醫學圖像分割與校正（簡體書）

《醫學圖像分割與校正——基於水平集方法與深度學習》從圖像分割與校正模型和水平集方法的基本概念出發，整理了若干基於水平集和深度學習的醫學圖像分割與校正模型。《醫學圖像分割與校正——基於水平集方法與深度學習》共11章，包括五部分內容：第一部分(第1章)介紹醫學圖像分割與校正的方法，包括醫學圖像分割與校正背景及意義、國內外研究現狀分析和相關模型和方法。第二部分(第2—4章)詳細討論二區和多區圖像分割與校正模型，包括多區MR圖像分割與校正模型、抗噪聲醫學圖像分割與校正模型及基函數表達的人腦MR圖像校正及分割模型。第三部分(第5章)介紹多圖譜融合的三維人腦MRI分割及校正模型，主要針對3D人腦MR圖像的分割及校正。第四部分(第6—8章)介紹帶有約束信息的圖像分割模型，包括結合先驗約束項的圖像分割模型、帶有強約束項的彩色圖像分割模型和PeRSF模型。第五部分(第9—11章)介紹基於深度學習與水平集方法的醫學圖像分割模型，包括弱監督牙齒分割模型、基於局部方差和邊緣信息的自適應分割模型、基於強化主動學習的圖像選擇策略應用於分割模型。以上介紹的各種醫學圖像分割與校正模型，針對不同特性的醫學圖像，不僅提高了模型分割的準確度，也提高了模型分割的速度以及自適應性與魯棒性。