第1章 人工智能理論 001～041
1.1　機(jī)器學(xué)習(xí)與深度學(xué)習(xí)概述 001
1.2　聚類與降維算法 003
1.2.1　K-means算法 003
1.2.2　主成分分析 003
1.3　分類算法 004
1.3.1　邏輯回歸與KNN 004
1.3.2　決策樹與隨機(jī)森林 005
1.3.3　支持向量機(jī) 006
1.4　基于監(jiān)督的深度學(xué)習(xí) 007
1.4.1　深度神經(jīng)網(wǎng)絡(luò) 007
1.4.2　卷積神經(jīng)網(wǎng)絡(luò) 015
1.4.3　循環(huán)神經(jīng)網(wǎng)絡(luò) 022
1.5　基于半監(jiān)督的深度學(xué)習(xí) 025
1.5.1　生成對抗網(wǎng)絡(luò) 025
1.5.2　深度強(qiáng)化學(xué)習(xí) 031
1.6　遷移學(xué)習(xí) 034
參考文獻(xiàn) 039

第2章 智慧醫(yī)療信息系統(tǒng) 042～063
2.1　醫(yī)療信息與醫(yī)療系統(tǒng) 042
2.1.1　醫(yī)療大數(shù)據(jù) 042
2.1.2　醫(yī)院信息系統(tǒng) 046
2.1.3　影像存儲與傳輸系統(tǒng) 047
2.1.4　實(shí)驗(yàn)室信息系統(tǒng) 049
2.2　醫(yī)學(xué)影像 051
2.2.1　超聲成像 051
2.2.2　X線成像 052
2.2.3　CT與磁共振成像 053
2.2.4　其他影像 055
2.3　人工智能在醫(yī)學(xué)診療中的應(yīng)用 056
2.3.1　智能影像分析 056
2.3.2　智能輔助診療 059
2.3.3　智能藥物研發(fā) 060
參考文獻(xiàn) 062

第3章 眼部影像分析 064～100
3.1　角膜塑形術(shù) 064
3.1.1　角膜概述 065
3.1.2　基于機(jī)器學(xué)習(xí)的適配狀態(tài)評估方案 067
3.1.3　測試結(jié)果與分析 071
3.2　視網(wǎng)膜眼底血管結(jié)構(gòu)分割 073
3.2.1　視網(wǎng)膜眼底血管結(jié)構(gòu)分割概述 073
3.2.2　基于數(shù)字圖像處理的眼底血管分割方法 074
3.2.3　基于深度神經(jīng)網(wǎng)絡(luò)的眼底血管分割方法 077
3.2.4　實(shí)驗(yàn)數(shù)據(jù)集及評估指標(biāo) 079
3.2.5　測試結(jié)果與分析 080
3.3　白內(nèi)障自動分級 081
3.3.1　白內(nèi)障概述 081
3.3.2　基于支持向量機(jī)的分級算法 083
3.3.3　基于深度神經(jīng)網(wǎng)絡(luò)遷移的聯(lián)合分級算法 085
3.3.4　實(shí)驗(yàn)數(shù)據(jù)集與評估指標(biāo) 088
3.3.5　診斷結(jié)果與分析 089
3.4　白內(nèi)障糖尿病視網(wǎng)膜病變聯(lián)合診斷 090
3.4.1　糖尿病視網(wǎng)膜病變概述 090
3.4.2　基于多任務(wù)學(xué)習(xí)的聯(lián)合診斷方案 092
3.4.3　實(shí)驗(yàn)數(shù)據(jù)集 095
3.4.4　診斷結(jié)果與分析 096
參考文獻(xiàn) 099

第4章 X線影像分析 101～133
4.1　顱部標(biāo)記點(diǎn)自動識別 101
4.1.1　X線頭影測量概述 101
4.1.2　基于深度神經(jīng)網(wǎng)絡(luò)的自動標(biāo)注 103
4.1.3　實(shí)驗(yàn)數(shù)據(jù)集及預(yù)處理 107
4.1.4　測試結(jié)果與分析 108
4.2　大骨節(jié)病自動判別 109
4.2.1　大骨節(jié)病概述 109
4.2.2　手部X線影像圖像預(yù)處理 111
4.2.3　基于卷積神經(jīng)網(wǎng)絡(luò)的特征提取 113
4.2.4　測試與分析 116
4.3　骨腫瘤智能診斷 117
4.3.1　骨腫瘤概況 118
4.3.2　骨腫瘤良惡性判別算法 119
4.3.3　實(shí)驗(yàn)結(jié)果與分析 124
4.4　骨腫瘤壞死率預(yù)測 126
4.4.1　基于Pix2Pix網(wǎng)絡(luò)的單張樣本生成 126
4.4.2　基于LSTM-GAN網(wǎng)絡(luò)的時(shí)序樣本生成 129
4.4.3　基于3D-CNN網(wǎng)絡(luò)的壞死率分類預(yù)測 130
參考文獻(xiàn) 131

第5章 內(nèi)臟CT影像分析 134～170
5.1　主動脈夾層智能診斷 134
5.1.1　主動脈CT影像概述 134
5.1.2　主動脈夾層智能診斷方案 136
5.1.3　實(shí)驗(yàn)數(shù)據(jù)及結(jié)果分析 142
5.2　腹腔CT影像智能分割 145
5.2.1　肝臟/腎臟智能分割概述 145
5.2.2　腸道器官智能分割概述 147
5.3　肝臟/腎臟智能分割 150
5.3.1　肝臟/腎臟智能分割方法 150
5.3.2　實(shí)驗(yàn)數(shù)據(jù)及結(jié)果分析 157
5.4　腸道器官智能分割 160
5.4.1　腸道器官智能分割難點(diǎn) 160
5.4.2　腸道器官智能分割方案 161
5.4.3　實(shí)驗(yàn)數(shù)據(jù)及結(jié)果分析 167
參考文獻(xiàn) 168

第6章 手術(shù)輔助治療 171～186
6.1　手術(shù)器械自動識別 171
6.1.1　手術(shù)器械分類及檢測概述 171
6.1.2　基于深度學(xué)習(xí)的手術(shù)器械識別 172
6.1.3　手術(shù)器械目標(biāo)檢測實(shí)例及應(yīng)用 174
6.2　手術(shù)流程分析 176
6.2.1　手術(shù)流程分析概述 176
6.2.2　基于時(shí)序信息的手術(shù)流程分析策略 177
6.3　手術(shù)視頻摘要生成 179
6.3.1　視頻關(guān)鍵幀提取及摘要生成原理 179
6.3.2　基于無監(jiān)督學(xué)習(xí)的手術(shù)視頻摘要生成 181
6.4　機(jī)器人輔助手術(shù) 183
6.4.1　機(jī)器人手術(shù)簡介 183
6.4.2　基于強(qiáng)化學(xué)習(xí)的機(jī)器人輔助手術(shù) 184
參考文獻(xiàn) 185

第7章 腫瘤放射輔助治療 187～207
7.1　放射醫(yī)學(xué) 187
7.1.1　放射治療簡介 187
7.1.2　人工智能在放射治療中的應(yīng)用 190
7.2　質(zhì)子放療與重離子放療 191
7.2.1　質(zhì)子放療 191
7.2.2　重離子放療 192
7.2.3　質(zhì)子/重離子放療優(yōu)勢 193
7.3　基于神經(jīng)網(wǎng)絡(luò)的靶區(qū)勾畫 194
7.3.1　靶區(qū)勾畫簡介 194
7.3.2　 建模方法 197
7.3.3　模型框架與模型訓(xùn)練 200
7.3.4　性能測試與評估 202
參考文獻(xiàn) 204

第8章 慢性病飲食推薦 208～235
8.1　慢性病概述 208
8.1.1　高血壓 208
8.1.2　糖尿病 210
8.1.3　慢性腎臟病 211
8.2　慢性病的飲食指導(dǎo) 212
8.2.1　基本營養(yǎng)素 213
8.2.2　主食與副食分析 214
8.3　慢性病的飲食推薦 224
8.3.1　基于線性規(guī)劃的飲食推薦 225
8.3.2　基于遺傳算法的飲食推薦 229
參考文獻(xiàn) 234

第9章 流行病大數(shù)據(jù)分析 236～258
9.1　流行病傳播模型 236
9.1.1　流行病傳播模型概述 236
9.1.2　SIR模型 237
9.1.3　SEIR模型 239
9.2　SARS傳播分析 241
9.2.1　SARS概述 241
9.2.2　SARS傳播模型分析 243
9.3　MERS傳播分析 251
9.3.1　MERS簡介 252
9.3.2　MERS傳播模型分析 253
參考文獻(xiàn) 257

第10章 分子生物醫(yī)學(xué) 259～290
10.1　遺傳學(xué)基本概念 259
10.1.1　DNA和RNA的結(jié)構(gòu) 259
10.1.2　蛋白質(zhì)結(jié)構(gòu)與編碼 260
10.1.3　冠狀病毒結(jié)構(gòu) 262
10.2　新型冠狀病毒演化分析 263
10.2.1　多序列比對 264
10.2.2　構(gòu)建病毒遺傳演化樹 272
10.2.3　病毒tMRCA及進(jìn)化速率估算 279
10.3　藥物篩選 283
10.3.1　藥物篩選介紹 283
10.3.2　基于人工智能技術(shù)的小分子藥物篩選 285
參考文獻(xiàn) 288