礦柱失穩(wěn)誘發(fā)礦區(qū)坍塌災害機理與評估

目錄
前言
第1章 核醫(yī)學影像 1
1.1 醫(yī)學影像概述 1
1.1.1 結(jié)構(gòu)醫(yī)學影像 1
1.1.2 功能醫(yī)學影像 6
1.2 核醫(yī)學功能成像 10
1.2.1 SPECT 成像 10
1.2.2 PET 成像 15
1.3 公共數(shù)據(jù)集 17
1.3.1 數(shù)據(jù)通信標準 18
1.3.2 數(shù)據(jù)集描述 20
參考文獻 21
第2章 數(shù)據(jù)分析技術(shù) 24
2.1 數(shù)據(jù)擴展技術(shù) 24
2.1.1 基于幾何變換的擴展 24
2.1.2 基于對抗技術(shù)的擴展 25
2.2 圖像區(qū)域切分技術(shù) 26
2.2.1 骨骼區(qū)域切分 26
2.2.2 非病變區(qū)域切分 31
2.3 畸變骨骼矯正技術(shù) 34
2.3.1 圖像中肩頸的矯正 34
2.3.2 圖像中脊柱的矯正 36
2.4 模型構(gòu)建技術(shù) 37
2.4.1 深度學習方法 37
2.4.2 深度神經(jīng)網(wǎng)絡(luò) 39
2.4.3 激活函數(shù)和損失函數(shù) 42
2.4.4 優(yōu)化算法 46
2.4.5 評價指標 47
2.4.6 圖像數(shù)據(jù)的標注 50
參考文獻 50
第3章 核醫(yī)學圖像分類 52
3.1 經(jīng)典分類網(wǎng)絡(luò) 52
3.2 圖像的二類分類 53
3.2.1 骨轉(zhuǎn)移的自動檢測 53
3.2.2 關(guān)節(jié)炎的自動檢測 62
3.2.3 肺阻塞的自動檢測 68
3.3 圖像的多類分類 73
3.3.1 單疾病多病灶圖像分類 73
3.3.2 多疾病多病灶圖像分類 79
3.4 疾病的亞類分類 83
3.4.1 非融合圖像的分類 83
3.4.2 殘差與注意力結(jié)合的圖像分類 90
參考文獻 94
第4章 核醫(yī)學圖像目標檢測 96
4.1 經(jīng)典目標檢測網(wǎng)絡(luò) 96
4.1.1 一階段目標檢測模型 97
4.1.2 二階段目標檢測模型 99
4.2 單疾病病灶檢測 102
4.2.1 數(shù)據(jù)集構(gòu)建 102
4.2.2 檢測模型構(gòu)建 103
4.2.3 實驗驗證及評價 108
4.3 多疾病病灶檢測 112
4.3.1 數(shù)據(jù)集構(gòu)建 112
4.3.2 檢測模型構(gòu)建 113
4.3.3 實驗驗證及評價 114
參考文獻 116
第5章 核醫(yī)學圖像分割 118
5.1 經(jīng)典分割網(wǎng)絡(luò) 118
5.1.1 圖像語義分割 118
5.1.2 圖像實例分割 121
5.2 病灶監(jiān)督分割 123
5.2.1 骨轉(zhuǎn)移病灶分割 123
5.2.2 甲狀腺病灶分割 130
5.3 病灶半監(jiān)督分割 136
5.3.1 分割方法概況 136
5.3.2 半監(jiān)督分割模型 136
5.3.3 實驗驗證及評價 140
參考文獻 144
第6章 核醫(yī)學診斷文本分析 146
6.1 病灶及其表征關(guān)聯(lián)分析 146
6.1.1 核醫(yī)學診斷文本 146
6.1.2 診斷文本預處理 146
6.1.3 病灶表征的形式編碼 147
6.1.4 病灶-表征關(guān)聯(lián)挖掘 149
6.1.5 實驗驗證與結(jié)果分析 150
6.2 基于文本的診斷模型 154
6.2.1 基于傳統(tǒng)機器學習方法的診斷模型 154
6.2.2 基于深度學習方法的診斷模型 162
參考文獻 169
彩圖