MindSpore醫學智能分析實踐教程 齊鵬 9787121512810 【台灣高等教育出版社】

內容簡介
本書是一本專註于醫學領域的人工智能實踐教材，旨在幫助讀者快速掌握醫學智能分析的核心技術與應用方法。本書以華為的開源深度學習框架MindSpore為基礎，結合多場景、多技術的案例，為讀者提供豐富的實操指南，助力讀者在醫學人工智能領域開啟高效學習之旅。 本書運用MindSpore框架，圍繞現實醫學問題開展智能分析實踐，全書分為四篇。第一篇為基礎知識篇（第1～2章），第1章為MindSpore概述與開發環境配置，主要介紹MindSpore的概念、核心特點與架構，MindSpore與深度學習框架的比較，MindSpore的安裝，以及醫療風險預測系統項目案例等；第2章為醫學數據與任務概述，主要介紹醫學數據的種類、特點和基本結構，常見醫學數據集，數據分析基本流程等。第二篇為項目實踐篇（第3～14章），聚焦人工智能核心技術，圍繞多個場景下的具體案例展開，包括以「使用sklearn數據集進行糖尿病預測建模」、「K近鄰算法及乳腺癌檢測分類」和「腦電圖（EEG）分析與癲癇預測」為代表的12個項目案例。第三篇為綜合案例篇（第15～18章），包括「基於線性回歸的醫療保險費用預測」及「肺部和結腸組織病理分類任務」等項目案例，聚焦醫學項目全過程指導。第四篇為知識進階篇（第19章），聚焦大模型在醫學領域的應用，旨在分析國內外研究現狀，詮釋華為技術生態在解決醫學問題中的重要作用。 本書注重初學者友好設計，配套教學PPT、實踐代碼等豐富的教學資源，讀者可在華信教育資源網註冊后免費下載。本書旨在幫助讀者更好地理解和應用書中的內容，提升學習效率。本書適合人工智能和醫學領域的從業者、科研人員以及高等院校相關專業的學生學習與參考。

作者簡介
齊鵬，英國倫敦國王學院機器人學博士，同濟大學副教授、博士生導師，上海市青年科技人才協會副會長，首屆上海科技青年35人引領計劃獲獎者、上海市青年科技啟明星、「東方英才」（青年）。主持國家重點研發計劃「智能機器人」專項青年科學家項目、國家自然科學基金、上海市「科技創新行動計劃」等項目，擔任劍橋大學出版社Robotica期刊副主編，指導學生獲得華為ICT大賽全球總決賽創新賽特等獎、「挑戰杯」全國大學生課外學術科技作品競賽一等獎等。

目錄
第一篇 基礎知識篇
第1章 MindSpore概述與開發環境配置
1.1 什麼是MindSpore
1.2 MindSpore的核心特點與架構
1.2.1 MindSpore的架構
1.2.2 華為昇騰AI全棧介紹
1.3 MindSpore與深度學習框架的比較
1.3.1 MindSpore與TensorFlow的比較
1.3.2 MindSpore與PyTorch的比較
1.3.3 MindSpore與Keras的比較
1.4 MindSpore的安裝
1.4.1 獲取安裝命令
1.4.2 驗證是否成功安裝
1.5 MindSpore架構執行流程
1.6 項目案例：醫療風險預測系統
1.6.1 項目簡介
1.6.2 技術特點
1.6.3 功能特點
1.6.4 項目結構
1.6.5 系統詳細代碼分析
1.6.6 系統運行方法
第2章 醫學數據與任務概述
2.1 醫學數據的種類與特點
2.2 醫學數據的基本結構
2.2.1 結構化數據（Structured Data）
2.2.2 半結構化數據（Semi Structured Data）
2.2.3 非結構化數據（Unstructured Data）
2.3 醫學數據集的含義與作用
2.3.1 數據集的構成
2.3.2 數據集的作用
2.4 常見醫學數據集介紹
2.5 數據分析基礎流程
2.5.1 數據預處理
2.5.2 探索性數據分析
2.5.3 特徵選擇與降維
2.5.4 建模與評估
2.6 醫學中的張量應用
第二篇 項目實踐篇
第3章 使用sklearn數據集進行糖尿病預測建模
3.1 項目基本介紹
3.2 核心技術
3.3 數據分析詳細過程
3.4 具體實現過程
3.5 項目小結
第4章 電子病曆數據的清洗與預處理
4.1 項目基本介紹
4.2 核心技術
4.3 數據分析詳細過程
4.4 具體實現過程
4.5 項目小結
第5章 K近鄰算法及乳腺癌檢測分類
5.1 項目基本介紹
5.2 核心技術
5.3 數據分析詳細過程
5.4 具體實現過程
5.5 項目小結
第6章 乳腺癌數據分析與模型評估
6.1 項目基本介紹
6.2 核心技術
6.3 數據分析詳細過程
6.4 具體實現過程
6.5 項目小結
第7章 醫學圖像數據的載入和顯示
7.1 項目基本介紹
7.2 核心技術
7.3 數據分析詳細過程
7.4 具體實現過程
7.5 項目小結
第8章 腦腫瘤MRI圖像分類與數據可視化
8.1 項目基本介紹
8.2 核心技術
8.3 具體實現過程
8.4 項目小結
第9章 腦電圖（EEG）分析與癲癇預測
9.1 項目基本介紹
9.2 核心技術
9.3 具體實現過程
9.4 項目小結
第10章 基於X射線胸片的肺炎分類
10.1 項目基本介紹
10.2 核心技術
10.3 數據分析詳細過程
10.4 具體實現過程
10.5 項目小結
第11章 深度學習與MRI數據集處理
11.1 項目基本介紹
11.2 核心技術
11.3 具體實現過程
11.4 項目小結
第12章 基於深度學習的腦部MRI數據分類
12.1 項目基本介紹
12.2 核心技術
12.3 具體實現過程
12.4 項目小結
第13章 利用多模態數據進行糖尿病預測與管理
13.1 項目基本介紹
13.2 核心技術
13.3 數據分析詳細過程
13.4 具體實現過程
13.5 項目小結
第14章 ResNet50模型在腦腫瘤中的診斷識別
14.1 項目基「本資訊為台灣高等教育出版社所有，請前往本社賣場訂購，商用複製必究。」本介紹
14.2 核心技術
14.3 具體實現過程
14.4 項目小結
第三篇 綜合案例篇
第15章 基於線性回歸的醫療保險費用預測
15.1 項目基本介紹
15.2 核心技術
15.3 數據分析詳細過程
15.4 具體實現過程
15.5 項目小結
第16章 肺部和結腸組織病理分類任務
16.1 項目基本介紹
16.2 核心技術
16.3 具體實現過程
16.4 項目小結
第17章 基於Web的乳腺癌分類預測系統
17.1 項目基本介紹
17.2 核心技術
17.3 數據分析詳細過程
17.4 具體實現過程
17.5 項目小結
第18章 使用卷積神經網絡進行肺結節自動檢測
18.1 項目基本介紹
18.2 核心技術
18.3 數據分析詳細過程
18.4 具體實現過程
18.5 項目小結
第四篇 知識進階篇
第19章 大模型在醫學領域的應用
19.1 研究進展
19.1.1 多模態知識圖譜構建與融合技術
19.1.2 醫學大模型評測體系建設
19.1.3 Transformer預訓練模型在BioNLP中的擴展
19.1.4 中文放射圖像領域生成式模型的探索
19.1.5 檢驗醫學領域的評測與模型對比
19.1.6 循證醫學中的生成式AI工具探索
19.2 應用場景
19.2.1 臨床醫學
19.2.2 醫學圖像處理
19.2.3 檢驗醫學
19.2.4 循證醫學
19.2.5 醫學教育
19.3 面臨的挑戰
詳細資料或其他書籍請至台灣高等教育出版社www.thep.com.tw查詢，查後請告知ISBN或書號，我們即於CYB上架。