دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: سری: ISBN (شابک) : 9798886977370 ناشر: Nova Science Publishers سال نشر: 2023 تعداد صفحات: [191] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 22 Mb
در صورت تبدیل فایل کتاب Demystifying Medical Image Processing Concepts for Design, Implementation and Management with Real Time Case Studies [Team-IRA] به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب رمزگشایی مفاهیم پردازش تصویر پزشکی برای طراحی، اجرا و مدیریت با مطالعات موردی زمان واقعی [Team-IRA] نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
پردازش تصویر دیجیتال با استفاده از الگوریتم های کامپیوتری برای استخراج اطلاعات مفید از یک تصویر سر و کار دارد. بیوسیگنال ها و تصاویر پزشکی نقش اساسی در بخش مراقبت های بهداشتی برای تشخیص بیماری و برنامه ریزی درمانی دارند. نقش شبیه سازی یک ابزار اجتناب ناپذیر در علم و فناوری است. این کتاب بر روی پردازش تصاویر پزشکی با استفاده از الگوریتم های کامپیوتری توسعه یافته در متلب تمرکز دارد. MATLAB یک نرم افزار کاربر پسند است که در رشته های علوم و مهندسی شهرت یافته است. کدهای متلب نیز در هر فصل گنجانده شده است که بینش های زیادی را به مبتدیانی که در زمینه پردازش تصویر پزشکی تحقیق می کنند، می دهد. تصویرسازی ساده، آسان و گام به گام عملی با ایدههای مفهومی، کتاب را نسبت به کتابهای مبتدی و متوسط نسبت به سایر کتابهای موجود در بازار بسیار ارجحیت میدهد. این کتاب همچنین برای دانشجویان کارشناسی و کارشناسی ارشد که پروژه های دانشگاهی و کارهای تحقیقاتی خود را در زمینه پردازش تصویر انجام می دهند مفید خواهد بود.
Digital image processing deals with the usage of computer-aided algorithms for extracting useful information from an image. Biosignals and medical images play a pivotal role in the health care sector for disease diagnosis and therapeutic planning. The Simulation role is an inevitable tool in science and technology. This book focuses on the processing of medical images using computer-aided algorithms developed in MATLAB. MATLAB is a user friendly software that gains prominence in science and engineering disciplines. MATLAB codes are also included in each chapter, which gives a lot of insights to beginners doing research in medical image processing. Simple, easy, and step-by-step practical illustration with conceptual ideas make the book much preferable to the beginner and the intermediate compared with other books currently in the market. This book will also be beneficial for undergraduate and postgraduate students doing their academic projects and research works in image processing.
Contents Preface Chapter 1 Introduction to Medical Imaging Modalities 1.1. Introduction 1.2. X-RAY Imaging 1.3. Computed Tomography Imaging 1.4. Magnetic Resonance Imaging 1.5. Ultrasound Imaging Conclusion Chapter 2 Basics of Medical Image Processing Using MATLAB 2.1. Introduction 2.2. Source of Medical Data 2.3. Usage of Imread and Imshow Function 2.4. Usage of Subplot Function 2.5. Usage of Imtool Function 2.6. Usage of Imresize Function 2.7. Usage of Flipud and Fliplr Function 2.8. Usage of Imhist Function 2.9. Usage of Imadd Function 2.10. Program to Add Two Images 2.11. Use of Imsubtract Function 2.12. Program to Subtract Two Images 2.13. Use of Imultiply Function 2.14. Program To Multiply Two Images 2.15. Use of Imdivide Function 2.16. Program to Divide Images 2.17. Extraction of Red, Green and Blue Component from a Color Image 2.18. Use of Im2bw Function 2.19. Use of Imscale and Imrotate Function 2.20. Display the Bit Planes of a Grayscale Image Conclusion Chapter 3 Spatial Domain Filtering and Enhancement of Medical Images 3.1. Introduction 3.2. MATLAB Code for Average Filter 3.3. MATLAB Code for High Pass Filter 3.4. MATLAB Code for Weighted Average Filter 3.5. MATLAB Code for Median Filter 3.6. MATLAB Code for Image Intensity Slicing 3.7. MATLAB Code for Gaussian Filter 3.8. MATLAB Code for Nonlinear Filters 3.9. MATLAB Code for Wiener Filter Conclusion Chapter 4 Frequency Domain Filtering of Medical Images 4.1. Introduction 4.2. MATLAB Code for Fast Fourier Transform of an Image 4.3. MATLAB Code for Gaussian Low Pass Frequency Domain Filter 4.4. MATLAB Code for Butterworth Low Pass Frequency Domain Filter 4.5. MATLAB Code for Gaussian High Pass Frequency Domain Filter 4.6. MATLAB Code for Butterworth High Pass Frequency Domain Filter 4.7. MATLAB Code for Gaussian High Boost Frequency Domain Filter 4.8. MATLAB Code for Butterworth High Boost Frequency Domain Filter Conclusion Chapter 5 Medical Image Segmentation 5.1. Introduction 5.2. MATLAB Code for Adaptive Thresholding 5.3. MATLAB Code for Region Growing 5.4. MATLAB Code for Edge Detection 5.5. MATLAB Code for Watershed Segmentation 5.6. MATLAB Code for K-Means Clustering 5.7. MATLAB Code for Gauss Gradient Approach for Edge Detection Conclusion Chapter 6 Wavelet Transforms in Medical Image Processing 6.1. Introduction 6.2. Role of Wavelet Transforms in Medical Image Processing 6.3. MATLAB Code for Wavelet Decomposition of Medical Image 6.4. MATLAB Code for Watermarking of Medical Image 6.5. MATLAB Code for Image Compression Using Haar Wavelet Transform Conclusion Chapter 7 Medical Image Compression 7.1. Introduction 7.2. Block Truncation Coding 7.3. Wavelet Transform Based Compression 7.4. Medical Image Compression Using Principal Component Analysis 7.5. Image Compression Using Singular Value Decomposition Conclusion Chapter 8 Evaluation of Preprocessing, Segmentation, and Compression Algorithms 8.1. Introduction 8.2. Validation of Preprocessing Algorithms 8.3. Validation of Segmentation Algorithms with Ground Truth Images 8.4. Validation of Clustering Segmentation Algorithms 8.5. Validation of Compression Algorithms Conclusion Chapter 9 Medical Image Encryption and Fusion 9.1. Introduction 9.2. Telemedicine 9.3. Medical Image Fusion 9.4. MATLAB Code for Medical Image Fusion Using Averaging Rule 9.5. MATLAB Code for Medical Image Fusion Using Wavelet Transform 9.6. MATLAB Code for Classical Medical Image Encryption 9.7. MATLAB Code for Medical Image Encryption Using BitXor Operator Conclusion Chapter 10 Case Studies in Medical Image Processing 10.1. Introduction 10.2. Retinal Blood Vessel Detection Using Kirsch Algorithm 10.3. Medical Image Edge Detection Using Homogeneity Operation 10.4 MATLAB Code for Homogeneous Mask Area Filter Conclusion References Index About the Authors Blank Page