接条件随机场的细胞图像语义分割算法192 10.6DeepLab V3 与FCRF 融合网络的实验分析193 10.6.1不同算法模块下的对比实验 193 10.6.2泛化能力对比实验195 10.7本章小结196 参考文献197 第11章基于属性增强的空洞残差聚合网络的血液细胞图像多类别分割算法/199 11.1空洞残差聚合网络系统模型200 11.1.1网络模型介绍200 11.1.2空洞残差网络200 11.1.3混合空洞可变形空间金字塔池化203 11.2数据集的属性增强204 11.2.1Sobel算子处理204 11.2.2Laplace算子锐化207 11.3医学血液细胞图像多分类分割实验结果及分析208 11.3.1实验环境及评价指标208 11.3.2网络部分消融实验209 11.3.3数据集属性增强消融实验209 11.3.4实验结果及分析211 11.4本章小节213 参考文献213 內容試閱： 医学细胞图像处理与分析，是一个激动人心的领域，它融合了计算机视觉、深度学习和生物医学工程等多个学科的知识，旨在提高医学诊断和生物医学研究的精确性和效率。本书汇集了一系列关于医学细胞图像处理的前沿研究成果，旨在帮助读者深入理解和掌握这一领域的知识和技术。在本书的各章中，探讨了不同的方法和算法，涵盖图像增强、自动分割、粘连细胞分割以及语义分割等关键领域，希望为医学图像处理领域的研究人员、医学专业人士和工程师提供参考和启发。 全书共11章，各章的主要内容如下。 第1章为绪论，主要介绍了研究背景及意义、医学图像分类及医学显微成像技术、医学显微细胞图像分割技术的研究现状、深度学习网络介绍、深度学习框架。本章是之后各章研究工作的基础。 第2章提出了一种基于双树复小波变换和形态学的医学显微细胞图像增强算法。图像增强是医学图像处理的一个重要环节，它可以提高图像的质量，使细节更加清晰可见。本章详细探讨了这一方法的原理和实现步骤，并通过实验结果展示其性能和效果。 第3章提出了一种基于马尔可夫随机场的医学细胞图像自动分割算法。细胞图像分割是医学显微细胞图像处理的核心任务之一，自动分割算法可以提高工作效率并减少主观误差。本章深入探讨了这一方法的原理和实现过程，并通过实验验证其性能。 第4章主要介绍了基于加权曲率和灰度距离变换的粘连医学显微细胞图像分割算法。本章的研究内容为: 根据口腔黏膜细胞显微图像的特点，通过双阈值迭代法计算出细胞、细胞核分割阈值，经形态学变换获得标记图像，通过分水岭变换，实现细胞图像的背景、细胞、细胞核的初分割；然后，根据初分割结果获取细胞轮廓，通过一种新的加权曲率计算找出轮廓凹点，建立分割线，经提出的灰度距离变换后，再使用分水岭变换，进一步实现粘连细胞分割。 第5章主要介绍了基于颜色模型极小值运算的细胞图像分割算法。本章的研究内容为: ①对图像的颜色空间进行变换，获得特征明显的颜色分量；②使用形态学重构和Hminima技术优化图像梯度，在一定程度上解决分水岭算法的过分割问题； ③根据图像的灰度一致性来对分割得到的各个区域进行合并处理，并利用形态学后处理消除噪点、平滑轮廓，得到最终的分割结果。本章深入探讨了该算法的原理和实现步骤，并通过实验结果展示其性能和效果。 第6章主要介绍了基于图模型的医学显微细胞图像分割算法。本章具体研究内容为: 以图模型和卷积型多尺度融合FCN网络为基础，建立过分割细胞图像的多树模型，提出一种基于图模型的分割算法，结合多树模型的先验信息，求解多树模型的后验的封闭形式解决方案，搭建图像分割网络框架，建立图像质量评价函数，并通过实验结果展示其性能。 〖1〗医学细胞图像分割关键技术〖1〗〖1〗前言第7章主要介绍了基于神经常微分方程的医学显微细胞图像分割算法。本章具体研究内容为: 以UNet卷积神经网络模型为基础，通过做对比实验，确定将常微分方程ODE模块加入UNet网络中的具体位置，提出了一种基于神经常微分方程及UNet的细胞图像分割网络模型(简称为NODEsUnet网络架构)；然后通过调整ODE模块的误差容忍度增加网络深度，提出一种基于NODEsUnet网络的二元分割网络(简称为2NODEsUnet)，并通过实验结果展示其性能。 第8章主要介绍了基于Attention NODEUNet 的细胞图像分割算法。本章具体研究内容为: 数据预处理、Attention NODEUNet 分割网络构建、基于标记分水岭方法的粘连细胞分割。本章采用注意力机制和UNet 网络模型来提高细胞图像分割的准确性，并通过实验结果展示其性能。 第9章主要介绍了基于加权连接解码网络(WCDNet)的细胞图像分割算法。本章具体研究内容为: ①使用空洞卷积(Atrous Convolution)优化了残差网络，这使得残差网络既可以扩大特征提取时的感受野又可以保证特征图的分辨率； ②使用ASPP结构对图像特征以多种扩张率的空洞卷积进行并行处理，捕获目标的多尺度信息，避免了因重塑图像大小而产生的信息丢失与失真问题，进一步提升模型的分割性能； ③提出了一种包含C3模块与加权特征融合的解码器，将低层次的语义及位置信息赋予到深层次的特征之中，确保模型对分割目标的精准定位，最终通过上采样得到分割的图像。本章深入探讨了WCDNet的基本原理和实验分析过程，通过实验结果展示其性能。 第10章主要介绍了基于DeepLab V3 的医学细胞图像语义分割算法。本章具体研究内容为: 首先，使用空洞卷积算法，在保证不增加网络参数的条件下扩大网络特征图的感受野；然后，使用密集空洞空间金字塔池化(DenseASPP)模块提取细胞图像的密集像素特征和扩大特征图谱的感受野，进行多尺度特征融合；最后，将语义分类像素作为FCRF的能量势函数的输入，通过考虑邻域像素点与整幅图像的像素相关性，利用高效近似推理算法和空间平滑算法细化分割后的细胞图像边缘。本章详细探讨了DeepLab V3 网络结构和基于DeepLab V3 的医学细胞图像语义分割方法，并通过实验结果展示其性能。 第11章主要介绍了基于属性增强的空洞残差聚合网络的血液细胞图像多类别分割算法。本章具体研究内容为：首先，在UNet模型基础上，在下采样部分融合空洞残差网络解决信息丢失的问题，提升模型的分割性能；其次，引入混合可变形空洞空间金字塔池化模块，获得多尺度信息，增加网络对不同尺度物体和结构的感知能力。同时结合了属性增强的思想，通过对数据集进行处理，更好地解决细胞间粘连边界不清晰的问题，进而提升最终的分割效果。本章详细讨论了基于属性增强的空洞残差聚合网络的血液细胞图像多分类分割方法，通过实验结果展示其性能。 本书各章中介绍的医学显微细胞图像处理算法在医学图像处理中具有重要的应用前景，可以帮助研究人员更好地理解和分析医学显微细胞图像。未来的研究方向包括进一步改进和优化现有的方法，以提高其性能和效果。同时，需要更多的实验验证和临床应用，以验证这些方法在实际医学领域中的可行性和有效性。 综上所述，医学显微细胞图像处理是一个充满挑战和机遇的领域。本书介绍的各种方法为研究人员提供了丰富的工具和技术，有望推动医学研究和临床诊断的进步。希望未来的研究能够不断取得突破性进展，为医学领域的发展做出贡献。 本书是在无锡学院引进人才科研启动专项经费(2023R004、2023R006、2023R005)资助下以及吉林省科技厅重点研发项目、吉林省教育厅“十三五”重点规划项目等支持下完成的。值此专著完成之际，诚挚感谢长春理工大学杨进华教授，澳大利亚联邦科学与工业组织数据61所(CSIRO Data 61)孙长明教授，无锡学院王泉教授、陈德基教授的热情帮助和指点，同时也对参考文献中的作者们表示衷心的感谢。 本书由李东明和张丽娟共同执笔，参与本书撰写、校稿、核对工作的还有李富、李芝贻、张凇韬、于跃、李超然、张丽辉、雷雨、仇广杰、尹诗雨、荣亚琪、徐萌兮等。 由于作者水平所限，书中难免有考虑不周之处，诚请读者和同行专家批评指正。 作者 2024年11月 于无锡

書城介紹　 |　合作申請　|　索要書目　 |　新手入門　|　聯絡方式　 |　幫助中心　|　找書說明　 |　送貨方式　|　付款方式	台灣用户　|　香港/海外用户
megBook.com.tw
Copyright (C) 2013 - 2025 （香港）大書城有限公司　All Rights Reserved.