1.本書首先介紹MATLAB語(yǔ)言與醫(yī)學(xué)圖像數(shù)據(jù)格式,主要敘述MATLAB語(yǔ)言表示法的基本知識(shí)和求解醫(yī)學(xué)圖像處理問(wèn)題的軟件環(huán)境。2.進(jìn)而介紹醫(yī)學(xué)圖像特征的常用特征指標(biāo),主要讓學(xué)生掌握基于MATLAB語(yǔ)言的數(shù)學(xué)測(cè)度計(jì)算方法及其所表達(dá)的圖像意義。3.繼之介紹圖像特征分析中的參數(shù)估計(jì)與假設(shè)檢驗(yàn),系統(tǒng)介紹針對(duì)醫(yī)學(xué)特征的基本統(tǒng)計(jì)學(xué)方法。4.進(jìn)一步介紹圖像分析中常用的相關(guān)與線性回歸分析方法,讓學(xué)生掌握如何從大量圖像特征中提取與疾病關(guān)聯(lián)最大的指標(biāo)。5.最后介紹醫(yī)學(xué)圖像中的機(jī)器學(xué)習(xí)方法,讓學(xué)生初步學(xué)習(xí)如何完成對(duì)海量影像數(shù)據(jù)信息進(jìn)行更深層次的挖掘、預(yù)測(cè)和分析工作。6.本教材的內(nèi)容編寫著重關(guān)聯(lián)MATLAB語(yǔ)言數(shù)學(xué)測(cè)量醫(yī)學(xué)圖像知識(shí),教材中所涉及的數(shù)學(xué)知識(shí)點(diǎn)都用MATLAB語(yǔ)言編程實(shí)現(xiàn)。7.在應(yīng)用舉例中,為避免涉及過(guò)深的醫(yī)學(xué)術(shù)語(yǔ),在語(yǔ)言方面盡可能做到通俗易懂,目的是讓學(xué)生明確不同數(shù)學(xué)知識(shí)與醫(yī)學(xué)圖像所蘊(yùn)含疾病信息的關(guān)系,便于學(xué)生學(xué)習(xí)和應(yīng)用。8.為方便教師授課和學(xué)生自學(xué),本書同時(shí)配有PPT、各章節(jié)重難點(diǎn)講解視頻微課、習(xí)題等數(shù)字內(nèi)容。
醫(yī)學(xué)影像數(shù)據(jù)占臨床數(shù)據(jù)的90%,充分挖掘醫(yī)學(xué)影像信息對(duì)臨床智能診斷、智能決策及患者預(yù)后評(píng)估有重要作用。
《醫(yī)學(xué)影像智能分析基礎(chǔ)》是依據(jù)現(xiàn)階段智能醫(yī)學(xué)與醫(yī)學(xué)影像專業(yè)的人才培養(yǎng)目標(biāo),為適應(yīng)我國(guó)醫(yī)學(xué)教育改革需求和醫(yī)學(xué)影像智能分析技術(shù)的快速發(fā)展編寫而成的,是為醫(yī)學(xué)影像學(xué)、智能醫(yī)學(xué)工程專業(yè)量身定制的數(shù)學(xué)基礎(chǔ)教材,供高等院校本科學(xué)生使用,也可作為研究生參考書。
醫(yī)學(xué)影像技術(shù)可以非侵入式地獲取人體不同臟器的結(jié)構(gòu)及功能信息,這一技術(shù)的出現(xiàn)為傳統(tǒng)醫(yī)學(xué)診斷方法帶來(lái)了巨大的變革。醫(yī)學(xué)影像數(shù)據(jù)占臨床數(shù)據(jù)的90%,充分挖掘醫(yī)學(xué)影像信息對(duì)臨床智能診斷、智能決策及患者預(yù)后評(píng)估有重要作用。然而,國(guó)內(nèi)目前尚缺乏專門針對(duì)醫(yī)學(xué)影像學(xué)、智能醫(yī)學(xué)工程本科專業(yè)設(shè)計(jì)的數(shù)學(xué)基礎(chǔ)教材,這使得其教學(xué)面臨以下三個(gè)困境:第一,醫(yī)學(xué)影像特征挖掘、特征提取、智能分析等所需的數(shù)學(xué)知識(shí)涉及MATLAB 語(yǔ)言、數(shù)字圖像處理、數(shù)理統(tǒng)計(jì)、回歸分析等課程,按照目前工科一般的課程構(gòu)建模式,這些內(nèi)容分布在不同學(xué)期的課程中,知識(shí)點(diǎn)呈現(xiàn)散在分布、相對(duì)瑣碎的特點(diǎn),缺乏針對(duì)醫(yī)學(xué)影像分析所需的系統(tǒng)的數(shù)學(xué)框架,這導(dǎo)致學(xué)生在學(xué)習(xí)醫(yī)學(xué)影像分析的核心知識(shí)點(diǎn)時(shí)無(wú)法融會(huì)貫通,應(yīng)用過(guò)程中常常生搬硬套、囫圇吞棗;第二,脫離醫(yī)學(xué)影像背景而單純講授數(shù)學(xué)知識(shí),難以將所學(xué)知識(shí)與醫(yī)學(xué)影像分析的目的和意義關(guān)聯(lián)起來(lái),從而無(wú)法激發(fā)學(xué)生的學(xué)習(xí)興趣和創(chuàng)新意識(shí);第三,近年來(lái),人工智能方法成為醫(yī)學(xué)圖像處理技術(shù)發(fā)展的一個(gè)研究熱點(diǎn),但尚缺乏一門以數(shù)值計(jì)算、數(shù)字圖像處理、計(jì)算機(jī)技術(shù)為主要工具的基礎(chǔ)引導(dǎo)課,難以為后續(xù)學(xué)習(xí)智能信息處理、模式識(shí)別、神經(jīng)網(wǎng)絡(luò)等課程打下理論基礎(chǔ)。本教材是在高等數(shù)學(xué)課程的基礎(chǔ)上,面向本科學(xué)生,針對(duì)當(dāng)前醫(yī)學(xué)影像學(xué)、智能醫(yī)學(xué)工程專業(yè)醫(yī)學(xué)圖像分析教學(xué)所面臨的上述現(xiàn)狀編寫而成。
為了系統(tǒng)介紹醫(yī)學(xué)影像分析的基礎(chǔ)知識(shí),本教材首先介紹MATLAB 語(yǔ)言與醫(yī)學(xué)影像數(shù)據(jù)格式,主要介紹MATLAB 語(yǔ)言表示法的基本知識(shí)和求解醫(yī)學(xué)影像處理問(wèn)題的軟件環(huán)境;進(jìn)而介紹醫(yī)學(xué)影像的常用特征指標(biāo),主要讓學(xué)生掌握基于MATLAB 語(yǔ)言的數(shù)學(xué)測(cè)度計(jì)算方法及其所表達(dá)的圖像意義;接下來(lái)介紹圖像特征分析中的參數(shù)估計(jì)與假設(shè)檢驗(yàn),系統(tǒng)介紹針對(duì)醫(yī)學(xué)影像特征的基本統(tǒng)計(jì)學(xué)方法;進(jìn)一步介紹醫(yī)學(xué)影像分析中常用的相關(guān)分析與線性回歸的分析方法,使學(xué)生可以從大量圖像特征中提取與疾病關(guān)聯(lián)最大的指標(biāo);最后介紹醫(yī)學(xué)影像中的機(jī)器學(xué)習(xí)方法,讓學(xué)生初步完成對(duì)海量影像數(shù)據(jù)信息進(jìn)行更深層次的挖掘、預(yù)測(cè)和分析工作。
本教材的內(nèi)容編寫著重關(guān)聯(lián)MATLAB 語(yǔ)言數(shù)學(xué)測(cè)量醫(yī)學(xué)影像知識(shí),教材中所涉及的數(shù)學(xué)知識(shí)點(diǎn)都用MATLAB 語(yǔ)言編程實(shí)現(xiàn)。為避免涉及過(guò)深的醫(yī)學(xué)術(shù)語(yǔ),在應(yīng)用舉例中,盡可能做到使用通俗易懂的語(yǔ)言,目的是讓學(xué)生明確不同數(shù)學(xué)知識(shí)與醫(yī)學(xué)影像所蘊(yùn)含疾病信息的關(guān)系,便于學(xué)生學(xué)習(xí)和應(yīng)用。
劉繼欣 張 明
2023 年8 月
劉繼欣:博士,西安電子科技大學(xué)生命科學(xué)技術(shù)學(xué)院教授、博導(dǎo)。近年來(lái)工作集中于借助醫(yī)學(xué)圖像對(duì)疾病影像特征識(shí)別、療效預(yù)測(cè)、康復(fù)評(píng)估研究上。目前,主持國(guó)家自然科學(xué)基金3項(xiàng),第一作者、通訊作者發(fā)表SCI檢索論文80余篇。研究團(tuán)隊(duì)關(guān)于針刺影像學(xué)研究在2012年獲得陜西省科學(xué)技術(shù)二等獎(jiǎng)、2021年獲得陜西省科學(xué)技術(shù)一等獎(jiǎng)第八屆中國(guó)針灸學(xué)會(huì)科學(xué)技術(shù)獎(jiǎng)基礎(chǔ)類一等獎(jiǎng)等榮譽(yù)。
第一章 醫(yī)學(xué)影像處理概論/1
第一節(jié) 醫(yī)學(xué)影像技術(shù)的發(fā)展/2
第二節(jié) 醫(yī)學(xué)影像物理意義/3
一、X 線/3
二、CT/4
三、MRI/5
第三節(jié) 醫(yī)學(xué)影像智能分析及其應(yīng)用/7
第二章 醫(yī)學(xué)影像與MATLAB/ 9
第一節(jié) MATLAB 基礎(chǔ)知識(shí)/ 10
一、MATLAB 2021b 工作界面/ 10
二、MATLAB 數(shù)據(jù)類型/ 13
三、MATLAB 常見的指令與特殊符號(hào)/ 15
第二節(jié) MATLAB 矩陣/17
一、矩陣定義/ 17
二、矩陣創(chuàng)建/ 17
三、矩陣運(yùn)算/ 19
四、矩陣索引/23
第三節(jié) MATLAB 編程基礎(chǔ)/25
一、控制語(yǔ)句 /25
二、M 文件/ 27
第四節(jié) MATLAB 醫(yī)學(xué)影像基礎(chǔ)/ 30
一、醫(yī)學(xué)影像的基本格式/ 30
二、醫(yī)學(xué)影像的讀寫/ 30
三、醫(yī)學(xué)影像的計(jì)算/35
第三章 醫(yī)學(xué)影像的特征/ 38
第一節(jié) 顏色特征/ 39
一、顏色空間/ 39
二、直方圖特征/ 41
三、案例分析/43
第二節(jié) 紋理特征/ 45
一、灰度共生矩陣/45
二、灰度差分統(tǒng)計(jì)/ 49
三、自相關(guān)函數(shù)/ 50
四、案例分析/ 51
第三節(jié) 形狀特征/53
一、邊界特征/53
二、區(qū)域特征/53
三、案例分析/54
第四節(jié) 特征分析/ 55
第四章 參數(shù)估計(jì)與假設(shè)檢驗(yàn)/ 57
第一節(jié) 參數(shù)估計(jì)/ 58
一、計(jì)量資料的統(tǒng)計(jì)描述/ 58
二、均數(shù)的抽樣誤差與標(biāo)準(zhǔn)誤/ 60
三、t 分布/ 61
四、總體均數(shù)的區(qū)間估計(jì)/62
第二節(jié) 假設(shè)檢驗(yàn)/ 65
一、假設(shè)檢驗(yàn)的基本步驟/65
二、假設(shè)檢驗(yàn)中的兩類錯(cuò)誤/66
三、假設(shè)檢驗(yàn)的注意事項(xiàng)/ 67
四、假設(shè)檢驗(yàn)和區(qū)間估計(jì)的關(guān)系/ 68
第三節(jié) t 檢驗(yàn)/ 69
一、單樣本t 檢驗(yàn)/ 69
二、兩獨(dú)立樣本t 檢驗(yàn)/ 70
三、配對(duì)樣本t 檢驗(yàn)/ 72
第四節(jié) 方差分析/ 74
一、完全隨機(jī)設(shè)計(jì)的方差分析/ 74
二、隨機(jī)區(qū)組設(shè)計(jì)的方差分析/ 78
第五章 相關(guān)與線性回歸/81
第一節(jié) 相關(guān)分析/ 84
一、協(xié)方差與相關(guān)系數(shù)/ 84
二、秩相關(guān)/ 89
三、偏相關(guān)/ 91
第二節(jié) 簡(jiǎn)單線性回歸/92
一、簡(jiǎn)單線性回歸模型/ 92
二、簡(jiǎn)單線性模型的最小二乘擬合/ 93
三、 2 的估計(jì)/ 97
四、簡(jiǎn)單線性回歸的比較/ 98
第三節(jié) 多元線性回歸/ 102
一、多元線性回歸模型/102
二、模型假設(shè)/103
三、多元模型的最小二乘擬合/103
四、ε 方差2 的估計(jì)/106
第四節(jié) 模型適用性檢驗(yàn)與修正/ 106
一、模型適用性檢驗(yàn)/106
二、殘差分析/111
三、杠桿與強(qiáng)影響點(diǎn)的診斷/113
四、多重共線性分析/117
第五節(jié) 疼痛敏感性與腦白質(zhì)神經(jīng)機(jī)制在性別間的差異/ 118
一、問(wèn)題/118
二、數(shù)據(jù)/118
三、耐受閾限模型/121
四、模型殘差的分析/ 122
五、模型的調(diào)整/124
六、結(jié)論/126
第六章 圖像與機(jī)器學(xué)習(xí)/127
第一節(jié) 模型的評(píng)估方法/ 129
一、留出法/129
二、交叉驗(yàn)證法/130
三、自助法/131
第二節(jié) 常用的機(jī)器學(xué)習(xí)算法/ 133
一、Logistic 回歸/133
二、支持向量機(jī)/137
三、MATLAB 示例/140
第三節(jié) 模型的性能度量/ 143
一、回歸模型的評(píng)估指標(biāo)/143
二、分類模型的評(píng)估指標(biāo)/144
第四節(jié) 術(shù)前MRI 預(yù)測(cè)子宮內(nèi)膜癌患者淋巴血管間隙侵犯研究 / 146
一、問(wèn)題/146
二、數(shù)據(jù)/146
三、模型構(gòu)建與性能度量/147
四、結(jié)果展示/147
五、討論與分析/148
參考文獻(xiàn)/149
索引/150