医用画像におけるディープラーニング(Deep Learning)をまとめた本格的なシリーズ
初版(2019年7月発行)以降の変更点を取り込んだ最新版!
医用画像に人工知能を本格的に導入するためのわかりやすい解説書。
・TensorFlow+Kerasで行う
・Anaconda上で環境構築する
・データはだれでも入手できるデータを使う
を基本的な方針としてまとめました。
少しでもプログラミングができれば、だれでも読み込める内容になっています。
試し読みをする
このような方におすすめ
〇診療放射線技師
〇医師
〇医療関係者
主要目次
Chapter 1 環境構築
Chapter 2 データの準備/前処理
Chapter 3 Shallow network の利用
Chapter 4 畳み込みニューラルネットワークの利用
Chapter 5 画像の領域分割( U-Net)
Chapter 6 動画像のシーン分割と分類
Chapter 7 画像のノイズ除去
Chapter 8 画像の超解像
Chapter 9 画像の特徴抽出
Chapter 10 画像の変換や生成
Chapter 11 評価方法
- TensorFlow2.0への対応について
-
Tensorflow2.0固有の機能はほとんど利用していません.
Tensorflow1.15でも幅広く利用できるように配慮しています.
いくつかの環境で試した結果、Tensorflow2.0のほうがマルチコア環境で高速な動作でした.
プログラムはTensorflow1.15および2.0で動作することを確認しています.
- データのダウンロードについて
-
プログラムと画像データがダウンロードできます.本書で利用するプログラムをJupyter Notebookで書きました.一部は,pythonのテキストファイルになります.
なお,すべてのプログラムが保存されているわけではありません.また,出版後の修正や,より幅広く動作するように,一部を書き換えている場合もあります.ご了承ください.
- ダウンロード後の確認
-
ほとんどの章では,公開画像データベースを利用しています.それらの画像はいっしょに配布することができません.したがって,個別にダウンロードしていただく必要があります.
各章のスクリプトと本書の第2章にダウンロード先を記載しました.ダウンロードしてそれぞれの章の中に保存してください.どのようなフォルダー構成にするかは,図をご覧ください.
ハイライトした部分がダウンロードして保存するフォルダーになります.第8章は,ダウンロード後にフォルダー名を変更する必要があります.それ以外のファイルは,1のダウンロードで入手できます.映像を対象とする第6章の内容に該当する公開データベースは,現在,存在しません.
- 演習の解答例について
- プログラムのファイルにできるだけ記述しました.Jupyter Notebookの一番下をご覧ください.
- 本ファイルは、本書をお買い求めになった方のみご利用いただけます。ご利用にあたっては、注意書き等をよくお読みください。また、本ファイルの著作権は、本書の著作者にあり、配布等は禁止します。
- 本ファイルを利用したことによる直接あるいは間接的な損害に関して、著作者およびオーム社はいっさいの責任を負いかねます。利用は利用者個人の責任において行ってください。また、ソフトウェアの動作・実行環境、操作についての質問には一切お答えすることはできません。