良医利器 人工智能技术在医疗健康领域的应用及Python实现

本书是一本医学人工智能的入门书，涵盖了对机器学习的介绍，对疾病诊断、疾病治疗及疾病管理过程等医疗健康领域相关知识的介绍。本书筛选了高发且有重大影响的九种疾病：乳腺癌、冠心病、卒中、糖尿病、肥胖、高血压、乙肝、不孕不育症、阿尔茨海默病，并以这九种疾病为例，介绍了人工智能技术的具体应用。本书还介绍了Python语言，以及使用Python语言解决五个医学问题的实现方法，包括机器学习算法、自然语言处理、数据分析等技术。
本书可作为连接医疗健康领域和人工智能领域之间的桥梁，供IT行业的专业人士、医疗健康领域的专业人士和领导者参考阅读，也可帮助人工智能的初学者和不会编程的医学相关人士了解机器学习算法的基本概念和知识。

第一部分 健康医疗领域应用人工智能技术需要掌握的医学知识
第1章 主观的症状和客观的体征 3
1.1 症状的数字化：以疼痛为例 4
1.2 手部的体征：手指和指甲暗示的疾病 9
1.3 传统医学重视的体征：舌与舌苔 14
第2章 19 世纪前医生的诊断工具 18
2.1 病史采集 19
2.2 体格检查 24
第3章 医学检查和相关数据应用 29
3.1 实验室检查 30
3.2 心电图和心律失常数据库 32
3.3 医学影像技术与影像学检查 38
第4章 循证医学与鉴别诊断 51
4.1 诊断性实验中常用的指标 51
4.2 鉴别诊断 56
第5章 诊断中的问题 67
5.1 疾病筛查与过度诊断 71
5.2 案例：用聚类算法发现脓毒症的过度诊断 74
5.3 诊断错误——排名第三的死亡原因 79
5.4 案例：用XGBoost算法找到被误诊为2型糖尿病的1型糖尿病患者 82
第二部分 人工智能技术和机器学习算法在九种常见
疾病诊治及管理过程中的应用
第6章 乳腺癌——女性最常见的癌症 89
6.1 乳腺癌筛查产生大比例假阳性 91
6.2 图像识别技术对乳腺癌诊断的支持 92
6.3 机器学习算法可减少不必要的肿块切除 96
6.4 小结 104
第7章 冠心病——导致死亡的头号杀手 106
7.1 冠心病的起因、位置和风险因素 107
7.2 心血管疾病的无创性诊断 109
7.3 冠心病诊断金标准：冠状动脉造影 111
7.4 用于冠心病诊断与预测的AI技术及产品 112
7.5 用于超声心动图的AI技术 114
7.6 小结 121
第8章 卒中——时间就是生命 123
8.1 卒中的快速诊断及定量诊断 127
8.2 卒中的影像学诊断：ASPECTS 评分和e-ASPECTS软件 130
8.3 通过CT片自动计算脑脊液体积 136
8.4 小结 140
第9章 糖尿病——患病人口占中国人口的13% 142
9.1 糖尿病的类型和发展阶段 145
9.2 血糖监测与胰岛素泵 147
9.3 使用模糊逻辑控制的人工胰腺 148
9.4 食物图像识别支持胰岛素剂量计算 153
9.5 血糖预测及低血糖侦测 157
9.6 糖尿病并发症预测及分析 167
9.7 小结 173
第10章 超重和肥胖——影响中国过半的成年人 175
10.1 肥胖的风险因素 177
10.2 利用遗传信息预测肥胖 178
10.3 体重管理：高钙饮食促排脂肪 183
10.4 儿童肥胖风险因素分析及预测 186
10.5 减重效果预测 191
10.6 小结 199
第11章 高血压——影响中国近三成的成年人 201
11.1 血压测量史及争论 202
11.2 血压测量的标准方法及测量差异 204
11.3 勺型、非勺型及反勺型血压 206
11.4 SPRINT研究及高血压较差预后的特征发现 210
11.5 高血压预测 213
11.6 小结 221
第12章 机器学习与乙肝防治 224
12.1 预测乙肝表面抗原血清清除率 227
12.2 准确评估及预测肝纤维化、肝硬化 229
12.3 预测肝炎患者的恶性转化 233
12.4 小结 235
第13章 不孕不育症与辅助生殖技术 237
13.1 胚胎发育过程 238
13.2 人工授精和体外受精 240
13.3 胚胎质量评估 245
13.4 体外受精的成功率预测 250
13.5 小结 260
第14章 阿尔茨海默病 261
14.1 神经元的结构和功能 262
14.2 失智症与阿尔茨海默病 264
14.3 阿尔茨海默病的诊断 269
14.4 阿尔茨海默病的病情发展 276
14.5 阿尔茨海默病数据资源简介 278
14.6 使用机器学习算法诊断阿尔茨海默病 282
14.7 小结 285
第三部分 机器学习简介及医疗健康领域中文本处理、图像分析、疾病预测和诊断的Python实现
第15章 机器学习简介 289
15.1 用于发现数据关系的回归分析 290
15.2 线性回归的进阶：logistic回归 293
15.3 机器学习的基本概念及分类问题 295
15.4 朴素贝叶斯分类器 298
15.5 聚类分析和K均值算法 300
15.6 机器学习算法性能评估 301
15.7 过拟合和欠拟合 305
15.8 特征选择 307
第16章 Python语言精髓 311
16.1 案例：在清代方书和国家药物基本目录间架一座桥梁 313
16.2 案例：用线性回归和支持向量机预测糖尿病风险 342
16.3 案例：用决策树判定乳腺肿块的良恶性 362
16.4 案例：使用集成学习算法预测心脏病 379
16.5 案例：使用深度学习算法为MRI影像做图像分类以判定阿尔茨海默病的发展阶段 392
后记 416