智慧醫療概論 傅湘玲 石佳琳 吳及 9787302692249 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202506*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：智慧醫療概論
ISBN：9787302692249
出版社：清華大學出版社
著編譯者：傅湘玲 石佳琳 吳及
頁數：305
所在地：中國大陸 *此為代購商品
書號：1742044
可大量預訂，請先連絡。

內容簡介

本書圍繞智慧醫療的概念、方法和應用實踐展開。首先描述了智慧醫療的發展歷程和基本概念，然後介紹了近年來推動智慧醫療發展的關鍵技術——機器學習和深度學習方法；為使讀者更好地理解智慧醫療如何有效應用，系統介紹了醫學數據的特點和實驗設計方法；在應用場景方面重點介紹了醫學影像和醫學文本的類型，處理技術和方法，並給出了具體的實驗案例和實驗過程，讓初學者能形成更準確的理解；最後系統介紹了醫學人工智能的倫理問題以及面臨的機遇與挑戰，讓讀者對智慧醫療的未來發展有所思考。 本書注重理論方法與應用案例相結合，在每個部分儘可能給出相應的實例，為讀者動手實踐給予具體指導。本書適用於電子信息類以及醫工交叉方向的本科生、研究生，也適合從事醫學人工智能方向的研究人員和從業者閱讀。

目錄

第1章 智慧醫療的概念和發展歷程
1 1 人工智能技術的起源和發展歷程
1 1 1 人工智能的理論基礎
1 1 2 AI的誕生
1 1 3 AI的第一個黃金時代
1 1 4 AI的第一個寒冬
1 1 5 AI的第二個黃金時代
1 1 6 AI的第二個寒冬
1 1 7 AI的穩健發展期
1 1 8 AI的新時代： 深度學習
1 2 智慧醫療的基本概念
1 2 1 起源
1 2 2 基本概念
1 2 3 智慧醫療的典型應用
1 3 我國醫學人工智能的發展
1 4 本章小結
習題
第2章 傳統機器學習的原理與方法
2 1 基礎概念
2 1 1 監督學習
2 1 2 無監督學習
2 1 3 半監督學習
2 1 4 欠擬合和過擬合
2 2 分類
2 2 1 分類的基本概念
2 2 2 利用機器學習進行乳腺癌分類的實例
2 3 回歸
2 3 1 回歸的基本概念
2 3 2 基於線性回歸的糖尿病數據集預測
2 4 聚類
2 5 本章小結
習題
第3章 深度學習的原理與方法
3 1 早期的人工神經網絡
3 1 1 神經元
3 1 2 感知機
3 1 3 從感知機到神經網絡
3 1 4 激活函數
3 1 5 梯度下降法
3 1 6 反向傳播
3 2 全連接的前饋神經網絡
3 3 卷積神經網絡
3 4 生成對抗網絡
3 5 循環神經網絡/LSTM
3 5 1 循環神經網絡
3 5 2 LSTM
3 5 3 醫療領域的應用
3 6 圖神經網絡
3 6 1 圖神經網絡
3 6 2 醫療領域的應用
3 7 搭建自己的第一個神經網絡
3 7 1 任務描述
3 7 2 數據集
3 7 3 運行環境及模型選擇
3 7 4 實驗過程
3 7 5 實驗代碼及講解
3 8 本章小結
習題
第4章 醫學數據的特點和實驗設計
4 1 醫學數據來源
4 1 1 醫學數據來源介紹
4 1 2 醫學數據來源案例
4 2 醫學數據特點
4 2 1 常見醫學數據特點
4 2 2 醫學數據特點舉例
4 3 醫學數據質量評估
4 3 1 醫學數據常見質量問題
4 3 2 醫學數據質量評估方法
4 3 3 影像數據質量評估方法案例
4 4 醫學數據預處理
4 4 1 醫學影像數據預處理方法
4 4 2 醫學文本數據預處理方法
4 4 3 醫學數據預處理案例
4 5 實驗設計
4 5 1 任務抽象
4 5 2 數據集構建
4 5 3 方法選擇和開發
4 5 4 方法評價和結果分析
4 5 5 研究案例
4 6 本章小結
習題
第5章 醫學影像人工智能處理技術
5 1 醫學影像類型
5 1 1 X射線影像
5 1 2 超聲影像
5 1 3 CT影像
5 1 4 MRI影像
5 2 醫學影像的分類方法
5 2 1 引言
5 2 2 AlexNet方法
5 2 3 VGG方法
5 2 4 GoogLeNet方法
5 2 5 ResNet方法
5 2 6 DenseNet方法
5 2 7 SENet方法
5 2 8 EfficientNet方法
5 2 9 ViT方法
5 2 10 分類方法的可解釋性
5 2 11 案例構建和分析
5 2 12 搭建第一個醫學影像分類網絡
5 3 醫學影像的目標檢測方法
5 3 1 引言
5 3 2 RCNN系列方法
5 3 3 YOLO系列方法
5 3 4 RetinaNet方法
5 3 5 Anchorfree系列方法
5 3 6 DETR系列方法
5 3 7 搭建第一個目標檢測網絡
5 4 醫學影像的分割方法
5 4 1 引言
5 4 2 FCN方法
5 4 3 DeepLab方法
5 4 4 UNet方法
5 4 5 VNet方法
5 4 6 Transformer的分割方法
5 4 7 搭建自己的第一個醫學影像分割模型
5 5 人工智能在醫學影像分析中的應用
5 5 1 肺部病變識別中的人工智能
5 5 2 乳腺癌篩查中的人工智能
5 5 3 眼底疾病診斷中的人工智能
5 6 本章小結
習題
第6章 醫學文本人工智能處理技術
6 1 醫學文本簡介
6 1 1 電子病歷
6 1 2 影像報告
6 1 3 檢驗檢查報告單
6 1 4 醫學書籍
6 1 5 診療對話
6 1 6 醫學文本特點小結
6 2 文本向量化表示和預訓練
6 2 1 OneHot編碼表示
6 2 2 Word2vec
6 2 3 以BERT為代表的預訓練模型
6 2 4 以GPT為代表的大語言模型
6 3 文本分類
6 3 1 醫學文本分類的特點和難點
6 3 2 醫學文本分類常用數據集
6 3 3 多標籤分類任務——以ICD編碼任務為例
6 4 信息抽取
6 4 1 醫學命名實體識別
6 4 2 醫學關係抽取
6 4 3 醫學事件抽取
6 5 醫學文本摘要
6 6 醫學問答
6 6 1 醫學問答任務概述
6 6 2 醫學問答任務的挑戰
6 6 3 醫學問答涉及的領域
6 6 4 醫學問答典型方法
6 7 應用實踐——電子病歷自動質檢
6 7 1 電子病歷質檢的意義
6 7 2 病歷質檢流程面臨的問題
6 7 3 技術方法及系統實現
6 7 4 利用人工智能技術帶來的改善

詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。