人工智能通識教程——從基礎到應用（醫學）（附微課視頻）

王靜：

北京大學醫學部副教授，長期從事人工智能類課程的教學與科研工作，主要研究方向為人工智能、醫學圖像、醫學信號、慢病管理、健康信息等；在醫學圖像與人工智能方面具有深厚的研究背景，致力於將前沿的人工智能技術應用於醫學（健康）數據分析和處理領域，推動醫學診斷的智能化發展；參與國家自然科學基金、國家科技重大專項、北京市自然科學基金等項目10余項；發表學術論文20余篇；主編人工智能類課程教材3部，參編10余部；參與國高等院校計算機基礎教育研究會《人工智能通識課程體系規範》及《高等院校醫藥類專業人工智能通識基礎課程通用要求》的制定。

夏翃：

首都醫科大學生物醫學工程學院副教授；擔任全國高等院校計算機基礎教育研究會常務理事、北京市體檢質量控制和改進中心專家委員會委員等職務；長期從事醫學與計算機交叉領域的教學與科研工作，講授“Python 語言程序設計”“數據庫語言”和“醫院信息系統”等課程；主編或參編教材 10 余部；主持或參與多項教育教學研究課題；研究方向聚焦智能醫學與健康醫療信息化，擁有近20 年的醫學應用系統開發實戰經驗，已獲多項軟件著作權。

【章名目錄】

第　1章 醫學人工智能概論

第　2章 醫學人工智能技術基礎

第3章　醫學文本智能分析

第4章　醫學圖像智能分析

第5章　醫學感知智能分析

第6章　醫學生物信息智能分析

第7章　醫學大模型

第8章　醫療智能體

第9章　醫學人工智能的倫理與安全

 

【詳細目錄】

第　1章 醫學人工智能概論　1

1.1　人工智能概述　2

1.1.1　人工智能的定義　2

1.1.2　人工智能的發展歷程　2

1.1.3　人工智能的分類　5

1.1.4　人工智能的體系架構　5

1.1.5　人工智能的產業鏈　7

1.2　醫學人工智能概述　7

1.2.1　醫學人工智能的發展歷程　7

1.2.2　人工智能在醫學中的應用　8

1.3　醫學人工智能應用案例　10

1.3.1　超聲人工智能輔助診斷系統應用的“濮陽模式”　11

1.3.2　“片上腦機接口”智能交互系統MetaBOC　11

1.3.3　眼科大模型ChatZOC　11

1.4　趣味實踐　12

1.4.1　任務：零代碼構建“醫學術語學習助手”智能體　12

1.4.2　任務：使用在線“AI編程”工具編寫並運行Python程序　14

1.5　本章小結　16

1.6　習題　16

 

第　2章 醫學人工智能技術基礎　17

2.1　機器學習　18

2.1.1　機器學習概述　18

2.1.2　機器學習的常用方法　19

2.1.3　機器學習的基本流程　23

2.2　深度學習　25

2.2.1　人腦與人工神經網絡　25

2.2.2　常見的深度學習方法　27

2.2.3　機器學習與人工神經網絡應用實踐　29

2.3　強化學習　34

2.3.1　強化學習概述　34

2.3.2　強化學習在醫學中的應用　36

2.3.3　強化學習在醫學應用中的挑戰與展望　36

2.4　知識圖譜　37

2.4.1　知識圖譜概述　37

2.4.2　知識圖譜的可視化表達：從抽象到直觀　37

2.4.3　知識圖譜在醫學教育與臨床實踐中的應用　38

2.4.4　知識圖譜構建案例　39

2.5　趣味實踐　41

2.5.1　任務：血常規指標分析　41

2.5.2　任務：糖尿病數據的回歸任務　44

2.6　本章小結　46

2.7　習題　46

 

第3章　醫學文本智能分析　47

3.1　醫學文本概述　48

3.1.1　醫學文本發展簡史　48

3.1.2　當代醫學文本的主要類型　48

3.1.3　醫學文本的特點　49

3.2　醫學文本分析方法　50

3.2.1　傳統醫學文本分析方法　50

3.2.2　現代醫學文本分析方法　51

3.2.3　深度學習的前沿進展　59

3.3　人工智能在醫學文本分析中的應用全景　60

3.3.1　臨床決策支持系統　60

3.3.2　醫學文獻智能推薦系統　62

3.3.3　醫學文本情感分析系統　62

3.3.4　醫學文本信息挖掘系統　64

3.4　趣味實踐　65

3.4.1　任務：醫學文獻智能檢索　65

3.4.2　任務：醫學文本智能聚類　67

3.4.3　任務：醫學文本詞雲生成　69

3.5　本章小結　70

3.6　習題　71

 

第4章　醫學圖像智能分析　72

4.1　醫學圖像基礎　73

4.1.1　醫學圖像的獲取與類型　73

4.1.2　醫學圖像的存儲與管理　76

4.1.3　醫學圖像分析的難點與挑戰　77

4.2　醫學圖像數據的預處理技術　78

4.2.1　醫學圖像標註　78

4.2.2　醫學圖像標準化　80

4.2.3　醫學圖像增強　81

4.3　醫學圖像智能處理的核心任務　82

4.3.1　醫學圖像的分類與診斷　82

4.3.2　醫學圖像的檢測與定位　86

4.3.3　醫學圖像的分割　89

4.4　醫學圖像智能處理的進階技術與前沿應用　92

4.4.1　生成式模型與跨模態醫學圖像生成　92

4.4.2　多任務學習、聯邦學習與協同訓練　93

4.4.3　可解釋性與臨床驗證　93

4.5　趣味實踐　94

4.5.1　任務：可解釋性技術的“擂臺賽”　94

4.5.2　任務：模擬臨床驗證流程　95

4.6　本章小結　96

4.7　習題　96

 

第5章　醫學感知智能分析　97

5.1　醫學信號智能分析　98

5.1.1　醫學信號的類型與臨床意義　98

5.1.2　信號處理方法　101

5.1.3　人工智能在醫學信號分析中的應用案例　103

5.2　醫學聲音智能分析　112

5.2.1　醫學聲音的類型與價值　112

5.2.2　聲音處理方法　114

5.2.3　人工智能在醫學聲音分析中的應用案例　116

5.3　醫學視頻智能分析　121

5.3.1　醫學視頻的類型與挑戰　121

5.3.2　視頻處理方法　124

5.3.3　人工智能在醫學視頻分析中的應用案例——內窺鏡實時病竈檢測實驗　125

5.4　趣味實踐　128

5.4.1　任務：基於MIT-BIH心律失常數據庫的心電信號異常檢測　128

5.4.2　任務：利用手機麥克風錄制並分析呼吸音　129

5.5　本章小結　130

5.6　習題　130

 

第6章　醫學生物信息智能分析　131

6.1　生物信息學與智能醫學的融合　132

6.1.1　生物信息學　132

6.1.2　組學：解鎖生命密碼的多維度視角　133

6.1.3　常用生物數據庫與存儲平臺　135

6.1.4　組學數據的獲取技術與前沿進展　137

6.2　組學數據的智能分析　139

6.2.1　組學數據的特性與挑戰　139

6.2.2　多組學數據整合的智能方法　141

6.2.3　人工智能在數據整合中的應用　142

6.3　智能生物信息學的應用全景　145

6.3.1　人工智能在致病基因研究中的應用　145

6.3.2　人工智能在蛋白質結構預測中的突破　148

6.3.3　面向生物醫藥多模態推理的智能大模型　149

6.4　趣味實踐　152

6.4.1　任務：使用AlphaFold預測2PTC復合物的結構並進行驗證分析　152

6.4.2　任務：使用智能平臺DrBioRight 2.0進行肝癌蛋白質表達水平分析　155

6.5　本章小結　158

6.6　習題　158

 

第7章　醫學大模型　159

7.1　大模型　160

7.1.1　大模型概述　160

7.1.2　大模型的發展歷程　160

7.1.3　大模型的構建過程　161

7.1.4　大模型的類別　161

7.1.5　大模型的特點　162

7.2　AIGC　162

7.2.1　AIGC概述　162

7.2.2　AIGC的發展歷程　163

7.2.3　AIGC的落地方式　163

7.2.4　大模型與AIGC的關系　164

7.2.5　代表性AIGC產品　164

7.3　醫學大模型　166

7.3.1　醫學大模型簡介　166

7.3.2　醫學大模型的發展方向　167

7.3.3　醫學大模型的應用領域　168

7.3.4　醫學大模型的應用案例　168

7.4　趣味實踐　171

7.4.1　任務：使用通用大模型生成人物畫像　171

7.4.2　任務：厚道醫學教育大模型的應用　172

7.5　本章小結　173

7.6　習題　173

 

第8章　醫療智能體　174

8.1　智能體簡介　175

8.1.1　智能體概述　175

8.1.2　智能體的關鍵模塊　176

8.1.3　智能體實踐　178

8.2　醫療智能體　183

8.2.1　醫療智能體的概念　183

8.2.2　開源醫療智能體　184

8.3　智能體在醫學領域的應用　188

8.3.1　臨床醫療　188

8.3.2　互聯網醫療　188

8.3.3　新藥研制與臨床科研　189

8.3.4　公共衛生和繼續教育　189

8.3.5　患者服務　189

8.4　趣味實踐　190

8.4.1　任務：探索醫療智能體　190

8.4.2　任務：設計你的醫療智能體　191

8.5　本章小結　192

8.6　習題　192

 

第9章　醫學人工智能的倫理與安全　193

9.1　人工智能幻覺　194

9.1.1　人工智能幻覺的概念和表現形式　194

9.1.2　人工智能幻覺的潛在風險　196

9.1.3　人工智能幻覺的應對策略　197

9.2　醫學人工智能倫理　199

9.2.1　醫學人工智能倫理的基本原則　199

9.2.2　醫學人工智能倫理的挑戰　201

9.2.3　醫學人工智能倫理的治理對策　205

9.3　醫學人工智能法律與規範　206

9.3.1　醫學人工智能的法律現狀　206

9.3.2　醫學人工智能的應用規範　207

9.4　趣味實踐　210

9.4.1　任務：醫學人工智能倫理問題探究　210

9.4.2　任務：醫學人工智能倫理真實案例檢索　211

9.5　本章小結　211

9.6　習題　211

附錄　中英文對照清單　212

參考文獻　217