本书首先简要介绍人工智能与深度学习的发展历程与应用、临床各种成像以及深度学习环境；然后重点围绕医学影像分类、目标检测与分割三大基本任务展开讲解，阐述每种任务的基本概念与临床意义，介绍典型的深度神经网络，给出医学影像数据集的构建、网络的训练、测试以及性能评价方面的具体方法；最后介绍医学影像深度学习领域常用的公开数据集。此

本书分为A1型题、A2型题、A3A4型题、B型题、X型题和案例分析题,题量大,题型全,覆盖全部考点,并附有详细解析。本书实用性强,可用于考前复习和自测,以便考生顺利通过考试。

本书紧密贴合临床护理实际工作,以临床常见科室为脉络,主要选取临床上的常见疾病,对疾病的概念、病因、发病机制、诊断与鉴别诊断、临床表现、治疗方法等方面简要讲解,着重讲述每种疾病的护理评估、护理目标、护理措施等内容。

本书先从基础出发，简述了超声诊断基础，CT、MRI成像基础，介入放射技术，之后详述了临床各科室各系统常见病的超声诊断、CT诊断、MRI诊断，包括头颈部疾病、乳腺疾病、呼吸系统疾病、消化系统疾病、神经系统疾病、心血管系统疾病、泌尿系统疾病、肌骨系统疾病等内容。本书的编写结合了作者的工作经验，参考了相关专业文献，兼具专业性

本书对人工智能技术进行了概述，介绍了常用的人工智能技术机器学习，并重点介绍了深度学习神经网络；阐述了机器学习、神经网络技术在医学图像分析中的应用，包括医学图像识别、医学图像分割和医学图像检测。同时选取了目前较为先进的模型进行案例介绍。最后介绍基于MATLAB软件实现的医学图像分析系统。

作者李程，北京中日友好医院超声诊断科主任医师，从事超声工作38年，具有丰富的临床经验。近8年来李程医师开展了超声领域的人工智能研究，在6万份病例的基础上，与四川大学林江莉教授等合作研发出超声工智能诊断设备，经过临床检验，其准确性达到95%上，在国内处于领先水平。本书在6万份病例的基础上，找出600+张各种类型的图像，具

本书从临床实用的角度出发，以各种常见疾病为主要骨架，内容从声学基础原理、检查方法、检查内容、诊断和鉴别诊断及临床价值等方面进行阐述。主要对临床常见疾病的病理、超声诊断要点、超声鉴别诊断要点和相关知识等进行了详细的阐述，并根据临床的发展动态相应增加了近年来公认的新的诊疗理念。

本书在编写过程中，注重理论与实践相结合。主要对颅脑、胸部与心血管、乳腺、腹盆部、骨骼肌肉系统等常见疾病的X线、CT、磁共振诊断等进行了详细的阐述。在编写内容上，还根据临床应用实际情况有选择地增加了部分病例的影像学图像。删除少见少用技术和少见病种的叙述，增加病种新概念、分类和知识的介绍，把疾病的临床与病理特点、影像学表现

本书是以病变组织结构作为病理学和影像学之间的桥梁，从影像学的视角来窥视病理学变化，并将影像表现与解剖、组织胚胎、病理生理以及临床有机结合的一门学科，它为影像诊断提供了可视化、可解释的病理基础。全教材共分为14章，第1章简要介绍了各种影像学检查方法的基本原理、检查技术及适应症等，第2、3章概括介绍了常用病理学基础及基本病

本书是由美国著名超声医学专家罗伯特·德容(M。RobertDeJong)依据美国超声医学学会最新发布的超声诊断指南而编写的超声扫查规范。全书共22章，分别介绍了解剖生理学，正常组织结构和正常变异的超声表现，脏器扫查时患者的准备、探头选择、扫查技巧和检查原则等，并逐一对腹主动脉、下腔静脉、肝、胆、胰、肾、脾，腹部、女性盆