【导读】一些独特的医学成像视角,如前沿的成像方法、数据分析、与神经认知功能更好的相关性,以及疾病监测的详细示例和总结,可能有助于传达医学成像原理和应用的方法学、技术和发展信息。这本书的目的是为初学者和医学成像领域的专家提供一般的图像和详细的描述成像原理和临床应用。具有最前沿的应用和最新的分析方法,这本书将有望获取医疗成像研究领域的同事的兴趣。精确的插图和彻底的审查,在许多研究课题,如神经成像定量和相关性,以及癌症诊断,是这本书的优势。

  1. 结构和功能连接的纵向变化以及与神经认知指标的相关性 (Longitudinal Changes of Structural and Functional Connectivity and Correlations with Neurocognitive Metrics)By Yongxia Zhou

考虑到许多与年龄相关的风险,包括血管和神经炎症的增加,以及可能混淆基准功能磁共振参数图像,在相对较短的时间内揭示个体水平上的脑功能和微观结构变化尤其重要。细胞水平的轴索损伤和/或脱髓鞘以及弥散的中观水平物质异常聚集和结构/功能异常可在短的亚急性/急性期发生,而与年龄纵向变化相关的文献仅局限于我们以前的fMRI发现。纵向数据用来描述这些多参数,包括随机截距和个体间隔。性别交互作用对DTI分数各向异性(FA)和扩散系数均无显著影响。区间有效区域表现出FA的纵向变化,径向扩散系数(RD)/轴向扩散系数(AX)值与截面数据的老化结果相似。在DTI和fMRI指标之间,以及成像和神经认知数据(包括速度和记忆力)之间,发现了显著的相关性。我们的结果表明,年龄、性别和载脂蛋白E (APOE)基因型对结构和功能连接在短间隔和横断面范围内的显著和一致的影响,以及相关的神经认知功能。

https://www.intechopen.com/books/medical-imaging-principles-and-applications/longitudinal-changes-of-structural-and-functional-connectivity-and-correlations-with-neurocognitive-

  1. 功能磁共振成像在神经性疼痛中的应用 The Application of Functional Magnetic Resonance Imaging in Neuropathic Pain By Zhi Dou and Liqiang Yang

在过去,神经性疼痛一直缺乏理想的影像学研究方法,这不仅限制了我们对神经性疼痛发病机制的研究,而且严重影响了治疗的预后。近年来,随着fMRI技术的飞速发展,越来越多的学者开始将fMRI技术应用于神经性疼痛的研究。这为揭示神经性疼痛的内在机制和改进临床治疗理念提供了新的思路。在这一章中,我们对fMRI在神经性疼痛中的最新研究进行了综述,以便读者更好的了解研究现状和未来的研究方向。

https://www.intechopen.com/books/medical-imaging-principles-and-applications/the-application-of-functional-magnetic-resonance-imaging-in-neuropathic-pain

  1. 电离辐射与物质的相互作用,x射线计算机断层成像,核医学SPECT, PET和PET- ct断层成像 The Ionizing Radiation Interaction with Matter, the X-ray Computed Tomography Imaging, the Nuclear Medicine SPECT, PET and PET-CT Tomography Imaging By Evangelos Gazis

描述了重带电粒子、电子和光子与物质的电离辐射相互作用的机理。这些影响造成能量损失的辐射与吸收或衰减的顺序效应提出。介绍了几种具有相关电子学和数据采集系统(DAQ)的特征检测系统的特点。这些探测器与医学成像传感器系统有关。介绍了单光子计算机断层扫描(SPECT)、正子断层扫描(PET)和PET- ct联合成像在医学成像过程中的特点。计算机x射线断层摄影,称为CT,和核医学断层摄影被提出,实现了大部分以前的部分,因为他们被定义为PET和SPECT成像加上PET与CT的结合PET-CT。

https://www.intechopen.com/books/medical-imaging-principles-and-applications/the-ionizing-radiation-interaction-with-matter-the-x-ray-computed-tomography-imaging-the-nuclear-med

  1. PET-CT的原理及其在肺癌治疗中的应用 PET-CT Principles and Applications in Lung Cancer Management By Long Chen, Hua Sun and Yunchao Huang

肺癌是世界上最常见的恶性肿瘤;正电子发射断层扫描(PET-CT)结合了来自PET的新陈代谢信息和来自CT的解剖学细节,这是目前最先进的技术。本文介绍了PET-CT及其在肺癌诊断、分期和治疗中的应用。从肺癌的临床特点、分型、分级、病理、PET-CT的原则、诊断和治疗的评价等方面进行了综述。详细说明了每种癌症亚型、分期标准和分类。内容将有利于临床医生以及放射科医生。

https://www.intechopen.com/books/medical-imaging-principles-and-applications/pet-ct-principles-and-applications-in-lung-cancer-management

  1. 医学影像处理技术的研究 Research in Medical Imaging Using Image Processing Techniques By Yousif Mohamed Y. Abdallah and Tariq Alqahtani

医学成像是为了识别或研究疾病而获取身体部位的医学图像的过程。全世界每周都有数百万的成像过程。由于图像处理技术的发展,包括图像识别、分析和增强,医学影像正在迅速发展。图像处理增加了检测组织的百分比和数量。本章介绍了简单和复杂的图像分析技术在医学成像领域的应用。本章还总结了如何使用不同的图像处理算法(如k-means、基于roi的分割和分水岭技术)来举例说明图像解释的挑战。

https://www.intechopen.com/books/medical-imaging-principles-and-applications/research-in-medical-imaging-using-image-processing-techniques

成为VIP会员查看完整内容
0
66

相关内容

医学影像是指为了医疗或医学研究,对人体或人体某部分,以非侵入方式取得内部组织影像的技术与处理过程,是一种逆问题的推论演算,即成因(活体组织的特性)是经由结果(观测影像信号)反推而来。

题目: Deep Learning for Biomedical Image Reconstruction: A Survey

摘要:

医学影像是一种宝贵的医学资源,因为它可以窥探人体内部,为科学家和医生提供丰富的信息,这些信息对于理解、建模、诊断和治疗疾病是必不可少的。重建算法需要将采集硬件收集的信号转换成可解释的图像。考虑到问题的病态性和实际应用中缺乏精确的解析反变换,重构是一项具有挑战性的任务。而最后几十年目睹了令人印象深刻的进步的新形式,提高时间和空间分辨率,降低成本和更广泛的适用性,几个改进仍然可以设想,如减少采集和重建时间以减少病人的辐射和不适,同时增加诊所吞吐量和重建精度。此外,在小功率手持设备中部署生物医学成像需要在准确性和延迟之间取得良好的平衡。

成为VIP会员查看完整内容
0
27

题目: A Comprehensive Scoping Review of Bayesian Networks in Healthcare: Past, Present and Future

摘要:

过去没有发表过关于贝叶斯网络(BNs)在医疗领域的全面综述,这使得组织当前的研究贡献和确定未来需要处理的挑战和被忽视的领域变得困难。这种独特和新颖的范围审查BNs在医疗保健方面提供了一个分析框架,全面表征该领域及其现状。综述表明:(1)保健领域的BNs没有充分发挥其潜力;(2)缺乏通用的BN开发流程;(3)文献中BNs在医疗领域的表述存在局限性,影响了对BNs的理解、对系统方法学的共识、BNs的实践和应用;(4)准确的BN和影响临床实践的有用BN之间存在差距。本综述为研究人员和临床医生提供了一个分析框架和研究结果,使他们能够理解解决BN限制目标、特别是BN开发方法和实践中缺乏BN采用等问题的必要性。还展望了未来的研究方向,并对BN的发展方法和在实践中的应用提出了建议。

成为VIP会员查看完整内容
0
28

《影像数学方法手册》对成像科学中使用的数学技术进行了全面的论述。材料分为两个中心主题,即逆问题(算法重建)和信号和图像处理。主题中的每个部分包括应用程序(建模)、数学、数值方法(使用案例示例)和开放问题。由该领域的专家撰写的报告在数学上是严谨的。

这个扩展和修订的第二版包含了对现有章节的更新和16个重要的数学方法,如图形切割,形态学,离散几何,偏微分方程,保形方法,等等。这些条目是交叉引用的,以便通过连接的主题轻松导航。该手册有印刷和电子两种形式,增加了200多幅插图和扩展的参考书目。

它将使应用数学的学生、科学家和研究人员受益。从事成像工作的工程师和计算机科学家也会发现这本手册很有用。

目录:

  • Linear Inverse Problems
  • Large-Scale Inverse Problems in Imaging
  • Regularization Methods for Ill-Posed Problems
  • Distance Measures and Applications to Multi-Modal Variational Imaging
  • Energy Minimization Methods
  • Compressive Sensing
  • Duality and Convex Programming
  • EM Algorithms
  • Iterative Solution Methods
  • Level Set Methods for Structural Inversion and Image Reconstruction
  • Expansion Methods
  • Sampling Methods
  • Inverse Scattering
  • Electrical Impedance Tomography
  • Synthetic Aperture Radar Imaging
  • Tomography
  • Optical Imaging
  • Photoacoustic and Thermoacoustic Tomography: Image Formation Principles
  • Mathematics of Photoacoustic and Thermoacoustic Tomography
  • Wave Phenomena
  • Statistical Methods in Imaging
  • Supervised Learning by Support Vector Machines
  • Total Variation in Imaging
  • Numerical Methods and Applications in Total Variation Image Restoration
  • Mumford and Shah Model and its Applications to Image Segmentation andImage - - Restoration
  • Local Smoothing Neighborhood Filters
  • Neighborhood Filters and the Recovery of 3D Information
  • Splines and Multiresolution Analysis
  • Gabor Analysis for Imaging
  • Shape Spaces
  • Variational Methods in Shape Analysis
  • Manifold Intrinsic Similarity
  • Image Segmentation with Shape Priors: Explicit Versus Implicit - Representations
  • Starlet Transform in Astronomical Data Processing
  • Differential Methods for Multi-Dimensional Visual Data Analysis
成为VIP会员查看完整内容
0
61

论文题目:

Machine Learning Techniques for Biomedical Image Segmentation: An Overview of Technical Aspects and Introduction to State-of-Art Applications

论文摘要: 近年来,在开发更精确、更有效的医学图像和自然图像分割的机器学习算法方面取得了重大进展。在这篇综述文章中,我们强调了机器学习算法在医学图像领域实现高效准确分割的重要作用。我们特别关注与机器学习方法在生物医学图像分割中的应用相关的几个关键研究。我们回顾了经典的机器学习算法,如马尔可夫随机场、k-均值聚类、随机森林等,虽然这些经典的学习模型往往比深度学习技术更不精确,但它们往往更具样本效率,结构也更不复杂。我们还回顾了不同的深度学习结构,如人工神经网络(ANNs)、卷积神经网络(CNNs)和递归神经网络(RNNs),并给出了这些学习模型在过去三年中取得的分割结果。我们强调了每种机器学习范式的成功和局限性。此外,我们还讨论了与不同机器学习模型训练相关的几个挑战,并提出了一些启发式方法来解决这些挑战。

成为VIP会员查看完整内容
Machine Learning Techniques for Biomedical Image Segmentation An Overview of Technical Aspects and Introduction to State-of-Art Applications.pdf
0
44

论文主题: Machine Learning Techniques for Biomedical Image Segmentation: An Overview of Technical Aspects and Introduction to State‐of‐Art Applications

论文摘要: 近年来,在开发更精确、更有效的医学图像和自然图像分割的机器学习算法方面取得了重大进展。在这篇综述文章中,我们强调了机器学习算法在医学影像领域实现高效准确分割的重要作用。我们特别关注与机器学习方法在生物医学图像分割中的应用相关的几个关键研究。我们回顾了经典的机器学习算法,如马尔可夫随机场、k-均值聚类、随机森林等。尽管与深度学习技术相比,此类经典学习模型往往不太准确,但它们往往更具样本效率,结构也不太复杂。我们还回顾了不同的深度学习结构,如人工神经网络(ANNs)、卷积神经网络(CNNs)和递归神经网络(RNNs),并给出了这些学习模型在过去三年中取得的分割结果。我们强调了每种机器学习范式的成功和局限性。此外,我们还讨论了与不同机器学习模型训练相关的几个挑战,并提出了一些启发式方法来解决这些挑战。

成为VIP会员查看完整内容
0
34

题目:High-performance medicine: the convergence of human and artificial intelligence

摘要: 人工智能的使用,尤其是深度学习子类型的使用。在医学上,人工智能在三个层面产生影响:对临床医生而言,主要是通过快速,准确的图像解释;通过改善工作流程和减少医疗错误的潜力来改善卫生系统;对于患者而言,使他们能够处理自己的数据以促进健康。本文将讨论当前的局限性,包括偏见,隐私和安全性以及缺乏透明度,以及这些应用程序的未来发展方向。随着时间的推移,准确性,生产力和工作流程的显着改善可能会实现,但是否会用于改善患者与医生之间的关系仍有待观察。

作者介绍: Topol博士在Modern Healthcare 2012年的民意调查中被选为美国最具影响力的内科医生执行官,致力于基因组和无线数字创新技术,以重塑医学的未来。他是加利福尼亚州拉霍亚市斯克里普斯市的一名实践心脏病专家,并因克利夫兰诊所作为心脏保健领先中心的地位而广受赞誉。在那里,他开了一所医学院,领导了世界范围内的临床试验,以改善心脏病的治疗,并率先发现了增加心脏病发作易感性的基因。

成为VIP会员查看完整内容
0
56
小贴士
相关VIP内容
专知会员服务
80+阅读 · 2020年6月14日
相关资讯
Nature 一周论文导读 | 2019 年 8 月 1 日
科研圈
6+阅读 · 2019年8月11日
【2019-26期】This Week in Extracellular Vesicles
外泌体之家
9+阅读 · 2019年6月28日
最全综述 | 医学图像处理
计算机视觉life
35+阅读 · 2019年6月15日
Nature 一周论文导读 | 2019 年 5 月 30 日
科研圈
11+阅读 · 2019年6月9日
外泌体行业规模2030年预计将达22.8亿美元
外泌体之家
9+阅读 · 2019年3月26日
Nature 一周论文导读 | 2019 年 2 月 14 日
科研圈
7+阅读 · 2019年2月24日
人工智能与机器学习技术在医疗保健行业中的应用
深度学习与NLP
7+阅读 · 2018年3月25日
关于医学影像背后的科学,你都知道多少?
中科院物理所
3+阅读 · 2017年12月14日
相关论文
Yash Srivastava,Vaishnav Murali,Shiv Ram Dubey,Snehasis Mukherjee
4+阅读 · 2019年8月27日
Yimin Zhou,Yiwei Sun,Vasant Honavar
6+阅读 · 2019年1月25日
Anna Breger,Jose Ignacio Orlando,Pavol Harar,Monika Dörfler,Sophie Klimscha,Christoph Grechenig,Bianca S. Gerendas,Ursula Schmidt-Erfurth,Martin Ehler
3+阅读 · 2019年1月22日
Explanatory Graphs for CNNs
Quanshi Zhang,Xin Wang,Ruiming Cao,Ying Nian Wu,Feng Shi,Song-Chun Zhu
4+阅读 · 2018年12月18日
A General and Adaptive Robust Loss Function
Jonathan T. Barron
7+阅读 · 2018年11月5日
Capsule Networks against Medical Imaging Data Challenges
Amelia Jiménez-Sánchez,Shadi Albarqouni,Diana Mateus
3+阅读 · 2018年7月19日
Martin Rajchl,Nick Pawlowski,Daniel Rueckert,Paul M. Matthews,Ben Glocker
5+阅读 · 2018年6月11日
Jinjiang Guo,Pengyuan Ren,Aiguo Gu,Jian Xu,Weixin Wu
3+阅读 · 2018年4月16日
Holger R. Roth,Chen Shen,Hirohisa Oda,Masahiro Oda,Yuichiro Hayashi,Kazunari Misawa,Kensaku Mori
5+阅读 · 2018年3月23日
Yan Zhang,Jonathon Hare,Adam Prügel-Bennett
10+阅读 · 2018年2月15日
Top