1.本书首先介绍MATLAB语言与医学图像数据格式，主要叙述MATLAB语言表示法的基本知识和求解医学图像处理问题的软件环境。2.进而介绍医学图像特征的常用特征指标，主要让学生掌握基于MATLAB语言的数学测度计算方法及其所表达的图像意义。3.继之介绍图像特征分析中的参数估计与假设检验，系统介绍针对医学特征的基本统计学方法。4.进一步介绍图像分析中常用的相关与线性回归分析方法，让学生掌握如何从大量图像特征中提取与疾病关联最大的指标。5.最后介绍医学图像中的机器学习方法，让学生初步学习如何完成对海量影像数据信息进行更深层次的挖掘、预测和分析工作。6.本教材的内容编写着重关联MATLAB语言数学测量医学图像知识，教材中所涉及的数学知识点都用MATLAB语言编程实现。7.在应用举例中，为避免涉及过深的医学术语，在语言方面尽可能做到通俗易懂，目的是让学生明确不同数学知识与医学图像所蕴含疾病信息的关系，便于学生学习和应用。8.为方便教师授课和学生自学，本书同时配有PPT、各章节重难点讲解视频微课、习题等数字内容。
医学影像数据占临床数据的90%，充分挖掘医学影像信息对临床智能诊断、智能决策及患者预后评估有重要作用。
《医学影像智能分析基础》是依据现阶段智能医学与医学影像专业的人才培养目标，为适应我国医学教育改革需求和医学影像智能分析技术的快速发展编写而成的，是为医学影像学、智能医学工程专业量身定制的数学基础教材，供高等院校本科学生使用，也可作为研究生参考书。
医学影像技术可以非侵入式地获取人体不同脏器的结构及功能信息，这一技术的出现为传统医学诊断方法带来了巨大的变革。医学影像数据占临床数据的90%，充分挖掘医学影像信息对临床智能诊断、智能决策及患者预后评估有重要作用。然而，国内目前尚缺乏专门针对医学影像学、智能医学工程本科专业设计的数学基础教材，这使得其教学面临以下三个困境：第一，医学影像特征挖掘、特征提取、智能分析等所需的数学知识涉及MATLAB 语言、数字图像处理、数理统计、回归分析等课程，按照目前工科一般的课程构建模式，这些内容分布在不同学期的课程中，知识点呈现散在分布、相对琐碎的特点，缺乏针对医学影像分析所需的系统的数学框架，这导致学生在学习医学影像分析的核心知识点时无法融会贯通，应用过程中常常生搬硬套、囫囵吞枣；第二，脱离医学影像背景而单纯讲授数学知识，难以将所学知识与医学影像分析的目的和意义关联起来，从而无法激发学生的学习兴趣和创新意识；第三，近年来，人工智能方法成为医学图像处理技术发展的一个研究热点，但尚缺乏一门以数值计算、数字图像处理、计算机技术为主要工具的基础引导课，难以为后续学习智能信息处理、模式识别、神经网络等课程打下理论基础。本教材是在高等数学课程的基础上，面向本科学生，针对当前医学影像学、智能医学工程专业医学图像分析教学所面临的上述现状编写而成。
为了系统介绍医学影像分析的基础知识，本教材首先介绍MATLAB 语言与医学影像数据格式，主要介绍MATLAB 语言表示法的基本知识和求解医学影像处理问题的软件环境；进而介绍医学影像的常用特征指标，主要让学生掌握基于MATLAB 语言的数学测度计算方法及其所表达的图像意义；接下来介绍图像特征分析中的参数估计与假设检验，系统介绍针对医学影像特征的基本统计学方法；进一步介绍医学影像分析中常用的相关分析与线性回归的分析方法，使学生可以从大量图像特征中提取与疾病关联最大的指标；最后介绍医学影像中的机器学习方法，让学生初步完成对海量影像数据信息进行更深层次的挖掘、预测和分析工作。
本教材的内容编写着重关联MATLAB 语言数学测量医学影像知识，教材中所涉及的数学知识点都用MATLAB 语言编程实现。为避免涉及过深的医学术语，在应用举例中，尽可能做到使用通俗易懂的语言，目的是让学生明确不同数学知识与医学影像所蕴含疾病信息的关系，便于学生学习和应用。
刘继欣 张 明
2023 年8 月
刘继欣:博士，西安电子科技大学生命科学技术学院教授、博导。近年来工作集中于借助医学图像对疾病影像特征识别、疗效预测、康复评估研究上。目前，主持国家自然科学基金3项，第一作者、通讯作者发表SCI检索论文80余篇。研究团队关于针刺影像学研究在2012年获得陕西省科学技术二等奖、2021年获得陕西省科学技术一等奖第八届中国针灸学会科学技术奖基础类一等奖等荣誉。
第一章 医学影像处理概论/1
第一节 医学影像技术的发展/2
第二节 医学影像物理意义/3
一、X 线/3
二、CT/4
三、MRI/5
第三节 医学影像智能分析及其应用/7
第二章 医学影像与MATLAB/ 9
第一节 MATLAB 基础知识/ 10
一、MATLAB 2021b 工作界面/ 10
二、MATLAB 数据类型/ 13
三、MATLAB 常见的指令与特殊符号/ 15
第二节 MATLAB 矩阵/17
一、矩阵定义/ 17
二、矩阵创建/ 17
三、矩阵运算/ 19
四、矩阵索引/23
第三节 MATLAB 编程基础/25
一、控制语句 /25
二、M 文件/ 27
第四节 MATLAB 医学影像基础/ 30
一、医学影像的基本格式/ 30
二、医学影像的读写/ 30
三、医学影像的计算/35
第三章 医学影像的特征/ 38
第一节 颜色特征/ 39
一、颜色空间/ 39
二、直方图特征/ 41
三、案例分析/43
第二节 纹理特征/ 45
一、灰度共生矩阵/45
二、灰度差分统计/ 49
三、自相关函数/ 50
四、案例分析/ 51
第三节 形状特征/53
一、边界特征/53
二、区域特征/53
三、案例分析/54
第四节 特征分析/ 55
第四章 参数估计与假设检验/ 57
第一节 参数估计/ 58
一、计量资料的统计描述/ 58
二、均数的抽样误差与标准误/ 60
三、t 分布/ 61
四、总体均数的区间估计/62
第二节 假设检验/ 65
一、假设检验的基本步骤/65
二、假设检验中的两类错误/66
三、假设检验的注意事项/ 67
四、假设检验和区间估计的关系/ 68
第三节 t 检验/ 69
一、单样本t 检验/ 69
二、两独立样本t 检验/ 70
三、配对样本t 检验/ 72
第四节 方差分析/ 74
一、完全随机设计的方差分析/ 74
二、随机区组设计的方差分析/ 78
第五章 相关与线性回归/81
第一节 相关分析/ 84
一、协方差与相关系数/ 84
二、秩相关/ 89
三、偏相关/ 91
第二节 简单线性回归/92
一、简单线性回归模型/ 92
二、简单线性模型的最小二乘拟合/ 93
三、 2 的估计/ 97
四、简单线性回归的比较/ 98
第三节 多元线性回归/ 102
一、多元线性回归模型/102
二、模型假设/103
三、多元模型的最小二乘拟合/103
四、ε 方差2 的估计/106
第四节 模型适用性检验与修正/ 106
一、模型适用性检验/106
二、残差分析/111
三、杠杆与强影响点的诊断/113
四、多重共线性分析/117
第五节 疼痛敏感性与脑白质神经机制在性别间的差异/ 118
一、问题/118
二、数据/118
三、耐受阈限模型/121
四、模型残差的分析/ 122
五、模型的调整/124
六、结论/126
第六章 图像与机器学习/127
第一节 模型的评估方法/ 129
一、留出法/129
二、交叉验证法/130
三、自助法/131
第二节 常用的机器学习算法/ 133
一、Logistic 回归/133
二、支持向量机/137
三、MATLAB 示例/140
第三节 模型的性能度量/ 143
一、回归模型的评估指标/143
二、分类模型的评估指标/144
第四节 术前MRI 预测子宫内膜癌患者淋巴血管间隙侵犯研究 / 146
一、问题/146
二、数据/146
三、模型构建与性能度量/147
四、结果展示/147
五、讨论与分析/148
参考文献/149
索引/150
书单推荐
