1.医学与工程学的精彩结合，详细介绍如何使用深度学习方法解决医学图像处理的问题。 2.首都医科大学附属北京天坛医院国家神经系统疾病临床医学研究中心团队编写，院长王拥军作序推荐。 3.内容丰富实用。涵盖了目前该领域各个应用方向的相关模型和关键技术，包括Transformer、BERT、GPT等。 4.配套示例代码，可运行，实操性好，语言通俗易懂，适合作为门自然语言处理的参考书，也可供从事该领域工作的专业人士作为实践指南。
售 价：¥
纸质售价：¥70.90购买纸书
6.5
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
内容提要
编委会名单
作者简介
其他参编人员
前 言
章节概述
致 谢
资源与支持
配套资源
勘误
扫码关注本书
与我们联系
关于异步社区和异步图书
第1章 人工智能在医学领域的应用
1.1 人工智能概述
1.2 人工智能在医学领域中的应用
1.3 人工智能在医学图像方面的应用
1.4 小结
1.5 参考资料
第2章 医学图像数据
2.1 常见的医学图像数据
2.2 常见的影像格式
2.3 小结
2.4 参考资料
第3章 数据标注
3.1 界面介绍
3.2 开始标注
3.3 小结
3.4 参考资料
第4章 医学数字图像处理
4.1 数据预处理
4.2 数据增强
4.3 小结
4.4 参考资料
第5章 医学图像分类
5.1 损失函数
5.2 评价指标
5.3 经典模型
5.4 实战：基于颅内CT影像的脑出血分类检测
5.5 小结
5.6 参考资料
第6章 语义分割
6.1 损失函数
6.2 评价指标
6.3 其他统计方法
6.4 经典分割模型
6.5 实战：基于MRI影像的脑肿瘤分割
6.6 小结
6.7 参考资料
第7章 关键点检测
7.1 概念与意义
7.2 常见的关键点检测模型
7.3 实战：血管关键点检测
7.4 小结
7.5 参考资料
第8章 医学图像配准
8.1 基础知识
8.2 深度学习图像配准方法
8.3 实战：深度学习图像配准模型VoxelMorph
8.4 小结
8.5 参考资料
第9章 模型优化
9.1 模型剪枝
9.2 模型量化
9.3 TensorRT
9.4 实战：颅内出血CT影像分类模型的量化
9.5 小结
9.6 参考资料
第10章 迁移学习
10.1 迁移学习
10.2 终身学习
10.3 实战：数据失衡的颅内影像出血检测优化方法
10.4 小结
10.5 参考资料
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
