内容紹介
生成AI、機械学習の最新技術を駆使して、医用画像処理を効率的に極める！
医用画像診断支援の分野では人工知能が組み込まれたAI-PACS（画像保管管理システム）の普及が期待されています。こうした状況の中でPythonはその学びやすさと、また画像処理や人工知能のためのパッケージが多く提供されていることから、今後ますます、簡単な実験から臨床研究などへ幅広く使用されていくことが予想されます。
本書では、深層学習の基礎的な内容、Pythonの基礎はおさえたうえで、医用画像応用に特化して、最新のデータセットやライブラリを使用して画像解析、診断への適用などの基礎的な内容をわかりやすく解説するものです。改訂にあたって、医用画像の標準規格であるDICOMの最新版の取扱いを解説するとともに、生成AIの適用・応用についてもふれています。
このような方におすすめ
〇医療画像を対象に研究を始めようとする医療スタッフ（診療放射線技師，医師など），医用画像アプリケーションの開発者（医療機器メーカーの技術者，研究者など）
〇画像処理などの研究に従事する研究者（教員，研究者など），Pythonを具体的に勉強したい方（学部生，大学院生，研究者など）
目次
主要目次
第1章 開発環境を構築する
第2章 Pythonプログラミングの基本を学ぶ
第3章 DICOM画像の表示と基本画像処理
第4章 画像管理とDICOM応用処理
第5章 Pythonを使った人工知能の前処理を学ぶ
第6章 Pythonを使った人工知能の基本を理解する
第7章 人工知能開発の実践
第8章 医用画像処理における生成AI活用
詳細目次
第1章 開発環境を構築する
1.1 はじめに
1.2 深層学習
1.3 Google Colaboratory
1.4 環境構築
1.5 GPU技術と医療画像向け深層学習フレームワーク
第2章 Pythonプログラミングの基本を学ぶ
2.1 プログラミングの基本要素
2.2 プログラミングの効率化
2.3 生成AI の活用
2.4 基本構文
2.5 関 数
2.6 ライブラリの利用
第3章 DICOM画像の表示と基本画像処理
3.1 DICOM とPydicom
3.2 グレイスケールのDICOM 画像表示
3.3 DICOM 画像をPNG に変換する
3.4 画像の線形変換・アフィン変換
3.5 画素値のヒストグラムとヒストグラム平坦化処理
3.6 画像のフィルタ処理
3.7 DICOM 画像のカラー表示
3.8 疑似カラー画像表示
第4章 画像管理とDICOM応用処理
4.1 DICOM画像をPtIDや日付で整理・保存する
4.2 DICOM 圧縮画像を解凍する
4.3 DICOM 画像の匿名化
4.4 DICOM 画像の撮像位置でのソートと画素サイズ
4.5 画像に文字列を入れる・画像を結合する
4.6 DICOM SR(放射線治療計画画像）の処理
第5章 Pythonを使った人工知能の前処理を学ぶ
5.1 はじめに
5.2 テーブルデータにおける欠損値の取扱い
5.3 スケール変換
5.4 主成分分析
5.5 不均衡データのアンダー／オーバーサンプリング
第6章 Pythonを使った人工知能の基本を理解する
6.1 はじめに
6.2 機械学習のキーワード
6.3 機械学習アルゴリズム
6.4 ローコード機械学習
6.5 まとめ
第7章 人工知能開発の実践
7.1 はじめに
7.2 ニューラルネットワークの基礎
7.3 畳み込みニューラルネットワーク
7.4 判断根拠の可視化
7.5 深層学習による画像セグメンテーション
7.6 人工知能開発における生成AI活用
第8章 医用画像処理における生成AI活用
8.0 はじめに
8.1 生成モデルとは
8.2 GAN による画像生成
8.3 拡散モデルによる画像生成
8.4 ビジョン-言語モデル
参考文献
続きを見る