作者：陆惠玲等
页数：160
出版社：科学出版社
出版日期：2017
ISBN：9787030552549
电子书格式：pdf/epub/txt
内容简介
《PET/CT两模态医学图像融合》较为全面地介绍了PET/CT两模态医学图像融合研究现状、PET/CT在临床中的应用情况、基于双树复小波的PET/CT融合算法、基于压缩感知的PET/CT融合算法、基于特征级融合的肺结节分割和检测算法、基于粗糙集的PET/CT特征级融合、基于集成SVM的PET/CT特征级融合等内容，力求向读者展示相关领域的最新研究动态，希望能为从事相关研究的广大读者提供有益的参考，同时能对PET/CT两模态图像融合的相关理论和技术的发展起到推动作用。
本书特色
本书较为全面地介绍了PET/CT两模态医学图像融合研究现状、PET/CT在临床中的应用情况、基于双树复小波的PET/CT融合算法、基于压缩感知的PET/CT融合算法、基于特征级融合的肺结节分割和检测算法、基于粗糙集的PET/CT特征级融合、基于集成SVM的PET/CT特征级融合等内容，力求向读者展示相关领域的第一研究动态，希望能为从事相关研究的广大读者提供有益的参考，同时能对PET/CT两模态图像融合的相关理论和技术的发展起到推动作用。
目录
第一章 两模态医学图像融合研究现状
1.1 多模态医学图像融合识别问题分析与描述
1.1.1 融合识别
1.1.2 融合识别优势
1.1.3 融合识别类型
1.1.4 融合识别结构
1.2 PET／CT医学影像融合识别研究进展
1.2.1 PET／CT图像融合发展现状
1.2.2 PET／CT图像融合的临床应用
1.2.3 PET／CT图像融合算法
1.3 PET／CT临床中应用情况
1.3.1 资料来源
1.3.2 2028例PET／CT检查者年龄分布
1.3.3 2028例PET／CT检查者性别分布
1.3.4 体检、复查患者数量
1.3.5 恶性肿瘤疾病构成及顺位分析
1.4 现阶段的主要问题和进一步的研究方向
1.4.1 主要问题
1.4.2 研究热点
1.5 小结
第二章 基于双树复小波的像素级融合和图像融合质量的评价
2.1 像素级图像融合算法
2.1.1 基于空间域的融合算法
2.1.2 基于变换域的融合方法
2.2 基于双树复小波的像素级融合
2.2.1 研究背景和意义
2.2.2 双树复小波变换
2.3 医学图像融合质量评价
2.3.1 基于融合图像自身统计特性的评价指标
2.3.2 基于融合图像与参考图像差异的评价指标
2.3.3 基于融合图像与原图像差异的评价指标
2.4 小结
第三章 基于双树复小波和自适应高斯隶属度函数的PET／CT融合算法
3.1 模糊数学
3.2 算法思想
3.3 关键技术
3.3.1 低频图像融合规则
3.3.2 高频图像融合规则
3.4 实验及结果分析
3.4.1 实验一：与其他像素级融合算法的比较
3.4.2 实验二：图像融合效果的客观评价
3.4.3 实验三：双树复小波变换中不同融合规则的比较
3.5 小结
第四章 基于DTCWT和组合隶属度函数的自适应PET／CT图像融合算法
4.1 融合规则
4.1.1 低频融合规则
4.1.2 高频融合规则
4.2 实验及结果分析
4.2.1 实验一：与其他像素级融合算法的比较
4.2.2 实验二：图像融合效果的客观评价
4.2.3 实验三：32例非小细胞肺癌患者的PET图像和CT图像仿真实验
4.3 小结
第五章 基于压缩感知和非下采样的PET／CT像素级融合
5.1 研究背景和意义
5.2 压缩感知理论发展现状
5.3 基于压缩感知的医学图像融合
5.3.1 压缩感知理论
5.3.2 基于变换域的图像融合
5.3.3 基于压缩感知的医学图像融合方法
5.3.4 基于压缩感知的难点讨论
5.4 小结
第六章 基于非下采样轮廓波变换和压缩感知的PET／CT融合算法
6.1 基于非下采样轮廓波变换和压缩感知的PET／CT融合算法
6.1.1 关键技术
6.1.2 实验结果及分析
6.1.3 小结
6.2 基于压缩感知和NSCT-PCNN的PET／CT自适应融合算法
6.2.1 脉冲耦合神经网络
6.2.2 算法思想
6.2.3 关键技术
6.2.4 仿真实验及分析
6.3 总结与展望
第七章 基于粗糙集的特征级融合肺结节检测算法
7.1 绪论
7.1.1 研究背景和意义
7.1.2 肺结节检测研究现状
7.2 肺结节检测基础知识
7.2.1 肺部CT图像的特点
7.2.2 特征级融合肺结节检测算法模型
7.2.3 分类结果的评价指标
7.3 基于空间分布的肺结节ROI分割
7.3.1 基于空间分布的肺结节分类
7.3.2 肺结节ROI分割算法思想
7.3.3 肺实质分割实验
7.3.4 肺结节分割实验
7.4 基于粗糙集的特征级融合肺结节检测算法
7.4.1 基于粗糙集的特征级融合肺结节检测算法思想
7.4.2 构建新的三维特征
7.4.3 特征提取及约简实验
7.4.4 SVM核函数优化实验
7.4.5 算法的稳定性及有效性验证实验
7.5 总结与展望
第八章 基于Rough Set的特征级融合PET／CT肺部肿瘤CAD模型
8.1 PET／CT肺部肿瘤ROI区域特征及其提取
8.1.1 形状特征
8.1.2 灰度特征
8.1.3 Tamura纹理特征
8.1.4 GLCM纹理特征
8.1.5 频域特征
8.2 粗糙集
8.2.1 基于遗传算法的知识约简方法
8.2.2 基于属性重要度的启发式算法
8.3 支持向量机
8.4 基于Rough Set的特征级融合PET／CT肺部肿瘤CAD模型
8.4.1 模型思想
8.4.2 模型描述
8.5 实验结果及分析
8.5.1 实验环境与数据
8.5.2 基于粗糙集的特征级融合
8.5.3 肺部肿瘤PET／CT图像ROI特征提取举例
8.5.4 基于粗糙集特征级融合前后有效性
8.5.5 基于粗糙集特征级融合的有效性
8.6 小结
第九章 基于集成SVM的肺部肿瘤PET／CT计算机辅助诊断模型
9.1 集成学习
9.1.1 集成学习定义
9.1.2 集成学习有效性分析
9.1.3 集成分类器的优点
9.1.4 集成学习分类
9.1.5 集成学习原理
9.2 算法思想
9.3 仿真实验
9.3.1 实验环境与数据
9.3.2 CT、PET和PET／CT肺部肿瘤特征
9.3.3 肺部肿瘤CT、PET、PET／CT图像特征提取举例
9.3.4 实验结果及分析
9.4 小结
参考文献
1.1 多模态医学图像融合识别问题分析与描述
1.1.1 融合识别
1.1.2 融合识别优势
1.1.3 融合识别类型
1.1.4 融合识别结构
1.2 PET／CT医学影像融合识别研究进展
1.2.1 PET／CT图像融合发展现状
1.2.2 PET／CT图像融合的临床应用
1.2.3 PET／CT图像融合算法
1.3 PET／CT临床中应用情况
1.3.1 资料来源
1.3.2 2028例PET／CT检查者年龄分布
1.3.3 2028例PET／CT检查者性别分布
1.3.4 体检、复查患者数量
1.3.5 恶性肿瘤疾病构成及顺位分析
1.4 现阶段的主要问题和进一步的研究方向
1.4.1 主要问题
1.4.2 研究热点
1.5 小结
第二章 基于双树复小波的像素级融合和图像融合质量的评价
2.1 像素级图像融合算法
2.1.1 基于空间域的融合算法
2.1.2 基于变换域的融合方法
2.2 基于双树复小波的像素级融合
2.2.1 研究背景和意义
2.2.2 双树复小波变换
2.3 医学图像融合质量评价
2.3.1 基于融合图像自身统计特性的评价指标
2.3.2 基于融合图像与参考图像差异的评价指标
2.3.3 基于融合图像与原图像差异的评价指标
2.4 小结
第三章 基于双树复小波和自适应高斯隶属度函数的PET／CT融合算法
3.1 模糊数学
3.2 算法思想
3.3 关键技术
3.3.1 低频图像融合规则
3.3.2 高频图像融合规则
3.4 实验及结果分析
3.4.1 实验一：与其他像素级融合算法的比较
3.4.2 实验二：图像融合效果的客观评价
3.4.3 实验三：双树复小波变换中不同融合规则的比较
3.5 小结
第四章 基于DTCWT和组合隶属度函数的自适应PET／CT图像融合算法
4.1 融合规则
4.1.1 低频融合规则
4.1.2 高频融合规则
4.2 实验及结果分析
4.2.1 实验一：与其他像素级融合算法的比较
4.2.2 实验二：图像融合效果的客观评价
4.2.3 实验三：32例非小细胞肺癌患者的PET图像和CT图像仿真实验
4.3 小结
第五章 基于压缩感知和非下采样的PET／CT像素级融合
5.1 研究背景和意义
5.2 压缩感知理论发展现状
5.3 基于压缩感知的医学图像融合
5.3.1 压缩感知理论
5.3.2 基于变换域的图像融合
5.3.3 基于压缩感知的医学图像融合方法
5.3.4 基于压缩感知的难点讨论
5.4 小结
第六章 基于非下采样轮廓波变换和压缩感知的PET／CT融合算法
6.1 基于非下采样轮廓波变换和压缩感知的PET／CT融合算法
6.1.1 关键技术
6.1.2 实验结果及分析
6.1.3 小结
6.2 基于压缩感知和NSCT-PCNN的PET／CT自适应融合算法
6.2.1 脉冲耦合神经网络
6.2.2 算法思想
6.2.3 关键技术
6.2.4 仿真实验及分析
6.3 总结与展望
第七章 基于粗糙集的特征级融合肺结节检测算法
7.1 绪论
7.1.1 研究背景和意义
7.1.2 肺结节检测研究现状
7.2 肺结节检测基础知识
7.2.1 肺部CT图像的特点
7.2.2 特征级融合肺结节检测算法模型
7.2.3 分类结果的评价指标
7.3 基于空间分布的肺结节ROI分割
7.3.1 基于空间分布的肺结节分类
7.3.2 肺结节ROI分割算法思想
7.3.3 肺实质分割实验
7.3.4 肺结节分割实验
7.4 基于粗糙集的特征级融合肺结节检测算法
7.4.1 基于粗糙集的特征级融合肺结节检测算法思想
7.4.2 构建新的三维特征
7.4.3 特征提取及约简实验
7.4.4 SVM核函数优化实验
7.4.5 算法的稳定性及有效性验证实验
7.5 总结与展望
第八章 基于Rough Set的特征级融合PET／CT肺部肿瘤CAD模型
8.1 PET／CT肺部肿瘤ROI区域特征及其提取
8.1.1 形状特征
8.1.2 灰度特征
8.1.3 Tamura纹理特征
8.1.4 GLCM纹理特征
8.1.5 频域特征
8.2 粗糙集
8.2.1 基于遗传算法的知识约简方法
8.2.2 基于属性重要度的启发式算法
8.3 支持向量机
8.4 基于Rough Set的特征级融合PET／CT肺部肿瘤CAD模型
8.4.1 模型思想
8.4.2 模型描述
8.5 实验结果及分析
8.5.1 实验环境与数据
8.5.2 基于粗糙集的特征级融合
8.5.3 肺部肿瘤PET／CT图像ROI特征提取举例
8.5.4 基于粗糙集特征级融合前后有效性
8.5.5 基于粗糙集特征级融合的有效性
8.6 小结
第九章 基于集成SVM的肺部肿瘤PET／CT计算机辅助诊断模型
9.1 集成学习
9.1.1 集成学习定义
9.1.2 集成学习有效性分析
9.1.3 集成分类器的优点
9.1.4 集成学习分类
9.1.5 集成学习原理
9.2 算法思想
9.3 仿真实验
9.3.1 实验环境与数据
9.3.2 CT、PET和PET／CT肺部肿瘤特征
9.3.3 肺部肿瘤CT、PET、PET／CT图像特征提取举例
9.3.4 实验结果及分析
9.4 小结
参考文献
