医学影像智能分析基础

1.本书首先介绍MATLAB语言与医学图像数据格式，主要叙述MATLAB语言表示法的基本知识和求解医学图像处理问题的软件环境。2.进而介绍医学图像特征的常用特征指标，主要让学生掌握基于MATLAB语言的数学测度计算方法及其所表达的图像意义。3.继之介绍图像特征分析中的参数估计与假设检验，系统介绍针对医学特征的基本统计学方法。4.进一步介绍图像分析中常用的相关与线性回归分析方法，让学生掌握如何从大量图像特征中提取与疾病关联最大的指标。5.最后介绍医学图像中的机器学习方法，让学生初步学习如何完成对海量影像数据信息进行更深层次的挖掘、预测和分析工作。6.本教材的内容编写着重关联“MATLAB语言”“数学测量”“医学图像知识”，教材中所涉及的数学知识点都用MATLAB语言编程实现。7.在应用举例中，为避免涉及过深的医学术语，在语言方面尽可能做到通俗易懂，目的是让学生明确不同数学知识与医学图像所蕴含疾病信息的关系，便于学生学习和应用。8.为方便教师授课和学生自学，本书同时配有PPT、各章节重难点讲解视频微课、习题等数字内容。

刘继欣:博士，西安电子科技大学生命科学技术学院教授、博导。近年来工作集中于借助医学图像对疾病影像特征识别、疗效预测、康复评估研究上。目前，主持国家自然科学基金3项，第一作者、通讯作者发表SCI检索论文80余篇。研究团队关于针刺影像学研究在2012年获得“陕西省科学技术二等奖”、2021年获得“陕西省科学技术一等奖”“第八届中国针灸学会科学技术奖基础类一等奖”等荣誉。

第一章 医学影像处理概论/1 第一节 医学影像技术的发展/2 第二节 医学影像物理意义/3 一、X 线/3 二、CT/4 三、MRI/5 第三节 医学影像智能分析及其应用/7 第二章 医学影像与MATLAB/ 9 第一节 MATLAB 基础知识/ 10 一、MATLAB 2021b 工作界面/ 10 二、MATLAB 数据类型/ 13 三、MATLAB 常见的指令与特殊符号/ 15 第二节 MATLAB 矩阵/17 一、矩阵定义/ 17 二、矩阵创建/ 17 三、矩阵运算/ 19 四、矩阵索引/23 第三节 MATLAB 编程基础/25 一、控制语句 /25 二、M 文件/ 27 第四节 MATLAB 医学影像基础/ 30 一、医学影像的基本格式/ 30 二、医学影像的读写/ 30 三、医学影像的计算/35 第三章 医学影像的特征/ 38 第一节 颜色特征/ 39 一、颜色空间/ 39 二、直方图特征/ 41 三、案例分析/43 第二节 纹理特征/ 45 一、灰度共生矩阵/45 二、灰度差分统计/ 49 三、自相关函数/ 50 四、案例分析/ 51 第三节 形状特征/53 一、边界特征/53 二、区域特征/53 三、案例分析/54 第四节 特征分析/ 55 第四章 参数估计与假设检验/ 57 第一节 参数估计/ 58 一、计量资料的统计描述/ 58 二、均数的抽样误差与标准误/ 60 三、t 分布/ 61 四、总体均数的区间估计/62 第二节 假设检验/ 65 一、假设检验的基本步骤/65 二、假设检验中的两类错误/66 三、假设检验的注意事项/ 67 四、假设检验和区间估计的关系/ 68 第三节 t 检验/ 69 一、单样本t 检验/ 69 二、两独立样本t 检验/ 70 三、配对样本t 检验/ 72 第四节 方差分析/ 74 一、完全随机设计的方差分析/ 74 二、随机区组设计的方差分析/ 78 第五章 相关与线性回归/81 第一节 相关分析/ 84 一、协方差与相关系数/ 84 二、秩相关/ 89 三、偏相关/ 91 第二节 简单线性回归/92 一、简单线性回归模型/ 92 二、简单线性模型的最小二乘拟合/ 93 三、σ 2 的估计/ 97 四、简单线性回归的比较/ 98 第三节 多元线性回归/ 102 一、多元线性回归模型/102 二、模型假设/103 三、多元模型的最小二乘拟合/103 四、ε 方差σ2 的估计/106 第四节 模型适用性检验与修正/ 106 一、模型适用性检验/106 二、残差分析/111 三、杠杆与强影响点的诊断/113 四、多重共线性分析/117 第五节 疼痛敏感性与脑白质神经机制在性别间的差异/ 118 一、问题/118 二、数据/118 三、耐受阈限模型/121 四、模型残差的分析/ 122 五、模型的调整/124 六、结论/126 第六章 图像与机器学习/127 第一节 模型的评估方法/ 129 一、留出法/129 二、交叉验证法/130 三、自助法/131 第二节 常用的机器学习算法/ 133 一、Logistic 回归/133 二、支持向量机/137 三、MATLAB 示例/140 第三节 模型的性能度量/ 143 一、回归模型的评估指标/143 二、分类模型的评估指标/144 第四节 术前MRI 预测子宫内膜癌患者淋巴血管间隙侵犯研究 / 146 一、问题/146 二、数据/146 三、模型构建与性能度量/147 四、结果展示/147 五、讨论与分析/148 参考文献/149 索引/150