医学大数据与人工智能_李建清,刘雷_9787117347266

本书系统性阐述了医学大数据的内涵、特点、分类及特征工程，针对性概述了人工智能相关基本理论知识，系统介绍了人工智能在医学大数据中的典型应用的方向，以及医学大数据和人工智能结合带来的产业价值，前瞻性总结了医学大数据和人工智能的发展趋势和未来挑战。本书逻辑清晰、知识体系完整、重点突出、通俗易懂，适合作为普通高等院校医学信息学、智能医学、生物医学工程等专业的基础教材，也可作为有志于智能医学领域研究的教学、科研、管理以及产业人员的参考书。

2020 年5 月，人民卫生出版社和中华医学会医学信息学分会共同召开了全国高等学校卫生信息管理/ 医学信息学专业第三轮规划教材修订论证会，拟定了第三轮规划教材的品种，并针对学科前沿发展的需求新增了《医学大数据与人工智能》这本教材。2021 年6 月在南京医科大学召开了《医学大数据与人工智能》教材的编写会，正式开启了本教材的编撰工作。
随着信息化技术的普及，医学大数据呈现爆发式增长，给传统医学和传统医院管理模式带来挑战。人工智能的飞速发展，大大地加快了医学大数据的价值输出，我们从数据获取时代，逐步向信息挖掘时代和价值输出时代过渡。医学大数据的价值，也从医疗行为的总结，逐步升级为医疗决策的支持。
本教材系统性地阐述了医学大数据的内涵、特点、分类及特征工程，针对性地概述了人工智能相关基本理论，系统地介绍了人工智能在医学大数据中的典型应用的方向，以及医学大数据和人工智能结合带来的产业价值，前瞻性地总结了医学大数据和人工智能的发展趋势和未来挑战。本教材适合作为普通高等院校医学信息学、智能医学、生物医学工程等专业的基础教材，也可作为有志于智能医学领域研究的教学、科研、管理以及产业人员的参考书。本教材的内容大致分为四大部分，分别讨论医学大数据、医学数据治理与分析、医学人工智能、医学大数据与人工智能的应用和趋势。
第一部分是医学大数据，系统地阐述了医学大数据的要素、特点和分类，内容包括医学大数据与人工智能概述、医学大数据的关键要素、电子病历数据、医学影像数据、生理信号数据、生命组学数据，让读者对医学大数据有一个系统和科学的宏观认识。
第二部分是医学数据治理与分析，系统地阐述了数据治理、数据分析与挖掘的基础知识和算法，内容包括医学大数据治理、医学大数据挖掘、医学大数据融合分析，让读者对医学大数据的分析方法和流程有一个清晰的概念和基本了解。
第三部分是医学人工智能，系统地阐述了人工智能的基础理论知识和医学领域应用的基本算法，内容包括医学人工智能基础、医学自然语言处理、医学影像的人工智能分析、生理信号数据的人工智能分析，让读者对医学人工智能的算法有一个清晰的概念和基本了解。
第四部分是医学大数据与人工智能的应用和趋势，主要介绍人工智能在医学大数据中的应用案例和发展趋势，内容包括大数据与人工智能在医学领域的应用、医学大数据与人工智能的发展趋势及挑战，激发读者对新知识、新技术的好奇心，为有志从事这一行业的读者提供指引。
本教材不仅是一本纸质书籍，还是一个网上数字资源库。数字资源编写思路与教材的编写思路保持一致，为每一章提供了教学课件和补充材料。通过线上数字资源建设和维护，使之能够成为一本带有鲜明数据实践特征的立体教学资源。
参与编写本教材的编者都是从事相关行业多年的业界专家，有着丰富的从业经验，在此对他们的出色工作表示感谢。特别感谢南京医科大学刘宾、复旦大学王昌然等人为本书的完成所提供的协助与辛勤付出，谨在此对他们表示由衷的感谢。技术潮流的变化日新月异，本书在编写内容上难免有所纰漏，希望读者们不吝赐教，帮助我们共同提高进步，并为下一版教材的修订提供宝贵的意见与建议。
李建清　刘　雷
2023 年5 月

第一章　医学大数据与人工智能概述/ 1
第一节　医学大数据与人工智能的发展历程 / 1
一、信息技术的发展 / 1
二、医疗信息化的发展 / 2
三、生物信息学的发展 / 3
四、医学大数据的出现 / 4
五、医学人工智能的出现 / 5
第二节　医学大数据的内涵和特点 / 6
一、医学大数据基本概念 / 6
二、真实世界大数据的特点及概念 / 7
三、医学大数据特点 / 7
四、多模态医学大数据 / 9
第三节　医学大数据的分类 / 9
一、电子病历数据 / 9
二、医学影像数据 / 11
三、生理信号数据 / 11
四、生命组学数据 / 12
第四节　医学大数据处理主要环节 / 12
一、数据采集 / 13
二、数据治理 / 13
三、数据应用 / 14
第五节　医学大数据的价值 / 15
一、医学大数据的价值体现 / 15
二、医学大数据的价值实现 / 15
三、医学大数据的价值陷阱 / 17
四、医学大数据的未来 / 17
第二章　医学大数据的关键要素/ 19
第一节　数据质量 / 19
一、数据准确性 / 19
二、数据一致性 / 19
三、数据合规性 / 20
四、数据完整性 / 20
五、数据及时性 / 20
第二节　数据标注 / 20
一、数据标注定义及类型 / 21
二、数据标注方法 / 21
三、数据标注工具 / 23
四、常见的数据标注结果文件格式 / 24
第三节　数据标准化 / 25
一、医学大数据标准化重要性 / 25
二、医学大数据标准化体系 / 26
三、医学大数据标准化方法 / 26
第四节　数据安全 / 28
一、医学大数据安全概念 / 28
二、医学大数据隐私保护 / 28
三、医学大数据安全管理 / 29
第五节　数据可视化 / 30
一、数据可视化基础 / 30
二、复杂高维多元数据的可视化 / 31
三、基于网页的数据可视化 / 32
第三章　电子病历数据/ 35
第一节　电子病历数据来源 / 35
一、医院管理信息系统 / 35
二、电子病历系统 / 36
三、检验信息系统 / 36
四、手术麻醉管理系统 / 37
五、临床专科信息系统 / 38
第二节　电子病历数据标准 / 39
一、医学数据语义标准 / 39
二、医学信息模型标准 / 41
第三节　电子病历数据集成 / 46
一、基于标准的集成 / 48
二、基于数据库的集成 / 48
三、基于中间件的集成 / 49
第四节　电子病历数据质量 / 53
一、电子病历数据质量评估 / 53
二、电子病历数据清洗和处理 / 56
第四章　医学影像数据/ 60
第一节　医学影像数据采集 / 60
一、直接DICOM 采集 / 60
二、间接DICOM 采集 / 61
三、视频采集 / 62
四、胶片采集 / 62
五、病理图像采集 / 63
第二节　医学影像数据类型 / 63
一、放射影像 / 63
二、核医学影像 / 65
三、超声影像 / 66
四、其他影像 / 66
第三节　医学影像数据标准 / 68
一、 DICOM 标准的发展 / 68
二、 DICOM 标准内容概述 / 69
三、 DICOM 医学应用 / 71
第四节　医学影像数据要素分析 / 73
一、影像数据同质化需求 / 73
二、医学影像全流程质控 / 73
三、影像数据的规范化标注 / 76
第五章　生理信号数据/ 81
第一节　生理信号数据来源 / 81
一、循环系统生理信号获取 / 81
二、呼吸系统生理信号获取 / 86
三、神经系统生理信号获取 / 88
四、运动系统生理信号获取 / 90
第二节　生理信号数据类型 / 93
一、心电信号数据 / 93
二、脑电信号数据 / 94
三、肌电信号数据 / 96
四、多导生理信号数据 / 97
第三节　生理信号数据要素分析 / 99
一、数据标准 / 99
二、数据隐私 / 101
三、数据标注 / 102
第六章　生命组学数据/ 104
第一节　生命组学数据的来源 / 104
一、芯片来源 / 104
二、测序来源 / 106
三、质谱来源 / 108
四、磁共振来源 / 109
第二节　生命组学数据的类型 / 109
一、基因组数据 / 110
二、转录组数据 /111
三、表观组数据 / 113
四、蛋白质组数据 / 115
五、代谢组数据 / 116
六、微生物组数据 / 117
第三节　生命组学数据的要素分析 / 119
一、生命组学数据工具 / 119
二、生命组学数据资源 / 122
三、生命组学数据分析 / 127
第七章　医学大数据治理/ 134
第一节　数据治理概述 / 134
一、概述 / 134
二、真实世界临床数据现状 / 135
三、数据治理的必要性 / 136
第二节　数据预处理 / 137
一、数据提取 / 137
二、数据清洗 / 138
三、数据转换 / 140
四、数据归约 / 141
第三节　缺失值与离群值处理 / 142
一、缺失数据类型 / 142
二、缺失数据处理 / 143
三、离群值产生 / 145
四、离群值处理 / 147
第四节　数据质量控制 / 148
一、数据质量管理计划 / 149
二、真实世界数据适用性 / 150
三、数据质量过程控制 / 150
第八章　医学大数据挖掘/ 153
第一节　数据挖掘的实施步骤 / 153
一、数据挖掘在医学中的应用 / 153
二、问题提出与分析思路 / 154
三、研究类型与研究设计 / 155
第二节　特征选择与数据降维 / 156
一、基于变量选择的数据降维理论 / 157
二、多元线性回归 / 157
三、最优子集 / 159
四、压缩估计 / 160
五、超高维数据降维 / 161
第三节　常用的机器学习算法 / 162
一、机器学习算法的分类 / 162
二、有监督学习 / 164
三、无监督学习 / 168
第四节　数据挖掘方法评价与验证 / 170
一、方法性能评价 / 170
二、方法验证 / 173
三、方法学以外的影响因素 / 174
第五节　医学大数据挖掘方法应用 / 174
一、问题提出 / 175
二、方法应用 / 175
三、结果解读 / 177
第九章　医学大数据融合分析/ 182
第一节　多模态数据的定义 / 182
一、数据的模态 / 182
二、临床研究中多模态数据的来源 / 182
三、多模态数据示例 / 183
第二节　多模态数据融合方法 / 184
一、基于阶段的融合方法 / 185
二、基于特征的融合方法 / 186
三、基于语义的融合方法 / 187
第三节　多模态数据缺失值处理方法 / 191
一、基于监督学习的缺失值处理方法 / 191
二、基于无监督学习的补全方法 / 193
三、融合医学多模态数据知识的缺失值填充办法 / 196
第四节　多模态数据的模态不均衡性处理方法 / 197
一、基于稀疏编码的自主学习模型 / 197
二、迁移主成分分析 / 199
三、基于语义特征的迁移融合 / 199
四、深度神经网络在模态不均衡处理中的应用 / 200
第十章　医学人工智能基础/ 202
第一节　医学人工智能概论 / 202
一、人工智能简介 / 202
二、典型医学人工智能应用场景 / 203
三、医学人工智能面临的挑战 / 204
第二节　人工智能基础算法 / 204
一、人工智能算法概述 / 205
二、人工智能算法基础 / 207
第三节　人工智能算法进阶 / 215
一、迁移学习 / 215
二、对抗生成 / 218
三、强化学习 / 219
第十一章　医学自然语言处理/ 224
第一节　医学自然语言处理基础 / 224
一、自然语言处理常见任务与典型模型 / 224
二、医学文本处理任务与难点 / 231
三、医学文本数据资源建设 / 239
第二节　电子病历文本处理任务与模型 / 241
一、电子病历搜索 / 241
二、电子病历结构化 / 244
三、语言模型与电子病历文本处理 / 247
第三节　诊疗对话系统 / 249
一、对话系统分类 / 249
二、任务型对话系统 / 250
三、诊疗对话系统核心技术 / 251
四、诊疗对话系统例子 / 254
第十二章　医学影像的人工智能分析/ 257
第一节　医学影像智能分析基础 / 257
一、影像重建中的人工智能技术 / 257
二、影像分割与检测中的人工智能技术 / 259
三、影像诊断中的人工智能技术 / 260
第二节　基于人工智能的脑影像自动分析 / 261
一、脑影像高质量重建 / 261
二、脑影像分割 / 262
三、脑疾病诊断 / 265
第三节　基于人工智能的心血管影像自动分析 / 268
一、心脏影像高质量重建 / 268
二、心脏结构分割 / 269
三、心血管疾病诊断 / 272
第四节　基于人工智能的肺部影像自动分析 / 273
一、肺结节检测 / 273
二、肺部疾病的诊断 / 274
第十三章　生理信号数据的人工智能分析/ 277
第一节　生理信号数据人工智能处理概述 / 277
第二节　心电信号处理中的人工智能技术 / 278
一、信号质量评估 / 278
二、特征提取 / 282
三、异常分类 / 287
第三节　脑电信号处理中的人工智能技术 / 291
一、信号预处理 / 291
二、特征提取 / 293
三、抑郁检测 / 294
第四节　肌电信号处理中的人工智能技术 / 295
一、信号质量评估 / 296
二、特征提取 / 297
三、动作识别 / 298
第五节　基于多生理信号分析的人工智能应用 / 300
一、多参记录仪信号分析 / 300
二、多导睡眠图信号分析 / 304
三、情感计算中多生理信号分析 / 308
四、重症监护多生理信号分析 / 311
第十四章　大数据与人工智能在医学领域的应用/ 316
第一节　智能临床决策系统 / 316
一、临床诊疗的决策过程 / 316
二、临床决策系统的发展 / 318
三、临床决策系统的应用 / 320
第二节　公共卫生监测 / 320
一、大数据与公共卫生 / 321
二、传染病监测与管理 / 322
三、慢性病监测与管理 / 324
四、健康管理 / 326
第三节　医学机器人 / 326
一、医学机器人的特点 / 327
二、医学机器人的关键技术 / 327
三、医学机器人的应用 / 328
第四节　医药研发 / 330
一、靶点筛选 / 331
二、先导物发掘 / 332
三、药物优化 / 333
第十五章　医学大数据与人工智能的发展趋势及挑战/ 334
第一节　面临的问题及挑战 / 334
一、人工智能算法的局限 / 334
二、医学人工智能的准入和监管 / 337
第二节　发展趋势与展望 / 339
一、智能医学 / 339
二、精准医学 / 341
推荐阅读/ 343
中英文名词对照索引/ 344

你还可能感兴趣

医学大数据与人工智能

我要评论