新書推薦：
《
江山胜迹：人文风景的建构与传承 商伟 韩笑 北大文研院“江山胜迹”系列讲座精彩重现
》
售價：HK$
755
《
雅贼（偷天大盗斯特凡·布雷特维泽的双面人生）
》
售價：HK$
281
《
天下一统： 中国传统政治文化的再诠释
》
售價：HK$
398
《
探古论金--曾侯乙青铜器工艺图解
》
售價：HK$
2030
《
死亡与右手（修订译本）
》
售價：HK$
296
《
东方美学口袋书 华夏青铜
》
售價：HK$
203
《
初识密码学
》
售價：HK$
653
《
政策与对策 宋代政治史探索 大沨丛书009
》
售價：HK$
439
|
| 內容簡介： |
|
本书是一本专注于医学领域的人工智能实践教材，旨在帮助读者快速掌握医学智能分析的核心技术与应用方法。本书以华为的开源深度学习框架MindSpore为基础，结合多场景、多技术的案例，为读者提供丰富的实操指南，助力读者在医学人工智能领域开启高效学习之旅。 本书运用MindSpore框架，围绕现实医学问题开展智能分析实践，全书分为四篇。第一篇为基础知识篇（第1~2章）。第1章为MindSpore概述与开发环境配置，主要介绍MindSpore的概念、核心特点与架构，MindSpore与深度学习框架的比较，MindSpore的安装，以及医疗风险预测系统项目案例等；第2章为医学数据与任务概述，主要介绍医学数据的种类、特点和基本结构，常见医学数据集介绍，数据分析基本流程等。第二篇为项目实践篇（第3~14章），聚焦人工智能核心技术，围绕多个场景下的具体案例展开，包括以”使用sklearn数据集进行糖尿病预测建模”、”K近邻算法及乳腺癌检测分类”和”脑电图（EEG）分析与癫痫预测”为代表的12个项目案例。第三篇为综合案例篇（第15~18章），包括”基于线性回归的医疗保险费用预测”及\肺部和结肠组织病理分类任务”等项目案例，聚焦医学项目全过程指导。第四篇为知识进阶篇（第19章），聚焦大模型在医学领域的应用，旨在分析国内外研究现状，诠释华为技术生态在解决医学问题中的重要作用。 本书注重初学者友好设计，配套教学PPT、实践代码等丰富的教学资源，读者可在华信教育资源网注册后免费下载。本书旨在帮助读者更好地理解和应用书中的内容，提升学习效率。本书适合人工智能和医学领域的从业者、科研人员及高等院校相关专业的学生学习与参考。
|
| 關於作者： |
|
齐鹏，英国伦敦国王学院机器人学博士，同济大学副教授、博士生导师，上海市青年科技人才协会副会长，首届上海科技青年35人引领计划获奖者、上海市青年科技启明星、“东方英才”（青年）。主持国家重点研发计划“智能机器人”专项青年科学家项目、国家自然科学基金、上海市“科技创新行动计划”等项目，担任剑桥大学出版社Robotica期刊副主编，指导学生获得华为ICT大赛全球总决赛创新赛特等奖、“挑战杯”全国大学生课外学术科技作品竞赛一等奖等。
|
| 目錄：
|
第一篇 基础知识篇
第1章 MindSpore概述与开发环境配置2
1.1 什么是MindSpore2
1.2 MindSpore的核心特点与架构2
1.2.1 MindSpore的架构3
1.2.2 华为？N腾AI全栈介绍4
1.3 MindSpore与深度学习框架的比较5
1.3.1 MindSpore与TensorFlow的比较6
1.3.2 MindSpore与PyTorch的比较6
1.3.3 MindSpore与Keras的比较7
1.4 MindSpore的安装7
1.4.1 获取安装命令7
1.4.2 验证是否成功安装8
1.5 MindSpore架构执行流程9
1.6 项目案例：医疗风险预测系统10
1.6.1 项目简介10
1.6.2 技术特点10
1.6.3 功能特点11
1.6.4 项目结构11
1.6.5 系统详细代码分析12
1.6.6 系统运行方法15
第2章 医学数据与任务概述16
2.1 医学数据的种类与特点16
2.2 医学数据的基本结构17
2.2.1 结构化数据（Structured Data）18
2.2.2 半结构化数据（Semi-Structured Data）19
2.2.3 非结构化数据（Unstructured Data）19
2.3 医学数据集的含义与作用20
2.3.1 数据集的构成20
2.3.2 数据集的作用21
2.4 常见医学数据集介绍21
2.5 数据分析基础流程22
2.5.1 数据预处理22
2.5.2 探索性数据分析22
2.5.3 特征选择与降维23
2.5.4 建模与评估24
2.6 医学中的张量应用24
第二篇 项目实践篇
第3章 使用sklearn数据集进行糖尿病 预测建模28
3.1 项目基本介绍28
3.2 核心技术28
3.3 数据分析详细过程28
3.4 具体实现过程29
3.5 项目小结31
第4章 电子病历数据的清洗与预处理32
4.1 项目基本介绍32
4.2 核心技术32
4.3 数据分析详细过程33
4.4 具体实现过程34
4.5 项目小结41
第5章 K近邻算法及乳腺癌检测分类42
5.1 项目基本介绍42
5.2 核心技术42
5.3 数据分析详细过程43
5.4 具体实现过程43
5.5 项目小结45
第6章 乳腺癌数据分析与模型评估46
6.1 项目基本介绍46
6.2 核心技术46
6.3 数据分析详细过程46
6.4 具体实现过程47
6.5 项目小结56
第7章 医学图像数据的加载和显示57
7.1 项目基本介绍57
7.2 核心技术57
7.3 数据分析详细过程58
7.4 具体实现过程59
7.5 项目小结64
第8章 脑肿瘤MRI图像分类与数据可视化66
8.1 项目基本介绍66
8.2 核心技术66
8.3 具体实现过程66
8.4 项目小结74
第9章 脑电图（EEG）分析与癫痫预测75
9.1 项目基本介绍75
9.2 核心技术75
9.3 具体实现过程76
9.4 项目小结108
第10章 基于X射线胸片的肺炎分类109
10.1 项目基本介绍109
10.2 核心技术109
10.3 数据分析详细过程109
10.4 具体实现过程110
10.5 项目小结112
第11章 深度学习与MRI数据集处理113
11.1 项目基本介绍113
11.2 核心技术113
11.3 具体实现过程113
11.4 项目小结119
第12章 基于深度学习的脑部MRI数据分类120
12.1 项目基本介绍120
12.2 核心技术120
12.3 具体实现过程121
12.4 项目小结124
第13章 利用多模态数据进行糖尿病预测与管理125
13.1 项目基本介绍125
13.2 核心技术125
13.3 数据分析详细过程126
13.4 具体实现过程127
13.5 项目小结134
第14章 ResNet50模型在脑肿瘤中的诊断识别136
14.1 项目基本介绍136
14.2 核心技术136
14.3 具体实现过程137
14.4 项目小结153
第三篇 综合案例篇
第15章 基于线性回归的医疗保险费用预测156
15.1 项目基本介绍156
15.2 核心技术156
15.3 数据分析详细过程157
15.4 具体实现过程158
15.5 项目小结187
第16章 肺部和结肠组织病理分类任务188
16.1 项目基本介绍188
16.2 核心技术188
16.3 具体实现过程188
16.4 项目小结219
第17章 基于Web的乳腺癌分类预测系统220
17.1 项目基本介绍220
17.2 核心技术220
17.3 数据分析详细过程221
17.4 具体实现过程221
17.5 项目小结230
第18章 使用卷积神经网络进行肺结节 自动检测231
18.1 项目基本介绍231
18.2 核心技术231
18.3 数据分析详细过程232
18.4 具体实现过程232
18.5 项目小结243
第四篇 知识进阶篇
第19章 大模型在医学领域的应用246
19.1 研究进展246
19.1.1 多模态知识图谱构建与融合技术246
19.1.2 医学大模型评测体系建设246
19.1.3 Transformer预训练模型在BioNLP中的扩展247
19.1.4 中文放射图像领域生成式模型的探索247
19.1.5 检验医学领域的评测与模型对比247
19.1.6 循证医学中的生成式AI工具探索248
19.2 应用场景248
19.2.1 临床医学248
19.2.2 医学图像处理249
19.2.3 检验医学249
19.2.4 循证医学250
19.2.5 医学教育250
19.3 面临的挑战251
19.3.1 数据隐私问题251
19.3.2 可解释性不足252
19.3.3 多模态任务复杂性252
19.3.4 通用大模型医学知识不足253
19.3.5 大模型部署成本与监管合规问题253
19.4 发展趋势与建议254
19.4.1 专病专科轻量化大模型建设254
19.4.2 医院本地化部署与隐私合规化254
19.4.3 多模态医学数据的融合建模255
19.4.4 可解释性与可信AI系统建设256
19.4.5 医学AI标准体系与产业规范制定256
19.5 国内外研究现状257
19.6 华为与医学大模型259
参考文献261
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
