本書主要介紹醫學影像處理的基本技術與實現方法，以醫學影像智能診斷方法為主，涉及數字信號處理、統計學、機器學習等理論和技術。全書共分為9章：第1章介紹智慧醫療的概念、人工智能與醫學影像診斷、深度學習醫學影像應用與用于醫學影像的其他人工智能算法；第2章～第3章介紹人工智能醫學影像診斷的基礎知識，包括編程基礎與各種醫學影像介紹，還詳細介紹醫學影像的基本處理方法；第4章～第5章介紹卷積神經網絡基礎知識與醫學影像任務，包括多種卷積神經網絡與神經網絡模型的評價標準、常見的醫學影像任務（醫學影像診斷、檢測、分割）；第6章～第9章介紹智能醫學影像處理實際案例，包括乳腺超聲影像中的乳腺腫瘤檢測與良惡性診斷、眼科OCTA圖像診斷糖尿病、肺CT圖像中的肺部多種疾病診斷。本書可以作為計算機科學與技術、電子科學與技術、控制工程與科學、智能科學與技術等理工科及相關專業的高等院校本科教材，也可以作為研究生教材，并適合從事醫學影像處理、人工智能等研究的科研人員和愛好者參考使用。
莫宏偉，工學博士，教授，博士生導師。1996年7月-2001年8月，哈爾濱工程大學自動化學院，助教，團委書記，輔導員；2001年9月-2003年8月，哈爾濱工程大學自動化學院，講師；2003年9月-2004年9月，美國加州大學戴維斯分校訪問學者；2004年10月-2007年8月，哈爾濱工程大學自動化學院，副教授；2005年9月-2007年12月，哈爾濱工業大學計算機科學與技術學院，博士后；2007年9月-至今，哈爾濱工程大學自動化學院，教授。參加的學術組織及任職情況：黑龍江省多學科協同人工智能重點實驗室主任。中國人工智能學會自然計算與數字城市專業委員會（發起人）副主任，中國人工智能學會智能空天系統專委會常務委員，中國人工智能學會智能醫療專業委員會委員，全國高校人工智能與大數據創新聯盟副理事長，黑龍江省高等教育學會人工智能教育專業委員會創始人、理事長，黑龍江省人工智能學會秘書長（2007-2019），黑龍江省生物醫學工程學會理事。黑龍江省醫師協會智慧醫療分會理事。國際期刊Research of Information Technology、International Journal of Swarm Intelligence Research、International Journal of Robotics and Automation Technology、《電子學報》、《導航與授時》編委。IEEE Tran on Industrial Informatics 2018 專刊《醫療衛生中的大數據處理》副主編。Journal of Big Data Research主編。獲得的個人榮譽和集體榮譽：黑龍江省杰出青年科學基金獲得者。全國高校人工智能與大數據創新聯盟人工智能教育"個人創新獎”。哈爾濱工程大學"人工智能導論”精品在線課程負責人。智慧樹"2021年雙一流高校學科建設精品課程”人工智能導論負責人。省級一流課程負責人。出版的主要著作：《人工免疫系統》，科學出版社，2009；《Handbook of Research on Artificial Immune Systems and Natural Computing: Applying Complex Adaptive Technologies》，IGI Global,USA，2009；《免疫調度原理與應用》，科學出版社，2013；《自然計算》，科學出版社，2016；《磁性細菌優化算法》，科學出版社，2017；《人工智能導論》，人民郵電出版社，2020；《深度學習》，人民郵電出版社，2020。所承擔的重點科研項目：1.2013年1月-2015年12月，基于蜂群智能的無人機集群協同飛行控制策略研究，黑龍江省杰出青年科學基金，負責人；2.2014年1月-2016年9月，腦機接口控制機器人，總裝預研，負責人；3.2014年1月-2016年6月，橋梁檢測無人機，橫向，負責人；4.2018.9-2018.12 智能手術導航系統，橫向，負責人；5.2019.1-2021.12 智能光譜識別系統，橫向，負責人；6.2019.9-2019.12 人工智能疾病分析系統，橫向，負責人；7.2020.1-2022.12 海陸空智能無人系統-火星車目標跟蹤系統，科技部國家重點研發計劃，課題分項目負責人；8.2021.1-2022.12 認知智能移動機器人平臺研究，橫向，負責人；9 基于自然語言處理的領域本體系統構建，裝發預研，負責人。教學成果獲獎情況：智慧樹2021年高校思政精品課程卓越獎（個人），智慧樹"2021年雙一流高校學科建設精品課程”，省級線上一流課程。
第1篇 概念篇
第1章 緒論2
1.1 智慧醫療的概念3
1.1.1 什么是智慧醫療3
1.1.2 為什么需要智慧醫療5
1.1.3 智慧醫療簡史6
1.1.4 智慧醫療發展愿景8
1.2 人工智能與醫學影像診斷11
1.2.1 醫學影像研究方法11
1.2.2 人工智能醫學診斷的方式14
1.2.3 人工智能技術對醫學影像的影響15
1.2.4 人工智能技術在醫學影像領域的應用17
1.3 深度學習醫學影像應用21
1.4 用于醫學影像的其他人工智能算法24
本章小結26
習題126
第2章 編程基礎27
2.1 Python語言28
2.1.1 Python語言簡介28
2.1.2 Python內置函數與標準庫28
2.2 Python中的NumPy31
2.2.1 多維數組32
2.2.2 隨機數組34
2.3 Python中的Matplotlib35
2.3.1 創建線形圖35
2.3.2 創建其他圖38
2.4 PyTorch基礎41
2.4.1 PyTorch中的Tensor41
2.4.2 搭建一個簡易神經網絡47
2.4.3 自動梯度49
2.4.4 模型搭建和參數優化50
本章小結57
習題257
第3章 醫學影像處理58
3.1 醫學影像基礎59
3.1.1 圖像像素、空間分辨率和亮度分辨率59
3.1.2 數字圖像類型60
3.1.3 圖像文件格式61
3.2 醫學影像類別63
3.2.1 X射線圖像63
3.2.2 CT圖像65
3.2.3 MRI圖像67
3.2.4 超聲圖像70
3.2.5 核素圖像71
3.2.6 OCTA圖像74
3.3 醫學影像基本處理技術75
3.3.1 醫學影像的幾何變換75
3.3.2 醫學影像的分割77
3.3.3 醫學影像的直方圖增強81
本章小結85
習題386
第4章 卷積神經網絡88
4.1 卷積神經網絡的組成89
4.1.1 卷積層89
4.1.2 池化層90
4.1.3 激活函數90
4.1.4 損失函數93
4.2 經典的卷積神經網絡94
4.2.1 LeNet94
4.2.2 AlexNet95
4.2.3 VGGNet96
4.2.4 GoogLeNet98
4.2.5 ResNet101
4.2.6 Xception102
4.3 評價指標103
4.3.1 錯誤率與準確率103
4.3.2 查準率、查全率與F1分數104
4.3.3 ROC與AUC105
4.3.4 代價敏感錯誤率和代價曲線107
本章小結108
習題4108
第2篇 實際應用篇
第5章 常見的醫學影像任務112
5.1 疾病診斷113
5.1.1 常見的疾病診斷任務113
5.1.2 常用的疾病診斷方法115
5.2 醫學影像檢測119
5.2.1 常見的醫學影像檢測任務119
5.2.2 常用的醫學影像檢測方法121
5.2.3 常用的醫學影像檢測性能指標123
5.3 醫學影像分割124
5.3.1 常見的醫學影像分割任務124
5.3.2 常用的醫學影像分割方法125
5.3.3 常用的醫學影像分割性能指標131
本章小結132
習題5132
第3篇 案例篇
第6章 乳腺超聲影像腫瘤良惡性診斷136
6.1 案例介紹137
6.1.1 乳腺癌的危害137
6.1.2 乳腺超聲影像的優勢與缺陷137
6.1.3 乳腺癌診斷方式138
6.1.4 乳腺癌診斷的發展139
6.2 高質量乳腺超聲影像數據集140
6.2.1 乳腺超聲影像140
6.2.2 超聲影像標注141
6.2.3 含噪聲的超聲影像恢復方法142
6.2.4 數據集的構成分析145
6.3 腫瘤良惡性診斷模型搭建145
6.3.1 模型設計145
6.3.2 算法實現147
6.4 實驗結果評價154
本章小結156
習題6156
第7章 超聲影像乳腺腫瘤檢測157
7.1 目標檢測算法介紹158
7.1.1 Faster R-CNN算法158
7.1.2 SSD算法160
7.1.3 YOLOV3算法161
7.1.4 CornerNet算法163
7.2 檢測數據集制作流程（Pascal VOC格式）165
7.2.1 Pascal VOC格式165
7.2.2 數據集制作流程170
7.3 評價指標與實現方法171
7.4 乳腺腫瘤檢測實驗結果與分析173
本章小結178
習題7179
第8章 基于OCTA圖像的糖尿病診斷分析180
8.1 案例介紹181
8.2 OCTA數據介紹181
8.2.1 OCTA圖像介紹181
8.2.2 數據集下載183
8.2.3 數據預處理183
8.3 OCTA糖尿病診斷算法186
8.3.1 模型搭建186
8.3.2 模型訓練195
8.4 OCTA糖尿病案例評價197
本章小結199
習題8199
第9章 基于胸部CT的肺部疾病智能診斷200
9.1 多種肺部疾病的影像學表現201
9.2 案例介紹210
9.3 建立肺CT醫學影像數據集211
9.3.1 數據采集211
9.3.2 實驗數據集的劃分213
9.3.3 病灶標注數據集的制作214
9.3.4 讀取數據集腳本的編寫215
9.4 肺CT醫學影像分類網絡的搭建215
9.4.1 實驗環境215
9.4.2 模型搭建216
9.4.3 神經網絡訓練驗證219
9.5 肺CT醫學影像病灶識別網絡220
9.5.1 Faster R-CNN網絡原理220
9.5.2 Faster R-CNN框架搭建224
9.6 實驗結果評價224
本章小結229
習題9229
參考文獻230
新書資訊