人工智能在肺癌診斷中的應(yīng)用

第1章 肺癌診斷的醫(yī)學(xué)背景
1．1 肺癌
1．1．1 肺癌的分類
1．1．2 肺癌的臨床分期
1．1．3 肺癌的癥狀
1．1．4 導(dǎo)致肺癌的因素
1．1．5 預(yù)防肺癌
1．2 肺癌診斷與病理學(xué)評估
1．2．1 輔助影像學(xué)檢查方法
1．2．2 肺癌組織學(xué)或細胞學(xué)檢查技術(shù)
1．2．3 實驗室血清學(xué)檢查
1．2．4 病理學(xué)評估與分子病理學(xué)檢測
1．3 肺癌的治療手段
1．4 肺癌智能診斷的意義
1．5 小結(jié)
第2章 肺癌診斷的相關(guān)醫(yī)療數(shù)據(jù)
2．1 醫(yī)院信息系統(tǒng)和圖像存檔與傳輸系統(tǒng)
2．2 影像學(xué)數(shù)據(jù)
2．3 電子病歷數(shù)據(jù)與患者臨床信息
2．4 醫(yī)療數(shù)據(jù)在智能肺癌診斷中的使用
2．5 小結(jié)
第3章 人工智能理論基礎(chǔ)
3．1 機器學(xué)習(xí)基礎(chǔ)
3．1．1 機器學(xué)習(xí)分類
3．1．2 機器學(xué)習(xí)流程概述
3．1．3 機器學(xué)習(xí)任務(wù)關(guān)鍵方法
3．2 深度學(xué)習(xí)基礎(chǔ)——神經(jīng)網(wǎng)絡(luò)技術(shù)簡介
3．2．1 前向傳播
3．2．2 激活函數(shù)
3．2．3 反向傳播
3．2．4 參數(shù)初始化與正則化
3．3 深度學(xué)習(xí)下的計算機視覺
3．3．1 卷積神經(jīng)網(wǎng)絡(luò)
3．3．2 目標(biāo)檢測任務(wù)
3．3．3 目標(biāo)分割任務(wù)
3．4 小結(jié)
第4章 肺癌智能診斷的常用工具與框架
4．1 scikit-learn框架
4．1．1 簡介
4．1．2 使用scikit-learn進行機器學(xué)習(xí)
4．2 TensorFlow框架
4．2．1 TensorFlow中的計算圖
4．2．2 TensorFlow中的數(shù)據(jù)結(jié)構(gòu)
4．2．3 使用TensorFlow搭建神經(jīng)網(wǎng)絡(luò)
4．3 PyTorch框架
4．3．1 PyTorch的科學(xué)計算
4．3．2 使用PyTorch搭建神經(jīng)網(wǎng)絡(luò)
4．4 小結(jié)
……
第5章 肺癌智能診斷流程
第6章 肺癌數(shù)據(jù)預(yù)處理與特征提取
第7章 肺結(jié)節(jié)檢測
第8章 肺結(jié)節(jié)良惡性診斷
第9章 肺部三維重建與可視化
第10章 總結(jié)與展望
參考文獻