医学大数据分析是人工智能、大数据与医学的交叉学科，也是人工智能的重要分支领域。本教程定位为该领域的入门教材，涵盖广泛的医学数据种类及其基础和进阶分析方法。本书共13章，1～4章介绍医学大数据和人工智能的基础知识；5～9章介绍医学图像、医学信号、医学文本、生物组学的单独及联合分析方法，每章内容包含基础和进阶方法，基础方法聚焦于必要的预处理和经典传统分析方法，进阶方法则聚焦于利用深度神经网络完成复杂和高阶的数据处理任务；10～13章介绍模型性能评估方法、临床决策支持系统、医学人工智能伦理及Python基础知识。本书注重理论与实践相结合，通过大量真实临床数据分析案例帮助读者快速掌握实践方法，关键算法均提供了实现代码。
更多科学出版社服务，请扫码获取。
2008 年西安交通大学本科学位。2012 年美国爱荷华大学博士学位， 同年爱荷华大学医学影像研究中心任博士后研究员
目录
第1章 导论 1
1.1 医学人工智能简介 1
1.2 本书的范畴和架构 2
第2章 医学大数据 4
2.1 医学大数据简介 4
2.2 医学大数据分析简介 8
第3章 人工智能方法基础 13
3.1 机器学习 15
3.2 知识图谱 23
3.3 推理方法 29
3.4 搜索方法 36
第4章 深度学习 43
4.1 深度神经网络基础 43
4.2 卷积神经网络 48
4.3 循环神经网络 50
4.4 Transformer 51
4.5 图神经网络 55
第5章 医学图像的分析 58
5.1 医学图像简介 58
5.2 医学图像基本处理方法 61
5.3 医学影像进阶分析方法 68
5.4 医学影像分析实例 74
第6章 医学信号的分析 87
6.1 医学信号简介 87
6.2 医学信号基本处理方法 88
6.3 医学信号进阶分析方法 97
6.4 医学信号分析实例 101
第7章 医学文本的分析 112
7.1 医学文本简介 112
7.2 医学文本基本处理方法 114
7.3 医学文本进阶分析方法 118
7.4 医学文本分析实例 121
第8章 生物组学数据分析 142
8.1 生物组学数据简介 142
8.2 生物组学数据基本处理方法 144
8.3 生物组学数据进阶分析方法 158
8.4 生物组学数据分析实例 165
第9章 多模态医学数据的联合分析 177
9.1 多模态数据分析简介 177
9.2 多模态数据分析方法 178
9.3 多模态医学数据分析实例 180
第10章 性能评估方法 188
10.1 交叉验证法 188
10.2 回归任务准确性评估 189
10.3 分类任务准确性评估 191
第11章 临床决策支持系统 199
11.1 医学专家系统 199
11.2 现代临床决策支持系统201
11.3 SaMD简介 205
第12章 医学人工智能伦理 208
12.1 数据隐私与数据安全 208
12.2 算法偏见 209
第13章 Python开发环境配置与基本语法 212
13.1 Python简介 212
13.2 Python开发环境配置 212
13.3 Python基本语法 213
13.4 深度学习框架搭建及实例 219
书单推荐
