医学数字图像处理是在计算机科学、医学、物理学、数学等基础上发展起来的一门学科，它可以辅助临床医生进行研究、诊断和治疗，算法是其发展的原动力。本书注重对图像处理中的基本概念、基本算法的详细解释和推理，注重理论与应用相结合，内容覆盖医学数字图像处理技术的主要知识点，共8章，包括医学数字图像成像机理和临床应用、医学数字图像处理基础、医学数字图像增强、医学数字图像分割、医学数字图像配准、医学数字图像融合和医学数字图像特征分析与提取等。

更多科学出版社服务，请扫码获取。

作者长期致力于医学大数据分析、医学数字图像处理、智能算法等方面的教学和科研工作中，在教学改革方面，围绕《医学数字图像处理》，作者正在主持校级教改项目1项，参加自治区教改项目1项；

目录
第1章 绪论 1
1.1 数字图像处理在医学中的应用 2
1.1.1 超声 2
1.1.2 X射线及X射线负片 3
1.1.3 X-CT 4
1.1.4 磁共振成像(MRI) 5
1.1.5 显微图像分析测量系统 8
1.1.6 电子内窥镜系统 8
1.1.7 PACS 9
1.1.8 数字人体 10
1.2 数字图像处理系统 11
1.3 图像处理要解决的问题 13
1.4 医学数字图像处理发展方向 13
1.5 小结 13
参考文献 14
第2章 医学数字图像成像机理和临床应用 15
2.1 基本名词解释 16
2.2 X射线影像 16
2.3 超声影像 20
2.4 CT影像 23
2.5 MRI影像 25
2.6 核医学影像 27
2.6.1 PET医学影像 27
2.6.2 SPECT医学影像 29
2.6.3 fMRI医学影像 31
2.7 分子影像学 32
2.8 小结 34
参考文献 34
第3章 医学数字图像处理基础 35
3.1 图像的表示 35
3.1.1 图像和图像处理 35
3.1.2 数字图像的矩阵表示 37
3.2 图像的数字化 40
3.2.1 采样 40
3.2.2 量化 41
3.2.3 空间和灰度分辨率 42
3.3 像素间的邻域和邻接 43
3.3.1 邻域 43
3.3.2 邻接性 44
3.3.3 连通性和距离 48
3.4 图像灰度直方图及其运算 50
3.4.1 灰度直方图 50
3.4.2 灰度直方图的应用 52
3.4.3 灰度直方图的均衡化 54
3.5 基于像素的图像运算 59
3.5.1 基于像素的灰度变换—点运算 59
3.5.2 基于像素的图像代数运算 68
3.5.3 基于像素的图像逻辑运算 71
3.5.4 基于像素的图像几何运算 73
3.6 小结 84
参考文献 84
第4章 医学数字图像增强 85
4.1 概述 85
4.2 医学数字图像的空域增强 86
4.2.1 空域增强 86
4.2.2 空间平滑滤波器 90
4.2.3 空间锐化滤波器 97
4.2.4 基于多幅图像的平均方法 104
4.3 医学数字图像的频域增强 105
4.3.1 傅里叶变换及图像的频域特征 105
4.3.2 频域增强 108
4.3.3 频域平滑滤波器 110
4.3.4 频域锐化滤波器 116
4.4 小结 120
参考文献 120
第5章 医学数字图像分割 121
5.1 医学数字图像分割概念 121
5.2 基于阈值的分割方法 123
5.2.1 基于阈值的分割方法定义和特点 123
5.2.2 简单直方图分割法 124
5.2.3 最佳阈值分割法 125
5.2.4 Otsu算法 126
5.3 基于边缘检测的分割方法 130
5.3.1 图像边缘定义 130
5.3.2 图像边缘与导数(微分)的关系 133
5.3.3 一阶微分锐化 134
5.3.4 二阶微分锐化 138
5.3.5 微分锐化实现程序 143
5.4 基于边界跟踪的分割方法 145
5.4.1 边界跟踪原理 145
5.4.2 边界跟踪基本方法 146
5.4.3 基于光栅跟踪的边界分割方法 147
5.5 基于区域的分割方法 148
5.5.1 区域生长 149
5.5.2 区域分裂-合并 152
5.6 基于轮廓模型的分割方法 154
5.6.1 Snake模型 154
5.6.2 传统Snake模型的离散形式 155
5.6.3 Snake模型初始轮廓的确定 156
5.6.4 传统Snake模型举例计算 158
5.6.5 传统Snake模型存在的缺点 161
5.6.6 GVF Snake模型 162
5.7 基于数学形态学的分割方法 165
5.7.1 数学形态学基本知识 165
5.7.2 基本概念 166
5.7.3 二值形态学 168
5.7.4 灰度形态学 173
5.7.5 灰度形态学梯度 175
5.8 基于水平集模型的分割方法 176
5.8.1 水平集理论 177
5.8.2 水平集模型实例 178
5.9 基于U-Net模型的分割方法 183
5.9.1 U-Net分割网络 183
5.9.2 卷积操作 185
5.9.3 池化层 186
5.9.4 上采样层 187
5.9.5 跳跃连接 188
5.9.6 注意力机制 189
5.10 分割结果的评价指标 192
5.11 小结 194
参考文献 194
第6章 医学数字图像配准 198
6.1 引言 198
6.1.1 基本概念 198
6.1.2 医学数字图像配准方法的分类 199
6.1.3 医学数字图像配准步骤 201
6.1.4 医学数字图像配准的基本框架 202
6.2 图像的基本变换 203
6.2.1 刚体变换 205
6.2.2 仿射变换 211
6.2.3 投影变换 212
6.2.4 非线性变换 213
6.3 医学数字图像配准的一些关键问题 214
6.3.1 医学数字图像配准的特征提取 214
6.3.2 基于物理模型配准方法的改进 215
6.3.3 结合图像分层和特征约束策略 215
6.3.4 应用智能优化方法 215
6.4 基于角点特征检测的配准方法 215
6.4.1 角点特征检测概念 215
6.4.2 哈里斯角点特征检测原理 217
6.4.3 哈里斯角点的性质 222
6.5 基于SIFT的配准方法 223
6.5.1 尺度空间极值检测 223
6.5.2 关键点定位 225
6.5.3 关键点方向确定 226
6.5.4 关键点描述 226
6.5.5 特征点匹配 227
6.5.6 剔除误配点 227
6.5.7 基于SIFT算法的配准实验 228
6.6 基于灰度的配准方法—力矩主轴法 232
6.6.1 概述 232
6.6.2 力矩主轴法 233
6.7 医学数字图像配准的评估 234
6.8 小结 236
参考文献 236
第7章 医学数字图像融合 238
7.1 医学数字图像融合 238
7.1.1 基本概念 238
7.1.2 医学数字图像融合分类 240
7.1.3 融合优势 240
7.1.4 图像融合的方法分类 241
7.2 像素级图像融合方法 243
7.2.1 像素级图像融合概述 243
7.2.2 基于空间域的融合算法 244
7.2.3 基于频域的融合算法 248
7.3 特征级图像融合方法 257
7.3.1 特征级图像融合概述 257
7.3.2 主成分分析法 259
7.4 决策级图像融合方法 260
7.5 基于编-解码网络的图像融合方法 261
7.5.1 基于残差编-解码网络的图像融合方法 262
7.5.2 基于密集编-解码网络的图像融合方法 263
7.5.3 基于多尺度编-解码网络的图像融合方法 264
7.5.4 基于注意力编-解码网络的图像融合方法 265
7.6 基于GAN的图像融合方法 265
7.6.1 基本模型 265
7.6.2 训练过程 266
7.6.3 GAN的衍生模型 266
7.6.4 GAN的整体网络架构 269
7.7 图像融合效果的评价 272
7.7.1 基于信息量的评价 272
7.7.2 基于统计特性的评价 274
7.7.3 基于相关性的评价 275
7.7.4 基于信噪比的评价 276
7.7.5 基于梯度值的评价 276
7.8 小结 277
参考文献 278
第8章 医学数字图像特征分析与提取 279
8.1 图像的几何形状特征 279
8.1.1 常见几何形状特征 279
8.1.2 基于圆形度的几何形状特征 282
8.1.3 基于形状描述子的几何形状特征 284
8.2 基于灰度直方图的统计特征 285
8.3 基于不变矩的形状特征 286
8.3.1 Hu七阶不变矩解释 286
8.3.2 连续状态下的不变矩 288
8.3.3 离散状态下的不变矩 289
8.3.4 Hu七阶不变矩举例 289
8.4 纹理特征 291
8.4.1 基于灰度共生矩阵的纹理特征 291
8.4.2 Tamura纹理特征 294
8.4.3 基于小波包的纹理特征 295
8.5 特征提取实验结果及分析 297
8.6 小结 298
参考文献 298