本书主要介绍几类常见的生物医学信息智能处理的新方法，主要针对生物细胞图像、乳腺钼靶X射线影像、胆囊超声影像、磁共振成像心室影像、磁共振成像脑部影像和心电信号的分析处理，以及医学图像加密等，涉及的智能信息处理方法包括脉冲耦合神经网络、活动轮廓模型、深度学习、三维重构技术、压缩感知、数学形态学、优化算法、小波理论、混沌理论等。
本书内容系统、新颖，图像类别涵盖面广，适合生物医学工程、人工智能与计算机视觉、数字图像处理等方向的高年级本科生、研究生阅读，也可供智能信息处理与软计算理论、通信工程等相关领域的研究人员参考。

前言
第1章 生物细胞图像处理
1.1 深度学习方法概述
1.1.1 深度学习方法在细胞图像处理中的新进展
1.1.2 深度学习方法的局限性
1.2 生物医学细胞图像分割的常用方法
1.3 基于PCNN自动波特征的血细胞图像分割和计数方法
1.4 基于同步可调点火脉冲耦合神经网络的细胞核分割
1.4.1 同步可调点火的脉冲耦合神经网络
1.4.2 色调提取器
1.4.3 区域生长单元
1.4.4 实验结果
1.5 基于距离估计的HE图像细胞核标定
1.5.1 细胞核的标定方法
1.5.2 实验结果
1.6 基于乳腺肿瘤细胞形态特征参数的乳腺癌诊断研究
1.6.1 基于乳腺肿瘤细胞形态特征参数的乳腺癌诊断
1.6.2 乳腺癌细胞特征参数与乳腺癌诊断之间关系
1.6.3 细胞分形与乳腺癌诊断之间关系
参考文献
第2章 乳腺密度测量
2.1 乳腺密度测量方法概述
2.1.1 定性的乳腺密度测量方法
2.1.2 定量的乳腺密度测量方法
2.2 基于乳腺纹理特征的乳腺密度测量方法
2.2.1 乳腺钼靶X射线图像的预处理
2.2.2 乳腺钼靶X射线图像的密度测量
2.2.3 乳腺钼靶X射线图像的密度数据分析
2.2.4 结果和讨论
2.3 基于SVM的乳腺密度分类方法
2.3.1 乳腺钼靶X射线影像数据集和预处理
2.3.2 乳腺腺体组织的分割
2.3.3 乳腺纹理特征提取
2.3.4 乳腺密度分类
2.3.5 结果和讨论
2.4 基于医学影像信息管理系统的乳腺影像数据集建设
2.4.1 乳腺钼靶X射线图像数据集
2.4.2 建设乳腺影像数据集的必要性分析
参考文献
第3章 基于深度学习的乳腺图像处理
3.1 基于深度学习的医学图像处理简介
3.2 基于深度学习的乳腺密度测量
3.2.1 深度学习方法简介
3.2.2 具体的实现方法
3.3 基于深度学习的乳腺图像异常分类新方法
3.3.1 乳腺图像分类相关工作
3.3.2 基于深度学习的病变分类方法
3.3.3 基于深度学习的病变分类新方法实验
3.4 基于深度学习的乳腺肿块感兴趣区域提取
3.4.1 深度学习目标检测模型
3.4.2 采用改进的FasterR-CNN提取乳腺肿块的感兴趣区域
3.5 基于深度学习的乳腺肿块分割
3.5.1 深度学习语义分割模型介绍
3.5.2 乳腺肿块分割对比实验
参考文献
第4章 超声图像分析处理
4.1 医学超声图像分析简介
4.1.1 成像机理与超声检查方式
4.1.2 胆囊结石超声图像典型特征
4.1.3 胆囊结石图像分割研究综述
4.2 基于PCNN和数学形态学的胆囊结石超声图像全自动分割方法
4.2.1 分割总步骤
4.2.2 结构元素的确定
4.2.3 胆囊结石超声图像预处理
4.2.4 胆囊区域的分割
4.2.5 结石区域的分割
4.2.6 胆囊区域的后处理
4.2.7 结石区域的后处理
4.2.8 胆囊图像分割实验讨论
4.3 基于PCNN和水平集算法的胆囊结石超声图像分割方法
4.3.1 PCNN算法简介
4.3.2 基于PCNN算法的结石分割方法
4.3.3 基于水平集算法的结石分割方法
4.4 基于PCNN的前列腺超声图像病理区域检测方法
参考文献
第5章 心室分割与三维重构
5.1 感兴趣区域自动提取
5.2 心室分割算法
5.2.1 基于SPCNN的LV内膜分割算法
5.2.2 基于参数活动轮廓模型的LV外膜分割算法
5.2.3 基于SPCNN与ASM的LV内、外膜分割算法
5.2.4 基于改进水平集的LV内膜分割算法
5.2.5 基于SPCNN与数学形态学的RV内、外膜分割算法
5.3 左心室三维重构
5.3.1 三维重构与图像插值
5.3.2 基于MC算法的左心室三维表面重构在MATLAB上的实现
5.3.3 基于轮廓线插值算法的左心室三维表面重构在OpenGL上的实现
参考文献
第6章 高度欠采样磁共振脑成像重构
6.1 压缩感知理论与磁共振成像
6.1.1 压缩感知理论
6.1.2 磁共振成像
6.2 基于非子采样Shearlet稀疏先验的高度欠采样MRI图像重构
6.2.1 Shearlet变换
6.2.2 离散Shearlet变换的实现
6.2.3 非子采样Shearlet变换
6.2.4 基于NSST稀疏先验的高度欠采样MRI图像重构方法
6.3 基于扩展的约束型分裂增广拉格朗日收缩算法的MRI图像重构
6.3.1 字典学习和基于字典学习的稀疏表示
6.3.2 扩展的约束型分裂增广拉格朗日收缩算法
6.4 基于UDCT域多尺度字典学习的MRI图像重构
6.4.1 多尺度字典学习
6.4.2 均匀离散Curvelet变换
6.4.3 基于UDCT域多尺度字典学习双重稀疏化模型
6.4.4 适应于多尺度字典学习双重稀疏化模型的PB_CSALSA用于MRI图像重构
参考文献
第7章 心电图自动分析与心电监护系统设计
7.1 基于提升小波变换与时域极值分布特性的ECG自动分析
7.1.1 心电信号基础知识
7.1.2 ECG特性与预处理研究难点
7.1.3 实验数据集
7.