PET/CT两模态医学图像融合2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

PET/CT两模态医学图像融合PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一章 两模态医学图像融合研究现状1

1.1多模态医学图像融合识别问题分析与描述2

1.1.1融合识别2

1.1.2融合识别优势3

1.1.3融合识别类型4

1.1.4融合识别结构7

1.2 PET/CT医学影像融合识别研究进展9

1.2.1 PET/CT图像融合发展现状9

1.2.2 PET/CT图像融合的临床应用11

1.2.3 PET/CT图像融合算法14

1.3 PET/CT临床中应用情况15

1.3.1资料来源15

1.3.2 2028例PET/CT检查者年龄分布16

1.3.3 2028例PET/CT检查者性别分布17

1.3.4体检、复查患者数量18

1.3.5恶性肿瘤疾病构成及顺位分析18

1.4现阶段的主要问题和进一步的研究方向19

1.4.1主要问题19

1.4.2研究热点20

1.5小结20

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21

2.1像素级图像融合算法21

2.1.1基于空间域的融合算法22

2.1.2基于变换域的融合方法22

2.2基于双树复小波的像素级融合23

2.2.1研究背景和意义23

2.2.2双树复小波变换24

2.3医学图像融合质量评价29

2.3.1基于融合图像自身统计特性的评价指标29

2.3.2基于融合图像与参考图像差异的评价指标30

2.3.3基于融合图像与原图像差异的评价指标31

2.4小结32

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33

3.1模糊数学34

3.2算法思想34

3.3关键技术35

3.3.1低频图像融合规则35

3.3.2高频图像融合规则36

3.4实验及结果分析37

3.4.1实验一：与其他像素级融合算法的比较37

3.4.2实验二：图像融合效果的客观评价38

3.4.3实验三：双树复小波变换中不同融合规则的比较40

3.5小结40

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41

4.1融合规则41

4.1.1低频融合规则41

4.1.2高频融合规则41

4.2实验及结果分析45

4.2.1实验一：与其他像素级融合算法的比较45

4.2.2实验二：图像融合效果的客观评价47

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47

4.3小结60

第五章 基于压缩感知和非下采样的PET/CT像素级融合61

5.1研究背景和意义61

5.2压缩感知理论发展现状62

5.3基于压缩感知的医学图像融合62

5.3.1压缩感知理论62

5.3.2基于变换域的图像融合67

5.3.3基于压缩感知的医学图像融合方法69

5.3.4基于压缩感知的难点讨论71

5.4小结72

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73

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73

6.1.1关键技术73

6.1.2实验结果及分析75

6.1.3小结78

6.2基于压缩感知和NSCT-PCNN的PET/CT自适应融合算法79

6.2.1脉冲耦合神经网络79

6.2.2算法思想80

6.2.3关键技术80

6.2.4仿真实验及分析81

6.3总结与展望85

第七章 基于粗糙集的特征级融合肺结节检测算法87

7.1绪论87

7.1.1研究背景和意义87

7.1.2肺结节检测研究现状88

7.2肺结节检测基础知识92

7.2.1肺部CT图像的特点92

7.2.2特征级融合肺结节检测算法模型93

7.2.3分类结果的评价指标99

7.3基于空间分布的肺结节ROI分割99

7.3.1基于空间分布的肺结节分类100

7.3.2肺结节ROI分割算法思想100

7.3.3肺实质分割实验102

7.3.4肺结节分割实验104

7.4基于粗糙集的特征级融合肺结节检测算法107

7.4.1基于粗糙集的特征级融合肺结节检测算法思想108

7.4.2构建新的三维特征108

7.4.3特征提取及约简实验110

7.4.4 SVM核函数优化实验111

7.4.5算法的稳定性及有效性验证实验111

7.5总结与展望116

第八章 基于Rough Set的特征级融合PET/CT肺部肿瘤CAD模型117

8.1 PET/ CT肺部肿瘤ROI区域特征及其提取118

8.1.1形状特征118

8.1.2灰度特征118

8.1.3 Tamura纹理特征118

8.1.4 GLCM纹理特征119

8.1.5频域特征120

8.2粗糙集120

8.2.1基于遗传算法的知识约简方法121

8.2.2基于属性重要度的启发式算法122

8.3支持向量机123

8.4基于Rough Set的特征级融合PET/CT肺部肿瘤CAD模型123

8.4.1模型思想123

8.4.2模型描述125

8.5实验结果及分析126

8.5.1实验环境与数据126

8.5.2基于粗糙集的特征级融合126

8.5.3肺部肿瘤PET/CT图像ROI特征提取举例127

8.5.4基于粗糙集特征级融合前后有效性128

8.5.5基于粗糙集特征级融合的有效性130

8.6小结130

第九章 基于集成SVM的肺部肿瘤PET/CT计算机辅助诊断模型132

9.1集成学习132

9.1.1集成学习定义132

9.1.2集成学习有效性分析132

9.1.3集成分类器的优点134

9.1.4集成学习分类135

9.1.5集成学习原理135

9.2算法思想138

9.3仿真实验140

9.3.1实验环境与数据140

9.3.2 CT、 PET和PET/CT肺部肿瘤特征141

9.3.3肺部肿瘤CT、 PET、 PET/CT图像特征提取举例143

9.3.4实验结果及分析143

9.4小结150

参考文献151