醫(yī)學大數(shù)據(jù)分析是人工智能、大數(shù)據(jù)與醫(yī)學的交叉學科，也是人工智能的重要分支領域。本教程定位為該領域的入門教材，涵蓋廣泛的醫(yī)學數(shù)據(jù)種類及其基礎和進階分析方法。本書共13章，1～4章介紹醫(yī)學大數(shù)據(jù)和人工智能的基礎知識；5～9章介紹醫(yī)學圖像、醫(yī)學信號、醫(yī)學文本、生物組學的單獨及聯(lián)合分析方法，每章內(nèi)容包含基礎和進階方法，基礎方法聚焦于必要的預處理和經(jīng)典傳統(tǒng)分析方法，進階方法則聚焦于利用深度神經(jīng)網(wǎng)絡完成復雜和高階的數(shù)據(jù)處理任務；10～13章介紹模型性能評估方法、臨床決策支持系統(tǒng)、醫(yī)學人工智能倫理及Python基礎知識。本書注重理論與實踐相結(jié)合，通過大量真實臨床數(shù)據(jù)分析案例幫助讀者快速掌握實踐方法，關鍵算法均提供了實現(xiàn)代碼。
更多科學出版社服務，請掃碼獲取。
2008 年西安交通大學本科學位。2012 年美國愛荷華大學博士學位， 同年愛荷華大學醫(yī)學影像研究中心任博士后研究員
目錄
第1章 導論 1
1.1 醫(yī)學人工智能簡介 1
1.2 本書的范疇和架構 2
第2章 醫(yī)學大數(shù)據(jù) 4
2.1 醫(yī)學大數(shù)據(jù)簡介 4
2.2 醫(yī)學大數(shù)據(jù)分析簡介 8
第3章 人工智能方法基礎 13
3.1 機器學習 15
3.2 知識圖譜 23
3.3 推理方法 29
3.4 搜索方法 36
第4章 深度學習 43
4.1 深度神經(jīng)網(wǎng)絡基礎 43
4.2 卷積神經(jīng)網(wǎng)絡 48
4.3 循環(huán)神經(jīng)網(wǎng)絡 50
4.4 Transformer 51
4.5 圖神經(jīng)網(wǎng)絡 55
第5章 醫(yī)學圖像的分析 58
5.1 醫(yī)學圖像簡介 58
5.2 醫(yī)學圖像基本處理方法 61
5.3 醫(yī)學影像進階分析方法 68
5.4 醫(yī)學影像分析實例 74
第6章 醫(yī)學信號的分析 87
6.1 醫(yī)學信號簡介 87
6.2 醫(yī)學信號基本處理方法 88
6.3 醫(yī)學信號進階分析方法 97
6.4 醫(yī)學信號分析實例 101
第7章 醫(yī)學文本的分析 112
7.1 醫(yī)學文本簡介 112
7.2 醫(yī)學文本基本處理方法 114
7.3 醫(yī)學文本進階分析方法 118
7.4 醫(yī)學文本分析實例 121
第8章 生物組學數(shù)據(jù)分析 142
8.1 生物組學數(shù)據(jù)簡介 142
8.2 生物組學數(shù)據(jù)基本處理方法 144
8.3 生物組學數(shù)據(jù)進階分析方法 158
8.4 生物組學數(shù)據(jù)分析實例 165
第9章 多模態(tài)醫(yī)學數(shù)據(jù)的聯(lián)合分析 177
9.1 多模態(tài)數(shù)據(jù)分析簡介 177
9.2 多模態(tài)數(shù)據(jù)分析方法 178
9.3 多模態(tài)醫(yī)學數(shù)據(jù)分析實例 180
第10章 性能評估方法 188
10.1 交叉驗證法 188
10.2 回歸任務準確性評估 189
10.3 分類任務準確性評估 191
第11章 臨床決策支持系統(tǒng) 199
11.1 醫(yī)學專家系統(tǒng) 199
11.2 現(xiàn)代臨床決策支持系統(tǒng)201
11.3 SaMD簡介 205
第12章 醫(yī)學人工智能倫理 208
12.1 數(shù)據(jù)隱私與數(shù)據(jù)安全 208
12.2 算法偏見 209
第13章 Python開發(fā)環(huán)境配置與基本語法 212
13.1 Python簡介 212
13.2 Python開發(fā)環(huán)境配置 212
13.3 Python基本語法 213
13.4 深度學習框架搭建及實例 219
書單推薦
