前言
第1章  核医学影像
  1.1  医学影像概述
    1.1.1  结构医学影像
    1.1.2  功能医学影像
  1.2  核医学功能成像
    1.2.1  SPECT成像
    1.2.2  PET成像
  1.3  公共数据集
    1.3.1  数据通信标准
    1.3.2  数据集描述
  参考文献
第2章  数据分析技术
  2.1  数据扩展技术
    2.1.1  基于几何变换的扩展
    2.1.2  基于对抗技术的扩展
  2.2  图像区域切分技术
    2.2.1  骨骼区域切分
    2.2.2  非病变区域切分
  2.3  畸变骨骼矫正技术
    2.3.1  图像中肩颈的矫正
    2.3.2  图像中脊柱的矫正
  2.4  模型构建技术
    2.4.1  深度学习方法
    2.4.2  深度神经网络
    2.4.3  激活函数和损失函数
    2.4.4  优化算法
    2.4.5  评价指标
    2.4.6  图像数据的标注
  参考文献
第3章  核医学图像分类
  3.1  经典分类网络
  3.2  图像的二类分类
    3.2.1  骨转移的自动检测
    3.2.2  关节炎的自动检测
    3.2.3  肺阻塞的自动检测
  3.3  图像的多类分类
    3.3.1  单疾病多病灶图像分类
    3.3.2  多疾病多病灶图像分类
  3.4  疾病的亚类分类
    3.4.1  非融合图像的分类
    3.4.2  残差与注意力结合的图像分类
  参考文献
第4章  核医学图像目标检测
  4.1  经典目标检测网络
    4.1.1  一阶段目标检测模型
    4.1.2  二阶段目标检测模型
  4.2  单疾病病灶检测
    4.2.1  数据集构建
    4.2.2  检测模型构建
    4.2.3  实验验证及评价
  4.3  多疾病病灶检测
    4.3.1  数据集构建
    4.3.2  检测模型构建
    4.3.3  实验验证及评价
  参考文献
第5章  核医学图像分割
  5.1  经典分割网络
    5.1.1  图像语义分割
    5.1.2  图像实例分割
  5.2  病灶监督分割
    5.2.1  骨转移病灶分割
    5.2.2  甲状腺病灶分割
  5.3  病灶半监督分割
    5.3.1  分割方法概况
    5.3.2  半监督分割模型
    5.3.3  实验验证及评价
  参考文献
第6章  核医学诊断文本分析
  6.1  病灶及其表征关联分析
    6.1.1  核医学诊断文本
    6.1.2  诊断文本预处理
    6.1.3  病灶表征的形式编码
    6.1.4  病灶-表征关联挖掘
    6.1.5  实验验证与结果分析
  6.2  基于文本的诊断模型
    6.2.1  基于传统机器学习方法的诊断模型
    6.2.2  基于深度学习方法的诊断模型
  参考文献
彩图