医学图像分割与校正：基于水平集方法与深度学习

本书从图像分割与校正模型和水平集方法的基本概念出发，整理了若干基于水平集和深度学习的医学图像分割与校正模型。全书共11章，包括五部分内容：第一部分（第1章）介绍医学图像分割与校正的方法，包括医学图像分割与校正背景及意义、国内外研究现状分析和相关模型和方法。第二部分（第2？4章）详细讨论二区和多区图像分割与校正模型，包括多区MR图像分割与校正模型、抗噪声医学图像分割与校正模型及基函数表达的人脑MR图像校正及分割模型。第三部分（第5章）介绍多图谱融合的三维人脑MRI分割及校正模型，主要针对3D人脑MR图像的分割及校正。第四部分（第6？8章）介绍带有约束信息的图像分割模型，包括结合先验约束项的图像分割模型、带有强约束项的彩色图像分割模型和PeRSF模型。第五部分（第9？11章）介绍基于深度学习与水平集方法的医学图像分割模型，包括弱监督牙齿分割模型、基于局部方差和边缘信息的自适应分割模型、基于强化主动学习的图像选择策略应用于分割模型。以上介绍的各种医学图像分割与校正模型，针对不同特性的医学图像，不仅提高了模型分割的准确度，也提高了模型分割的速度以及自适应性与鲁棒性。