医学图像处理与分析
课程编码：180086085404P3023H
英文名称：Medical Image Processing and Analysis
课时：40
学分：2.00
课程属性：专业课
主讲教师：刘艳
教学目的要求
本课程为计算机科学与技术、信息与通信工程、控制科学与工程、生物医学工程等学科研究生的专业普及课，主要讲授和讨论医学影像图像处理与分析的基本方法和相关应用。主要内容有常见医学影像的成像原理，医学图像的增强、配准、融合、分割，以及机器学习和深度学习在医学图像分析和计算机辅助诊断等方面的应用。通过本课程的学习，希望学生能掌握医学图像处理与分析的基本理论和关键技术，通过理论与实践相结合的课程实验环节，了解其在相关领域的应用和最新研究成果，培养研究生独立研究与学习的能力，引导科学研究。
预修课程
图像处理、模式识别
大纲内容
第一章 医学影像学基础 6.0学时 刘艳
第1节 绪论
第2节 X光成像原理
第3节 B超成像原理
第4节 CT成像原理
第5节 MRI成像原理
第6节 PET和SPECT成像原理
第7节 医学图像格式和标准
第二章 数字图像处理基础 4.0学时 刘艳
第1节 数字图像的基本概念
第2节 图像的基本运算
第3节 图像滤波
第4节 图像增强
第三章 特征检测 6.0学时 刘艳
第1节 边缘检测
第2节 关键点检测
第3节 纹理检测
第四章 分类和聚类 6.0学时 刘艳
第1节 传统分类方法
第2节 深度学习方法
第3节 聚类方法
第五章 医学图像配准和信息融合 6.0学时 刘艳
第1节 医学图像配准的基本概念
第2节 医学图像配准方法
第3节 多源图像融合
第六章 医学图像分割 6.0学时 刘艳
第1节 医学图像分割的基本概念
第2节 传统图像分割方法
第3节 基于深度学习的分割方法
第七章 医学图像分析及应用 6.0学时 刘艳
第1节 计算机辅助诊断的基本概念
第2节 机器学习方法在医学影像分析中的应用
第3节 深度学习方法在医学影像辅助诊断中的应用
教材信息
1、
Guide to Medical Image Analysis
Klaus D. Toennies
2018年7月
Springer Berlin Heidelberg
参考书
1、
Fundamentals of Medical Imaging, Paul Suetens
Paul Suetens
2017年3月
Cambridge University Press
2、
Deep Learning for Medical Image Analysis
S. Kevin Zhou，Hayit Greenspan，Dinggang Shen
2017年1月
Academic Press
3、
Radiomics and Its Clinical Application: Artificial Intelligence and Medical Big Data
Jie Tian，Di Dong，Zhenyu Liu， Jingwei Wei
2021年6月
Academic Press
课程教师信息
刘艳，中国科学院大学计算机科学与技术学院副教授、硕士生导师。主要研究方向：图像处理、信号处理、医学人工智能。