人工智能與智慧醫療

第1章 人工智能理論 001～041
1.1　機器學習與深度學習概述    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　決策樹與隨機森林    005
1.3.3　支持向量機    006
1.4　基於監督的深度學習    007
1.4.1　深度神經網絡    007
1.4.2　卷積神經網絡    015
1.4.3　循環神經網絡    022
1.5　基於半監督的深度學習    025
1.5.1　生成對抗網絡    025
1.5.2　深度強化學習    031
1.6　遷移學習    034
參考文獻    039

第2章 智慧醫療信息系統 042～063
2.1　醫療信息與醫療系統    042
2.1.1　醫療大數據    042
2.1.2　醫院信息系統    046
2.1.3　影像存儲與傳輸系統    047
2.1.4　實驗室信息系統    049
2.2　醫學影像    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　人工智能在醫學診療中的應用    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    060
參考文獻    062

第3章 眼部影像分析 064～100
3.1　角膜塑形術    064
3.1.1　角膜概述    065
3.1.2　基於機器學習的適配狀態評估方案    067
3.1.3　測試結果與分析    071
3.2　視網膜眼底血管結構分割    073
3.2.1　視網膜眼底血管結構分割概述    073
3.2.2　基於數字圖像處理的眼底血管分割方法    074
3.2.3　基於深度神經網絡的眼底血管分割方法    077
3.2.4　實驗數據集及評估指標    079
3.2.5　測試結果與分析    080
3.3　白內障自動分級    081
3.3.1　白內障概述    081
3.3.2　基於支持向量機的分級算法    083
3.3.3　基於深度神經網絡遷移的聯合分級算法    085
3.3.4　實驗數據集與評估指標    088
3.3.5　診斷結果與分析    089
3.4　白內障糖尿病視網膜病變聯合診斷    090
3.4.1　糖尿病視網膜病變概述    090
3.4.2　基於多任務學習的聯合診斷方案    092
3.4.3　實驗數據集    095
3.4.4　診斷結果與分析    096
參考文獻    099

第4章 X線影像分析 101～133
4.1　顱部標記點自動識別    101
4.1.1　X線頭影測量概述    101
4.1.2　基於深度神經網絡的自動標注    103
4.1.3　實驗數據集及預處理    107
4.1.4　測試結果與分析    108
4.2　大骨節病自動判別    109
4.2.1　大骨節病概述    109
4.2.2　手部X線影像圖像預處理    111
4.2.3　基於卷積神經網絡的特征提取    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　實驗結果與分析    124
4.4　骨腫瘤壞死率預測    126
4.4.1　基於Pix2Pix網絡的單張樣本生成    126
4.4.2　基於LSTM-GAN網絡的時序樣本生成    129
4.4.3　基於3D-CNN網絡的壞死率分類預測    130
參考文獻    131

第5章 內臟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　實驗數據及結果分析    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　實驗數據及結果分析    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    160
5.4.2　腸道器官智能分割方案    161
5.4.3　實驗數據及結果分析    167
參考文獻    168

第6章 手術輔助治療 171～186
6.1　手術器械自動識別    171
6.1.1　手術器械分類及檢測概述    171
6.1.2　基於深度學習的手術器械識別    172
6.1.3　手術器械目標檢測實例及應用    174
6.2　手術流程分析    176
6.2.1　手術流程分析概述    176
6.2.2　基於時序信息的手術流程分析策略    177
6.3　手術視頻摘要生成    179
6.3.1　視頻關鍵幀提取及摘要生成原理    179
6.3.2　基於無監督學習的手術視頻摘要生成    181
6.4　機器人輔助手術    183
6.4.1　機器人手術簡介    183
6.4.2　基於強化學習的機器人輔助手術    184
參考文獻    185

第7章 腫瘤放射輔助治療 187～207
7.1　放射醫學    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用    190
7.2　質子放療與重離子放療    191
7.2.1　質子放療    191
7.2.2　重離子放療    192
7.2.3　質子/重離子放療優勢    193
7.3　基於神經網絡的靶區勾畫    194
7.3.1　靶區勾畫簡介    194
7.3.2 建模方法    197
7.3.3　模型框架與模型訓練    200
7.3.4　性能測試與評估    202
參考文獻    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    212
8.2.1　基本營養素    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　基於線性規劃的飲食推薦    225
8.3.2　基於遺傳算法的飲食推薦    229
參考文獻    234

第9章 流行病大數據分析 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    257

第10章 分子生物醫學 259～290
10.1　遺傳學基本概念    259
10.1.1　DNA和RNA的結構    259
10.1.2　蛋白質結構與編碼    260
10.1.3　冠狀病毒結構    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　構建病毒遺傳演化樹    272
10.2.3　病毒tMRCA及進化速率估算    279
10.3　藥物篩選    283
10.3.1　藥物篩選介紹    283
10.3.2　基於人工智能技術的小分子藥物篩選    285
參考文獻    288