第1章 青少年特發(fā)性脊柱側(cè)凸醫(yī)學(xué)影像評(píng)估基本方法
1.1 脊柱的功能結(jié)構(gòu)
1.2 青少年特發(fā)性脊柱側(cè)凸及其醫(yī)學(xué)成像方法
1.2.1 青少年特發(fā)性脊柱側(cè)凸
1.2.2 脊柱側(cè)凸醫(yī)學(xué)成像方法
1.3 青少年特發(fā)性脊柱側(cè)凸X線成像醫(yī)學(xué)評(píng)估方法及其存在問(wèn)題
1.4 人工智能技術(shù)在醫(yī)學(xué)影像評(píng)估中的應(yīng)用
1.4.1 深度學(xué)習(xí)在醫(yī)學(xué)影像處理任務(wù)中的應(yīng)用
1.4.2 深度學(xué)習(xí)在醫(yī)學(xué)影像評(píng)估中的優(yōu)勢(shì)
1.4.3 深度學(xué)習(xí)在醫(yī)學(xué)影像評(píng)估實(shí)踐中的挑戰(zhàn)
第2章 脊柱X線圖像Cobb角自動(dòng)測(cè)量
2.1 Cobb角計(jì)算機(jī)輔助測(cè)量方法研究現(xiàn)狀
2.1.1 基于傳統(tǒng)圖像處理的Cobb角計(jì)算機(jī)輔助測(cè)量方法研究進(jìn)展
2.1.2 基于深度學(xué)習(xí)的Cobb角計(jì)算機(jī)輔助測(cè)量方法研究進(jìn)展
2.2 神經(jīng)網(wǎng)絡(luò)模型——U-Net模型
2.2.1 卷積神經(jīng)網(wǎng)絡(luò)（CNN）
2.2.2 U-Net模型
2.3 改進(jìn)的U-Net脊柱圖像分割網(wǎng)絡(luò)
2.3.1 改進(jìn)的U-Net分割網(wǎng)絡(luò)結(jié)構(gòu)
2.3.2 多尺度卷積的Inception模塊
2.3.3 殘差模塊
2.3.4 卷積塊注意力模塊（CBAM）
2.3.5 脊柱X線圖像椎體分割結(jié)果及其評(píng)估
2.4 Cobb角自動(dòng)測(cè)量及實(shí)驗(yàn)結(jié)果評(píng)估
2.4.1 Cobb角自動(dòng)測(cè)量
2.4.2 Cobb角測(cè)量結(jié)果評(píng)估
2.5 本章小結(jié)
第3章 脊柱X線圖像椎體旋轉(zhuǎn)度自動(dòng)測(cè)量
3.1 椎體旋轉(zhuǎn)度計(jì)算機(jī)輔助測(cè)量方法研究現(xiàn)狀
3.2 神經(jīng)網(wǎng)絡(luò)模型——HRNet模型
3.3 基于多任務(wù)學(xué)習(xí)的椎體關(guān)鍵點(diǎn)檢測(cè)和椎弓根影分割
3.3.1 基于多任務(wù)學(xué)習(xí)的特征提取模塊
3.3.2 CoordConv層和PSA機(jī)制
3.3.3 解碼層
3.3.4 脊柱X線圖像椎體關(guān)鍵點(diǎn)檢測(cè)和椎弓根影分割結(jié)果及評(píng)估
3.4 椎體旋轉(zhuǎn)度自動(dòng)測(cè)量及實(shí)驗(yàn)結(jié)果評(píng)估
3.4.1 椎體旋轉(zhuǎn)度自動(dòng)測(cè)量方法
3.4.2 椎體旋轉(zhuǎn)度自動(dòng)測(cè)量結(jié)果及其評(píng)估
3.5 本章小結(jié)
第4章 骨盆X線圖像Risser征自動(dòng)分級(jí)
4.1 骨骼成熟度計(jì)算機(jī)輔助評(píng)估方法研究現(xiàn)狀
4.2 神經(jīng)網(wǎng)絡(luò)模型——Transformer模型
4.2.1 自注意力機(jī)制(Self-Attention)
4.2.2 Transformer模型
4.2.3 Swin Transformer模型
4.3 基于多任務(wù)學(xué)習(xí)的Risser征自動(dòng)分級(jí)
4.3.1 基于Swin-Transformer模型的多任務(wù)特征提取
4.3.2 改進(jìn)的Swin Transformer模塊
4.3.3 實(shí)施細(xì)節(jié)
4.3.4 實(shí)驗(yàn)結(jié)果
4.4 本章小結(jié)
第5章 脊柱X線圖像三維重建
5.1 脊柱三維重建方法研究現(xiàn)狀
5.1.1 傳統(tǒng)脊柱三維重建方法
5.1.2 基于深度學(xué)習(xí)的脊柱三維重建方法
5.1.3 單視圖三維重建
5.2 網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
5.2.1 網(wǎng)絡(luò)總體結(jié)構(gòu)
5.2.2 小波變換特征提取模塊
5.2.3 維度變換模塊
5.2.4 特征融合模塊
5.2.5 損失函數(shù)
5.3 實(shí)驗(yàn)設(shè)置
5.3.1 數(shù)據(jù)集
5.3.2 評(píng)價(jià)指標(biāo)
5.3.3 實(shí)驗(yàn)細(xì)節(jié)
5.4 實(shí)驗(yàn)結(jié)果和分析
5.4.1 對(duì)比實(shí)驗(yàn)
5.4.2 消融實(shí)驗(yàn)
5.4.3 泛化性能實(shí)驗(yàn)
5.5 本章小結(jié)
第6章 脊柱側(cè)凸病例模型生成方法
6.1 醫(yī)學(xué)模型生成方法研究現(xiàn)狀
6.1.1 傳統(tǒng)生成方法
6.1.2 深度學(xué)習(xí)生成方法
6.2 變分自編碼器
6.3 腰椎生成網(wǎng)絡(luò)設(shè)計(jì)
6.3.1 生成網(wǎng)絡(luò)總體結(jié)構(gòu)
6.3.2 空間坐標(biāo)注意力模塊
6.3.3 損失函數(shù)
6.3.4 噪聲層
6.4 實(shí)驗(yàn)和結(jié)果分析
6.4.1 數(shù)據(jù)集和參數(shù)設(shè)置
6.4.2 評(píng)價(jià)指標(biāo)
6.4.3 腰椎重建實(shí)驗(yàn)
6.4.4 腰椎生成實(shí)驗(yàn)
6.5 本章小結(jié)
參考文獻(xiàn)