醫(yī)學影像智能分析基礎

第一章 醫(yī)學影像處理概論/1
第一節(jié) 醫(yī)學影像技術的發(fā)展/2
第二節(jié) 醫(yī)學影像物理意義/3
一、X 線/3
二、CT/4
三、MRI/5
第三節(jié) 醫(yī)學影像智能分析及其應用/7
第二章 醫(yī)學影像與MATLAB/ 9
第一節(jié) MATLAB 基礎知識/ 10
一、MATLAB 2021b 工作界面/ 10
二、MATLAB 數(shù)據(jù)類型/ 13
三、MATLAB 常見的指令與特殊符號/ 15
第二節(jié) MATLAB 矩陣/17
一、矩陣定義/ 17
二、矩陣創(chuàng)建/ 17
三、矩陣運算/ 19
四、矩陣索引/23
第三節(jié) MATLAB 編程基礎/25
一、控制語句 /25
二、M 文件/ 27
第四節(jié) MATLAB 醫(yī)學影像基礎/ 30
一、醫(yī)學影像的基本格式/ 30
二、醫(yī)學影像的讀寫/ 30
三、醫(yī)學影像的計算/35
第三章 醫(yī)學影像的特征/ 38
第一節(jié) 顏色特征/ 39
一、顏色空間/ 39
二、直方圖特征/ 41
三、案例分析/43
第二節(jié) 紋理特征/ 45
一、灰度共生矩陣/45
二、灰度差分統(tǒng)計/ 49
三、自相關函數(shù)/ 50
四、案例分析/ 51
第三節(jié) 形狀特征/53
一、邊界特征/53
二、區(qū)域特征/53
三、案例分析/54
第四節(jié) 特征分析/ 55
第四章 參數(shù)估計與假設檢驗/ 57
第一節(jié) 參數(shù)估計/ 58
一、計量資料的統(tǒng)計描述/ 58
二、均數(shù)的抽樣誤差與標準誤/ 60
三、t 分布/ 61
四、總體均數(shù)的區(qū)間估計/62
第二節(jié) 假設檢驗/ 65
一、假設檢驗的基本步驟/65
二、假設檢驗中的兩類錯誤/66
三、假設檢驗的注意事項/ 67
四、假設檢驗和區(qū)間估計的關系/ 68
第三節(jié) t 檢驗/ 69
一、單樣本t 檢驗/ 69
二、兩獨立樣本t 檢驗/ 70
三、配對樣本t 檢驗/ 72
第四節(jié) 方差分析/ 74
一、完全隨機設計的方差分析/ 74
二、隨機區(qū)組設計的方差分析/ 78
第五章 相關與線性回歸/81
第一節(jié) 相關分析/ 84
一、協(xié)方差與相關系數(shù)/ 84
二、秩相關/ 89
三、偏相關/ 91
第二節(jié) 簡單線性回歸/92
一、簡單線性回歸模型/ 92
二、簡單線性模型的最小二乘擬合/ 93
三、σ 2 的估計/ 97
四、簡單線性回歸的比較/ 98
第三節(jié) 多元線性回歸/ 102
一、多元線性回歸模型/102
二、模型假設/103
三、多元模型的最小二乘擬合/103
四、ε 方差σ2 的估計/106
第四節(jié) 模型適用性檢驗與修正/ 106
一、模型適用性檢驗/106
二、殘差分析/111
三、杠桿與強影響點的診斷/113
四、多重共線性分析/117
第五節(jié) 疼痛敏感性與腦白質(zhì)神經(jīng)機制在性別間的差異/ 118
一、問題/118
二、數(shù)據(jù)/118
三、耐受閾限模型/121
四、模型殘差的分析/ 122
五、模型的調(diào)整/124
六、結論/126
第六章 圖像與機器學習/127
第一節(jié) 模型的評估方法/ 129
一、留出法/129
二、交叉驗證法/130
三、自助法/131
第二節(jié) 常用的機器學習算法/ 133
一、Logistic 回歸/133
二、支持向量機/137
三、MATLAB 示例/140
第三節(jié) 模型的性能度量/ 143
一、回歸模型的評估指標/143
二、分類模型的評估指標/144
第四節(jié) 術前MRI 預測子宮內(nèi)膜癌患者淋巴血管間隙侵犯研究 / 146
一、問題/146
二、數(shù)據(jù)/146
三、模型構建與性能度量/147
四、結果展示/147
五、討論與分析/148
參考文獻/149
索引/150