新書推薦：
《
品格之路 戴维布鲁克斯著《社会动物》《如何了解一个人》作者布鲁克斯经典作品 自我价值 心理学书
》
售價：NT$
449
《
可怜的东西
》
售價：NT$
398
《
整理国故：文化运动与考证学风
》
售價：NT$
551
《
霍布斯的政治科学及其起源
》
售價：NT$
398
《
百年星辰：寻找现代中国的大师
》
售價：NT$
500
《
情绪的真相：关于情绪的内在力量
》
售價：NT$
347
《
偷偷啃月亮
》
售價：NT$
234
《
《阳明先生年谱》明刻本合集对照
》
售價：NT$
653
|
| 編輯推薦： |
1.知识体系科学完备，系统构建学习路径
本书涵盖医学人工智能从基础概念到前沿应用再到伦理与安全的完整知识链条，构建了全面而富有逻辑的学习路径，可以帮助读者系统掌握医学人工智能的核心知识及其应用。
2.医工交叉通俗讲解，助力读者轻松自学
本书采用通俗易懂的语言讲解内容，并紧密结合大量真实的医学案例，使非计算机专业的医学生和医疗从业者也能轻松理解、掌握医学人工智能的相关概念。
3.趣味实践巩固所学，侧重培养应用能力
本书提供丰富的零代码或低代码案例，并融入趣味实践任务，鼓励读者动手操作，将理论知识转化为解决实际问题的应用能力。此外，本书每章配备习题，可以帮助读者及时检验学习效果，加深理解与记忆。
4.提供丰富教辅资源，服务院校人才培养
本书配套了丰富的教辅资源，如 PPT课件、教学大纲、教案、习题答案、模拟试卷、微课视频、在线实训平台等，可以帮助用书教师高效开展教学工作。
|
| 內容簡介： |
为了培养适应智能时代的医疗发展需求、具备跨学科思维和创新能力的医学人才，编者结合信息科学、医学和人工智能领域的前沿知识，精选内容和应用案例，编写了这本内容全面且通俗易懂的人工智能通识教程。
本书共9章，全面涵盖人工智能的基础理论、核心技术及其在医学领域的广泛应用。本书内容从医学文本、医学图像、医学感知和医学生物信息的智能分析，延伸至医疗智能体的应用，既介绍了人工智能的基本概念、算法和模型，又深入探讨这些技术在医学诊断、治疗、预防和科研中的实际应用。本书特别注重理论与实践的结合，通过丰富的案例分析和趣味实践环节，可以帮助读者将抽象的理论知识转化为解决实际问题的能力。同时，本书还融入最新技术（如深度学习、强化学习和知识图谱等）的发展动态，以确保读者能够接触到最前沿的人工智能技术，并了解其在医学领域的应用。
本书可作为医学类院校（或医学类专业）人工智能通识课程的教材，也可供对医学人工智能感兴趣的科研人员和医疗从业者参考使用。
|
| 關於作者： |
|
王静：北京大学医学部副教授，长期从事人工智能类课程的教学与科研工作，主要研究方向为人工智能、医学图像、医学信号、慢病管理、健康信息等；在医学图像与人工智能方面具有深厚的研究背景，致力于将前沿的人工智能技术应用于医学（健康）数据分析和处理领域，推动医学诊断的智能化发展；参与国家自然科学基金、国家科技重大专项、北京市自然科学基金等项目10余项；发表学术论文20余篇；主编人工智能类课程教材3部，参编10余部；参与国高等院校计算机基础教育研究会《人工智能通识课程体系规范》及《高等院校医药类专业人工智能通识基础课程通用要求》的制定。夏翃：首都医科大学生物医学工程学院副教授；担任全国高等院校计算机基础教育研究会常务理事、北京市体检质量控制和改进中心专家委员会委员等职务；长期从事医学与计算机交叉领域的教学与科研工作，讲授“Python 语言程序设计”“数据库语言”和“医院信息系统”等课程；主编或参编教材 10 余部；主持或参与多项教育教学研究课题；研究方向聚焦智能医学与健康医疗信息化，拥有近20 年的医学应用系统开发实战经验，已获多项软件著作权。
|
| 目錄：
|
【章名目录】
第 1章 医学人工智能概论
第 2章 医学人工智能技术基础
第3章 医学文本智能分析
第4章 医学图像智能分析
第5章 医学感知智能分析
第6章 医学生物信息智能分析
第7章 医学大模型
第8章 医疗智能体
第9章 医学人工智能的伦理与安全
【详细目录】
第 1章 医学人工智能概论 1
1.1 人工智能概述 2
1.1.1 人工智能的定义 2
1.1.2 人工智能的发展历程 2
1.1.3 人工智能的分类 5
1.1.4 人工智能的体系架构 5
1.1.5 人工智能的产业链 7
1.2 医学人工智能概述 7
1.2.1 医学人工智能的发展历程 7
1.2.2 人工智能在医学中的应用 8
1.3 医学人工智能应用案例 10
1.3.1 超声人工智能辅助诊断系统应用的“濮阳模式” 11
1.3.2 “片上脑机接口”智能交互系统MetaBOC 11
1.3.3 眼科大模型ChatZOC 11
1.4 趣味实践 12
1.4.1 任务：零代码构建“医学术语学习助手”智能体 12
1.4.2 任务：使用在线“AI编程”工具编写并运行Python程序 14
1.5 本章小结 16
1.6 习题 16
第 2章 医学人工智能技术基础 17
2.1 机器学习 18
2.1.1 机器学习概述 18
2.1.2 机器学习的常用方法 19
2.1.3 机器学习的基本流程 23
2.2 深度学习 25
2.2.1 人脑与人工神经网络 25
2.2.2 常见的深度学习方法 27
2.2.3 机器学习与人工神经网络应用实践 29
2.3 强化学习 34
2.3.1 强化学习概述 34
2.3.2 强化学习在医学中的应用 36
2.3.3 强化学习在医学应用中的挑战与展望 36
2.4 知识图谱 37
2.4.1 知识图谱概述 37
2.4.2 知识图谱的可视化表达：从抽象到直观 37
2.4.3 知识图谱在医学教育与临床实践中的应用 38
2.4.4 知识图谱构建案例 39
2.5 趣味实践 41
2.5.1 任务：血常规指标分析 41
2.5.2 任务：糖尿病数据的回归任务 44
2.6 本章小结 46
2.7 习题 46
第3章 医学文本智能分析 47
3.1 医学文本概述 48
3.1.1 医学文本发展简史 48
3.1.2 当代医学文本的主要类型 48
3.1.3 医学文本的特点 49
3.2 医学文本分析方法 50
3.2.1 传统医学文本分析方法 50
3.2.2 现代医学文本分析方法 51
3.2.3 深度学习的前沿进展 59
3.3 人工智能在医学文本分析中的应用全景 60
3.3.1 临床决策支持系统 60
3.3.2 医学文献智能推荐系统 62
3.3.3 医学文本情感分析系统 62
3.3.4 医学文本信息挖掘系统 64
3.4 趣味实践 65
3.4.1 任务：医学文献智能检索 65
3.4.2 任务：医学文本智能聚类 67
3.4.3 任务：医学文本词云生成 69
3.5 本章小结 70
3.6 习题 71
第4章 医学图像智能分析 72
4.1 医学图像基础 73
4.1.1 医学图像的获取与类型 73
4.1.2 医学图像的存储与管理 76
4.1.3 医学图像分析的难点与挑战 77
4.2 医学图像数据的预处理技术 78
4.2.1 医学图像标注 78
4.2.2 医学图像标准化 80
4.2.3 医学图像增强 81
4.3 医学图像智能处理的核心任务 82
4.3.1 医学图像的分类与诊断 82
4.3.2 医学图像的检测与定位 86
4.3.3 医学图像的分割 89
4.4 医学图像智能处理的进阶技术与前沿应用 92
4.4.1 生成式模型与跨模态医学图像生成 92
4.4.2 多任务学习、联邦学习与协同训练 93
4.4.3 可解释性与临床验证 93
4.5 趣味实践 94
4.5.1 任务：可解释性技术的“擂台赛” 94
4.5.2 任务：模拟临床验证流程 95
4.6 本章小结 96
4.7 习题 96
第5章 医学感知智能分析 97
5.1 医学信号智能分析 98
5.1.1 医学信号的类型与临床意义 98
5.1.2 信号处理方法 101
5.1.3 人工智能在医学信号分析中的应用案例 103
5.2 医学声音智能分析 112
5.2.1 医学声音的类型与价值 112
5.2.2 声音处理方法 114
5.2.3 人工智能在医学声音分析中的应用案例 116
5.3 医学视频智能分析 121
5.3.1 医学视频的类型与挑战 121
5.3.2 视频处理方法 124
5.3.3 人工智能在医学视频分析中的应用案例——内窥镜实时病灶检测实验 125
5.4 趣味实践 128
5.4.1 任务：基于MIT-BIH心律失常数据库的心电信号异常检测 128
5.4.2 任务：利用手机麦克风录制并分析呼吸音 129
5.5 本章小结 130
5.6 习题 130
第6章 医学生物信息智能分析 131
6.1 生物信息学与智能医学的融合 132
6.1.1 生物信息学 132
6.1.2 组学：解锁生命密码的多维度视角 133
6.1.3 常用生物数据库与存储平台 135
6.1.4 组学数据的获取技术与前沿进展 137
6.2 组学数据的智能分析 139
6.2.1 组学数据的特性与挑战 139
6.2.2 多组学数据整合的智能方法 141
6.2.3 人工智能在数据整合中的应用 142
6.3 智能生物信息学的应用全景 145
6.3.1 人工智能在致病基因研究中的应用 145
6.3.2 人工智能在蛋白质结构预测中的突破 148
6.3.3 面向生物医药多模态推理的智能大模型 149
6.4 趣味实践 152
6.4.1 任务：使用AlphaFold预测2PTC复合物的结构并进行验证分析 152
6.4.2 任务：使用智能平台DrBioRight 2.0进行肝癌蛋白质表达水平分析 155
6.5 本章小结 158
6.6 习题 158
第7章 医学大模型 159
7.1 大模型 160
7.1.1 大模型概述 160
7.1.2 大模型的发展历程 160
7.1.3 大模型的构建过程 161
7.1.4 大模型的类别 161
7.1.5 大模型的特点 162
7.2 AIGC 162
7.2.1 AIGC概述 162
7.2.2 AIGC的发展历程 163
7.2.3 AIGC的落地方式 163
7.2.4 大模型与AIGC的关系 164
7.2.5 代表性AIGC产品 164
7.3 医学大模型 166
7.3.1 医学大模型简介 166
7.3.2 医学大模型的发展方向 167
7.3.3 医学大模型的应用领域 168
7.3.4 医学大模型的应用案例 168
7.4 趣味实践 171
7.4.1 任务：使用通用大模型生成人物画像 171
7.4.2 任务：厚道医学教育大模型的应用 172
7.5 本章小结 173
7.6 习题 173
第8章 医疗智能体 174
8.1 智能体简介 175
8.1.1 智能体概述 175
8.1.2 智能体的关键模块 176
8.1.3 智能体实践 178
8.2 医疗智能体 183
8.2.1 医疗智能体的概念 183
8.2.2 开源医疗智能体 184
8.3 智能体在医学领域的应用 188
8.3.1 临床医疗 188
8.3.2 互联网医疗 188
8.3.3 新药研制与临床科研 189
8.3.4 公共卫生和继续教育 189
8.3.5 患者服务 189
8.4 趣味实践 190
8.4.1 任务：探索医疗智能体 190
8.4.2 任务：设计你的医疗智能体 191
8.5 本章小结 192
8.6 习题 192
第9章 医学人工智能的伦理与安全 193
9.1 人工智能幻觉 194
9.1.1 人工智能幻觉的概念和表现形式 194
9.1.2 人工智能幻觉的潜在风险 196
9.1.3 人工智能幻觉的应对策略 197
9.2 医学人工智能伦理 199
9.2.1 医学人工智能伦理的基本原则 199
9.2.2 医学人工智能伦理的挑战 201
9.2.3 医学人工智能伦理的治理对策 205
9.3 医学人工智能法律与规范 206
9.3.1 医学人工智能的法律现状 206
9.3.2 医学人工智能的应用规范 207
9.4 趣味实践 210
9.4.1 任务：医学人工智能伦理问题探究 210
9.4.2 任务：医学人工智能伦理真实案例检索 211
9.5 本章小结 211
9.6 习题 211
附录 中英文对照清单 212
参考文献 217
|
|
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
