【導讀】一些獨特的醫學成像視角，如前沿的成像方法、數據分析、與神經認知功能更好的相關性，以及疾病監測的詳細示例和總結，可能有助于傳達醫學成像原理和應用的方法學、技術和發展信息。這本書的目的是為初學者和醫學成像領域的專家提供一般的圖像和詳細的描述成像原理和臨床應用。具有最前沿的應用和最新的分析方法，這本書將有望獲取醫療成像研究領域的同事的興趣。精確的插圖和徹底的審查，在許多研究課題，如神經成像定量和相關性，以及癌癥診斷，是這本書的優勢。
- 結構和功能連接的縱向變化以及與神經認知指標的相關性 （Longitudinal Changes of Structural and Functional Connectivity and Correlations with Neurocognitive Metrics）By Yongxia Zhou
考慮到許多與年齡相關的風險，包括血管和神經炎癥的增加，以及可能混淆基準功能磁共振參數圖像，在相對較短的時間內揭示個體水平上的腦功能和微觀結構變化尤其重要。細胞水平的軸索損傷和/或脫髓鞘以及彌散的中觀水平物質異常聚集和結構/功能異常可在短的亞急性/急性期發生，而與年齡縱向變化相關的文獻僅局限于我們以前的fMRI發現。縱向數據用來描述這些多參數，包括隨機截距和個體間隔。性別交互作用對DTI分數各向異性(FA)和擴散系數均無顯著影響。區間有效區域表現出FA的縱向變化，徑向擴散系數(RD)/軸向擴散系數(AX)值與截面數據的老化結果相似。在DTI和fMRI指標之間，以及成像和神經認知數據(包括速度和記憶力)之間，發現了顯著的相關性。我們的結果表明，年齡、性別和載脂蛋白E (APOE)基因型對結構和功能連接在短間隔和橫斷面范圍內的顯著和一致的影響，以及相關的神經認知功能。
- 功能磁共振成像在神經性疼痛中的應用 The Application of Functional Magnetic Resonance Imaging in Neuropathic Pain By Zhi Dou and Liqiang Yang
在過去，神經性疼痛一直缺乏理想的影像學研究方法，這不僅限制了我們對神經性疼痛發病機制的研究，而且嚴重影響了治療的預后。近年來，隨著fMRI技術的飛速發展，越來越多的學者開始將fMRI技術應用于神經性疼痛的研究。這為揭示神經性疼痛的內在機制和改進臨床治療理念提供了新的思路。在這一章中，我們對fMRI在神經性疼痛中的最新研究進行了綜述，以便讀者更好的了解研究現狀和未來的研究方向。
- 電離輻射與物質的相互作用，x射線計算機斷層成像，核醫學SPECT, PET和PET- ct斷層成像 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
描述了重帶電粒子、電子和光子與物質的電離輻射相互作用的機理。這些影響造成能量損失的輻射與吸收或衰減的順序效應提出。介紹了幾種具有相關電子學和數據采集系統(DAQ)的特征檢測系統的特點。這些探測器與醫學成像傳感器系統有關。介紹了單光子計算機斷層掃描(SPECT)、正子斷層掃描(PET)和PET- ct聯合成像在醫學成像過程中的特點。計算機x射線斷層攝影，稱為CT，和核醫學斷層攝影被提出，實現了大部分以前的部分，因為他們被定義為PET和SPECT成像加上PET與CT的結合PET-CT。
- PET-CT的原理及其在肺癌治療中的應用 PET-CT Principles and Applications in Lung Cancer Management By Long Chen, Hua Sun and Yunchao Huang
肺癌是世界上最常見的惡性腫瘤;正電子發射斷層掃描(PET-CT)結合了來自PET的新陳代謝信息和來自CT的解剖學細節，這是目前最先進的技術。本文介紹了PET-CT及其在肺癌診斷、分期和治療中的應用。從肺癌的臨床特點、分型、分級、病理、PET-CT的原則、診斷和治療的評價等方面進行了綜述。詳細說明了每種癌癥亞型、分期標準和分類。內容將有利于臨床醫生以及放射科醫生。
- 醫學影像處理技術的研究 Research in Medical Imaging Using Image Processing Techniques By Yousif Mohamed Y. Abdallah and Tariq Alqahtani
醫學成像是為了識別或研究疾病而獲取身體部位的醫學圖像的過程。全世界每周都有數百萬的成像過程。由于圖像處理技術的發展，包括圖像識別、分析和增強，醫學影像正在迅速發展。圖像處理增加了檢測組織的百分比和數量。本章介紹了簡單和復雜的圖像分析技術在醫學成像領域的應用。本章還總結了如何使用不同的圖像處理算法(如k-means、基于roi的分割和分水嶺技術)來舉例說明圖像解釋的挑戰。
付費5元查看完整內容
相關內容
題目： Deep Learning for Biomedical Image Reconstruction: A Survey
摘要：
醫學影像是一種寶貴的醫學資源，因為它可以窺探人體內部，為科學家和醫生提供豐富的信息，這些信息對于理解、建模、診斷和治療疾病是必不可少的。重建算法需要將采集硬件收集的信號轉換成可解釋的圖像。考慮到問題的病態性和實際應用中缺乏精確的解析反變換，重構是一項具有挑戰性的任務。而最后幾十年目睹了令人印象深刻的進步的新形式,提高時間和空間分辨率,降低成本和更廣泛的適用性,幾個改進仍然可以設想,如減少采集和重建時間以減少病人的輻射和不適,同時增加診所吞吐量和重建精度。此外，在小功率手持設備中部署生物醫學成像需要在準確性和延遲之間取得良好的平衡。
付費5元查看完整內容
題目： A Comprehensive Scoping Review of Bayesian Networks in Healthcare: Past, Present and Future
摘要：
過去沒有發表過關于貝葉斯網絡(BNs)在醫療領域的全面綜述，這使得組織當前的研究貢獻和確定未來需要處理的挑戰和被忽視的領域變得困難。這種獨特和新穎的范圍審查BNs在醫療保健方面提供了一個分析框架，全面表征該領域及其現狀。綜述表明:(1)保健領域的BNs沒有充分發揮其潛力;(2)缺乏通用的BN開發流程;(3)文獻中BNs在醫療領域的表述存在局限性，影響了對BNs的理解、對系統方法學的共識、BNs的實踐和應用;(4)準確的BN和影響臨床實踐的有用BN之間存在差距。本綜述為研究人員和臨床醫生提供了一個分析框架和研究結果，使他們能夠理解解決BN限制目標、特別是BN開發方法和實踐中缺乏BN采用等問題的必要性。還展望了未來的研究方向，并對BN的發展方法和在實踐中的應用提出了建議。
付費5元查看完整內容
《影像數學方法手冊》對成像科學中使用的數學技術進行了全面的論述。材料分為兩個中心主題，即逆問題(算法重建)和信號和圖像處理。主題中的每個部分包括應用程序(建模)、數學、數值方法(使用案例示例)和開放問題。由該領域的專家撰寫的報告在數學上是嚴謹的。
這個擴展和修訂的第二版包含了對現有章節的更新和16個重要的數學方法，如圖形切割，形態學，離散幾何，偏微分方程，保形方法，等等。這些條目是交叉引用的，以便通過連接的主題輕松導航。該手冊有印刷和電子兩種形式，增加了200多幅插圖和擴展的參考書目。
它將使應用數學的學生、科學家和研究人員受益。從事成像工作的工程師和計算機科學家也會發現這本手冊很有用。
目錄：
- 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
付費5元查看完整內容
論文題目：
Machine Learning Techniques for Biomedical Image Segmentation: An Overview of Technical Aspects and Introduction to State-of-Art Applications
論文摘要： 近年來，在開發更精確、更有效的醫學圖像和自然圖像分割的機器學習算法方面取得了重大進展。在這篇綜述文章中，我們強調了機器學習算法在醫學圖像領域實現高效準確分割的重要作用。我們特別關注與機器學習方法在生物醫學圖像分割中的應用相關的幾個關鍵研究。我們回顧了經典的機器學習算法，如馬爾可夫隨機場、k-均值聚類、隨機森林等，雖然這些經典的學習模型往往比深度學習技術更不精確，但它們往往更具樣本效率，結構也更不復雜。我們還回顧了不同的深度學習結構，如人工神經網絡（ANNs）、卷積神經網絡（CNNs）和遞歸神經網絡（RNNs），并給出了這些學習模型在過去三年中取得的分割結果。我們強調了每種機器學習范式的成功和局限性。此外，我們還討論了與不同機器學習模型訓練相關的幾個挑戰，并提出了一些啟發式方法來解決這些挑戰。
付費5元查看完整內容
論文主題： Machine Learning Techniques for Biomedical Image Segmentation: An Overview of Technical Aspects and Introduction to State‐of‐Art Applications
論文摘要： 近年來，在開發更精確、更有效的醫學圖像和自然圖像分割的機器學習算法方面取得了重大進展。在這篇綜述文章中，我們強調了機器學習算法在醫學影像領域實現高效準確分割的重要作用。我們特別關注與機器學習方法在生物醫學圖像分割中的應用相關的幾個關鍵研究。我們回顧了經典的機器學習算法，如馬爾可夫隨機場、k-均值聚類、隨機森林等。盡管與深度學習技術相比，此類經典學習模型往往不太準確，但它們往往更具樣本效率，結構也不太復雜。我們還回顧了不同的深度學習結構，如人工神經網絡（ANNs）、卷積神經網絡（CNNs）和遞歸神經網絡（RNNs），并給出了這些學習模型在過去三年中取得的分割結果。我們強調了每種機器學習范式的成功和局限性。此外，我們還討論了與不同機器學習模型訓練相關的幾個挑戰，并提出了一些啟發式方法來解決這些挑戰。
付費5元查看完整內容
題目：High-performance medicine: the convergence of human and artificial intelligence
摘要： 人工智能的使用，尤其是深度學習子類型的使用。在醫學上，人工智能在三個層面產生影響：對臨床醫生而言，主要是通過快速，準確的圖像解釋；通過改善工作流程和減少醫療錯誤的潛力來改善衛生系統；對于患者而言，使他們能夠處理自己的數據以促進健康。本文將討論當前的局限性，包括偏見，隱私和安全性以及缺乏透明度，以及這些應用程序的未來發展方向。隨著時間的推移，準確性，生產力和工作流程的顯著改善可能會實現，但是否會用于改善患者與醫生之間的關系仍有待觀察。
作者介紹： Topol博士在Modern Healthcare 2012年的民意調查中被選為美國最具影響力的內科醫生執行官，致力于基因組和無線數字創新技術，以重塑醫學的未來。他是加利福尼亞州拉霍亞市斯克里普斯市的一名實踐心臟病專家，并因克利夫蘭診所作為心臟保健領先中心的地位而廣受贊譽。在那里，他開了一所醫學院，領導了世界范圍內的臨床試驗，以改善心臟病的治療，并率先發現了增加心臟病發作易感性的基因。
付費5元查看完整內容
注冊地址： 北京市海淀區羊坊店路18號2幢3層301-191