AI醫(yī)學圖像處理（基于Python語言的Dragonfly）

第 1章 人工智能與醫(yī)療\t1
1．1　人工智能在醫(yī)療領域的發(fā)展\t1
1．1．1 人工智能在醫(yī)療領域的發(fā)展史\t1
1．1．2 “人工智能+醫(yī)療”行業(yè)現(xiàn)狀\t6
1．2 人工智能在醫(yī)療領域的發(fā)展階段以及具體實現(xiàn)\t9
1．2．1 發(fā)展階段\t9
1．2．2 具體實現(xiàn)\t10
1．3 人工智能在醫(yī)學圖像領域的應用\t14
1．4 人工智能在口腔領域的研究進展\t15
1．5 拓展閱讀\t17
第 2章 醫(yī)療領域中的圖像處理\t19
2．1 醫(yī)療領域的圖像處理技術及其應用\t19
2．2 醫(yī)學圖像處理案例\t20
2．3 醫(yī)學圖像處理的常用軟件\t21
2．3．1 ImageJ\t21
2．3．2 MATLAB\t22
2．3．3 VTK\t22
2．3．4 MIPAR\t23
2．3．5 Dragonfly\t24
2．3．6 OpenCV\t24
2．3．7 Mimics\t24
2．3．8 Amira\t25
2．4 拓展閱讀\t25
第3章 醫(yī)學圖像處理的常規(guī)流程\t27
3．1 圖像獲取\t27
3．1．1 醫(yī)學圖像的獲取方式\t27
3．1．2 醫(yī)學圖像的存儲格式\t28
3．1．3 醫(yī)學圖像的處理和分析\t28
3．2 圖像預處理\t29
3．2．1 坐標系的定義\t29
3．2．2 空間坐標變換\t30
3．2．3 圖像灰度值歸一化\t31
3．3 圖像標注\t31
3．3．1 圖像標注的定義\t31
3．3．2 圖像標注軟件\t32
3．4 數(shù)據(jù)增強\t32
3．4．1 數(shù)據(jù)增強的定義\t33
3．4．2 圖像數(shù)據(jù)增強\t33
3．5 圖像分割\t35
3．5．1 圖像分割的定義\t35
3．5．2 常用的經(jīng)典圖像分割方法\t36
3．5．3 常用的基于深度學習的圖像分割技術\t37
3．6 圖像配準\t40
3．6．1 圖像配準的定義\t40
3．6．2 圖像配準的類型\t41
3．6．3 圖像配準中的對象分類\t41
3．6．4 圖像配準的方法\t42
3．7 圖像融合\t42
3．8 三維重建及數(shù)據(jù)導出\t43
3．8．1 三維重建\t43
3．8．2 數(shù)據(jù)導出\t43
3．9 數(shù)據(jù)分析\t43
3．9．1 特征提?。簶嫿ㄓ跋裉卣髦R庫\t43
3．9．2 CT中骨組織的影像特征分析\t43
3．9．3 MRI中軟組織的影像特征分析\t44
3．9．4 構建相應的疾病預測模型\t44
3．9．5 結構化報告生成\t44
3．10 拓展閱讀\t44
第4章 醫(yī)學圖像處理軟件Dragonfly\t45
4．1 Dragonfly概述\t45
4．1．1 軟件概述\t46
4．1．2 軟件下載與安裝環(huán)境要求\t47
4．1．3 Dragonfly的優(yōu)勢\t48
4．2 Dragonfly界面及其主要功能\t50
4．2．1 Dragonfly界面\t50
4．2．2 Dragonfly的主要功能\t53
4．3 Dragonfly的拓展模塊\t60
4．3．1 Macro Player\t60
4．3．2 Macro Builder\t61
4．3．3 Infinite Toolbox\t62
4．3．4 Python Console\t63
4．4 Dragonfly的應用模塊\t64
4．4．1 骨骼分析模塊\t64
4．4．2 連通單元分析模塊\t65
4．4．3 CT重建模塊\t66
4．4．4 人工智能模塊\t66
4．5 Dragonfly的工作流程\t68
4．5．1 Dragonfly的一般工作流程\t68
4．5．2 工作流程中的重要步驟\t69
第5章 語義分割——口腔CBCT圖像中牙齒和牙髓及周邊組織的分割\t77
5．1 圖像導入\t77
5．2 圖像預處理\t78
5．2．1 空間坐標系校正\t79
5．2．2 灰度值歸一化\t80
5．3 圖像標注\t82
5．3．1 選擇Frame\t82
5．3．2 確定分類\t84
5．3．3 ROI標注\t85
5．4 模型生成\t88
5．5 數(shù)據(jù)增強\t90
5．6 神經(jīng)網(wǎng)絡訓練\t91
5．7 應用網(wǎng)絡 \t93
5．8 總結與思考\t97
第6章 三維建?！窝芎蜌夤芊指頫t99
6．1 圖像導入\t99
6．2 圖像標注\t99
6．3 訓練模型\t104
6．4 結果分析\t105
6．5 總結與思考\t106
第7章 圖像配準——口腔術前和術后數(shù)據(jù)的配準應用\t109
7．1 圖像導入\t109
7．2 圖像預處理（三維空間坐標系校正）\t109
7．3 圖像配準\t111
7．3．1 手動圖像配準\t111
7．3．2 自動圖像配準\t113
7．4 總結與思考\t116
第8章 分割與特征提取——骨組織的形態(tài)學分析\t117
8．1 骨的背景知識\t117
8．2 Dragonfly中Bone Analysis模塊的操作流程\t118
8．3 骨的測量參數(shù)\t119
8．3．1 骨分析的通用參數(shù)\t119
8．3．2 骨小梁分析的參數(shù)\t121
8．3．3 皮質骨分析的參數(shù)\t122
8．4 圖像導入\t124
8．5 圖像預處理與骨分割\t125
8．6 Dragonfly軟件中的Bone Analysis模塊\t130
8．7 各向異性的計算原理\t136
8．8 單層測量\t138
8．9 總結與思考\t139
第9章 特征計算及分析——醫(yī)用材料方面的應用\t143
9．1 圖像導入\t143
9．2 圖像可視化\t144
9．3 閾值分割、注釋和測量\t145
9．4 分水嶺分割\t146
9．5 量化分析\t153
9．6 總結與思考\t156
第 10章 目標檢測——腹部CT腎臟區(qū)域的標注\t157
10．1 圖像導入\t157
10．2 圖像標注\t157
10．3 生成YOLOv3模型\t159
10．4 訓練YOLOv3模型\t160
10．5 應用YOLOv3模型\t162
10．6 總結與思考\t163
第 11章 未來展望\t165
11．1 人工智能在醫(yī)學領域的發(fā)展現(xiàn)狀及趨勢\t165
11．2 人工智能在骨科領域的發(fā)展現(xiàn)狀及趨勢\t166
11．3 人工智能在口腔領域的發(fā)展現(xiàn)狀及趨勢\t167
11．4 拓展閱讀\t168