目錄
“數(shù)理醫(yī)學(xué)叢書” 序
前言
**部分 理論與技術(shù)
第1章 醫(yī)學(xué)人工智能簡(jiǎn)介 3
1.1 醫(yī)學(xué)人工智能的研究意義 4
1.2 醫(yī)學(xué)人工智能的研究現(xiàn)狀與挑戰(zhàn).5
1.3 醫(yī)學(xué)人工智能的迫切性8
1.4 醫(yī)學(xué)人工智能的學(xué)科特點(diǎn) 10
第2章 醫(yī)學(xué)人工智能的基礎(chǔ)理論 11
2.1 機(jī)器學(xué)習(xí)基礎(chǔ)理論 12
2.1.1 機(jī)器學(xué)習(xí)的目標(biāo) 12
2.1.2 機(jī)器學(xué)習(xí)的數(shù)據(jù) 13
2.1.3 數(shù)據(jù)特征與選擇 14
2.1.4 機(jī)器學(xué)習(xí)的模型 15
2.2 機(jī)器學(xué)習(xí)的模型評(píng)價(jià) 16
2.2.1 分類問題的性能評(píng)價(jià) 18
2.2.2 機(jī)器學(xué)習(xí)的算法 19
2.3 現(xiàn)代人工智能方法 21
2.3.1 多層神經(jīng)網(wǎng)絡(luò) 23
2.3.2 卷積神經(jīng)網(wǎng)絡(luò) 24
2.3.3 深度卷積網(wǎng)絡(luò) 25
2.3.4 神經(jīng)網(wǎng)絡(luò)的優(yōu)化與預(yù)測(cè) 26
2.4 優(yōu)化理論與方法 26
2.4.1 *優(yōu)性理論 27
2.4.2 無約束優(yōu)化算法 33
2.4.3 約束優(yōu)化算法 37
2.4.4 復(fù)合優(yōu)化算法 44
參考文獻(xiàn) 60
第3章 智能醫(yī)學(xué)數(shù)據(jù)基礎(chǔ) 61
3.1 超聲診斷 61
3.1.1 超聲診斷的裝置構(gòu)成與基本原理.61
3.1.2 超聲診斷的發(fā)展 62
3.1.3 超聲診斷的應(yīng)用 63
3.1.4 超聲人工智能的發(fā)展 63
3.2 CT診斷64
3.2.1 CT成像基本原理.64
3.2.2 醫(yī)學(xué)CT成像及其特點(diǎn) 67
3.2.3 CT診斷與人工智能 68
3.3 MRI診斷 70
3.3.1 MRI成像基本原理 70
3.3.2 MRI的發(fā)展 72
3.3.3 MRI診斷與人工智能 73
3.4 其他影像及數(shù)據(jù) 74
3.4.1 血管內(nèi)超聲 74
3.4.2 光學(xué)相干斷層成像 75
3.4.3 腦電圖 76
3.4.4 心電圖 78
3.4.5 肌電圖 79
參考文獻(xiàn) 80
第4章 智能醫(yī)學(xué)圖像分析 83
4.1 醫(yī)學(xué)圖像重建.83
4.2 醫(yī)學(xué)圖像分割.86
4.2.1 基于閾值的分割方法 87
4.2.2 基于邊緣的分割方法 88
4.2.3 基于區(qū)域的分割方法 89
4.2.4 基于深度學(xué)習(xí)的分割方法 90
4.3 醫(yī)學(xué)圖像配準(zhǔn).91
參考文獻(xiàn) 95
第5章 醫(yī)療大數(shù)據(jù)平臺(tái) 96
5.1 醫(yī)療數(shù)據(jù)的重要性 96
5.1.1 大數(shù)據(jù) 96
5.1.2 醫(yī)療大數(shù)據(jù) 97
5.2 醫(yī)療數(shù)據(jù)庫(kù)建設(shè)的必要性和現(xiàn)狀 100
5.2.1 醫(yī)療數(shù)據(jù)庫(kù)建設(shè)的必要性 100
5.2.2 國(guó)際國(guó)內(nèi)的數(shù)據(jù)庫(kù)建設(shè)現(xiàn)狀 101
5.3 醫(yī)療數(shù)據(jù)庫(kù)建設(shè)的規(guī)范操作 103
5.3.1 目前數(shù)據(jù)庫(kù)建設(shè)中的挑戰(zhàn)問題 103
5.3.2 醫(yī)學(xué)數(shù)據(jù)庫(kù)的規(guī)范化建設(shè)工作 104
5.3.3 醫(yī)療數(shù)據(jù)的標(biāo)注 106
第6章 醫(yī)療大模型.108
6.1 大模型概述 109
6.1.1 發(fā)展歷程 109
6.1.2 模型分類 111
6.1.3 **技術(shù) 112
6.2 醫(yī)療大模型應(yīng)用現(xiàn)狀113
6.2.1 應(yīng)用潛力 114
6.2.2 應(yīng)用場(chǎng)景 114
6.2.3 可行技術(shù)方案 116
6.2.4 風(fēng)險(xiǎn)與挑戰(zhàn) 117
參考文獻(xiàn) 118
第7章 倫理與法律問題 119
7.1 醫(yī)學(xué)人工智能的倫理問題 119
7.1.1 人工智能倫理現(xiàn)狀 119
7.1.2 倫理問題及相應(yīng)規(guī)范 121
7.2 醫(yī)學(xué)人工智能的法律問題 124
7.2.1 人工智能的法律地位 124
7.2.2 數(shù)據(jù)隱私方面 124
7.2.3 管控與責(zé)任方面 125
參考文獻(xiàn) 126
第二部分 應(yīng)用
第8章 疾病篩查 129
8.1 重大疾病早期篩查和干預(yù) 129
8.1.1 常見的重大疾病 129
8.1.2 基于醫(yī)學(xué)影像數(shù)據(jù)的疾病早期篩查 134
8.1.3 基因篩查協(xié)助預(yù)防重大疾病 135
8.1.4 智能穿戴設(shè)備的個(gè)體監(jiān)測(cè)方式 136
8.1.5 基于醫(yī)療數(shù)據(jù)的個(gè)性化分析 136
8.2 精神疾病篩查 137
8.2.1 癲癇智能篩查 137
8.2.2 阿爾茨海默病智能篩查 137
8.2.3 精神分裂癥智能篩查 138
8.2.4 抑郁癥智能篩查 139
8.2.5 焦慮障礙智能篩查 139
8.2.6 孤*癥智能篩查 140
8.2.7 多動(dòng)癥智能篩查 140
參考文獻(xiàn) 141
第9章 智能CT輔助手術(shù)導(dǎo)航 144
9.1 CT輔助神經(jīng)外科手術(shù) 146
9.2 CT輔助骨科手術(shù) 149
9.3 CT輔助肝臟外科手術(shù) 154
參考文獻(xiàn) 156
第10章 智能超聲輔助手術(shù)導(dǎo)航 158
10.1 超聲影像信息與磁定位空間信息融合.159
10.1.1 超聲圖像信息多模態(tài)配準(zhǔn) 160
10.1.2 基于磁定位器的位置估計(jì) 167
10.2 手術(shù)靶點(diǎn)計(jì)算 169
10.2.1 術(shù)前規(guī)劃的意義及研究現(xiàn)狀 170
10.2.2 一種基于帶約束聚類方法的不規(guī)則大腫瘤消融方案術(shù)前規(guī)劃方法 171
10.3 術(shù)中實(shí)時(shí)定位與融合.175
10.3.1 單一影像引導(dǎo)方式的局限性 175
10.3.2 術(shù)中定位技術(shù) 176
10.3.3 影像融合配準(zhǔn)技術(shù) 176
參考文獻(xiàn) 177
第11章 術(shù)后評(píng)估和監(jiān)測(cè) 182
11.1 術(shù)后療效評(píng)估 183
11.1.1 基于可視化方式的術(shù)后評(píng)估 183
11.1.2 基于影像數(shù)據(jù)的術(shù)后評(píng)估 185
11.1.3 基于實(shí)驗(yàn)室檢測(cè)的術(shù)后評(píng)估 186
11.1.4 基于主觀指標(biāo)的術(shù)后評(píng)估 188
11.2 術(shù)后跟蹤檢測(cè) 188
參考文獻(xiàn) 195
第12章 智能醫(yī)療器械 196
12.1 手術(shù)機(jī)器人.196
12.1.1 什么是手術(shù)機(jī)器人 196
12.1.2 手術(shù)機(jī)器人的應(yīng)用 198
12.2 通用領(lǐng)域手術(shù)機(jī)器人.201
12.2.1 達(dá)芬奇手術(shù)機(jī)器人簡(jiǎn)介 201
12.2.2 達(dá)芬奇手術(shù)機(jī)器人的發(fā)展 202
12.2.3 手術(shù)機(jī)器人臨床案例 207
12.3 其他醫(yī)療器械 210
12.3.1 智能影像診斷 210
12.3.2 康復(fù)機(jī)器人 214
12.3.3 日常智能設(shè)備 218
12.3.4 麻醉機(jī)器人 218
參考文獻(xiàn) 218
第13章 人工智能輔助藥物研發(fā) 222
13.1 人工智能藥物研發(fā)概述 222
13.2 人工智能和靶點(diǎn)識(shí)別.223
13.2.1 人工智能和靶點(diǎn)預(yù)測(cè) 223
13.2.2 人工智能輔助靶點(diǎn)結(jié)構(gòu)預(yù)測(cè) 224
13.2.3 人工智能輔助結(jié)合位點(diǎn)比對(duì) 227
13.3 人工智能與活性化合物發(fā)現(xiàn) 227
13.3.1 人工智能和藥物篩選 227
13.3.2 人工智能與藥物從頭設(shè)計(jì) 229
13.4 人工智能和老藥新用.230
13.5 人工智能藥物 ADMET 預(yù)測(cè).232
13.6 小結(jié) 233
參考文獻(xiàn) 233
第三部分 案例分析
第14章 甲狀腺結(jié)節(jié)智能診斷應(yīng)用239
14.1 研究背景與現(xiàn)狀 239
14.2 甲狀腺結(jié)節(jié)自動(dòng)分割.240
14.2.1 基于卷積神經(jīng)網(wǎng)絡(luò)的自動(dòng)分割方法 241
14.2.2 數(shù)據(jù)集 242
14.3 甲狀腺結(jié)節(jié)智能輔助診斷 243
14.3.1 人工智能方法通用流程 243
14.3.2 甲狀腺結(jié)節(jié)智能診斷技術(shù)的優(yōu)勢(shì)和局限性 244
參考文獻(xiàn) 244
第15章 骨齡評(píng)估應(yīng)用 246
15.1 骨齡評(píng)估的意義和方法 246
15.1.1 骨齡評(píng)估的意義 247
15.1.2 骨齡片拍攝 247
15.1.3 骨齡評(píng)估方法 248
15.2 骨齡評(píng)估中的圖像處理方法 251
參考文獻(xiàn) 254
“數(shù)理醫(yī)學(xué)叢書”已出版書目.256