醫學人工智能通識基礎

目 錄
第1章 人工智能概述 1
1.1 人工智能基本概念 2
1.1.1 人工智能的定義與分類 2
1.1.2 人工智能的跨學科屬性 5
1.2 人工智能的發展歷程 6
1.2.1 人工智能三次浪潮 6
1.2.2 醫學人工智能發展歷程 9
1.3 人工智能安全與倫理 12
1.3.1 人工智能安全 12
1.3.2 人工智能倫理 14
1.3.3 我國人工智能的法律規範 15
本章小結 17
習題 18
第2章 人工智能的技術基礎 19
2.1 機器學習 20
2.1.1 機器學習的基本過程 20
2.1.2 監督學習 21
2.1.3 無監督學習 23
2.1.4 強化學習 24
2.2 深度學習 25
2.2.1 深度學習的核心思想 25
2.2.2 卷積神經網絡(醫學影像分析) 25
2.2.3 循環神經網絡(醫學時序數據) 26
2.3 自然語言處理 26
2.3.1 自然語言處理的概念 26
2.3.2 自然語言處理關鍵技術 27
2.3.3 自然語言處理醫學應用案例 27
2.4 知識圖譜 29
2.4.1 知識圖譜的概念與結構 29
2.4.2 知識圖譜的構建方法與技術 30
2.4.3 知識圖譜醫學應用案例 32
2.5 計算機視覺 33
2.5.1 計算機視覺的概念 33
2.5.2 計算機視覺關鍵技術 33
2.5.3 計算機視覺醫學應用案例 35
本章小結 37
習題 38
第3章 大語言模型 39
3.1 大語言模型的基本概念 40
3.1.1 認識大語言模型 40
3.1.2 大語言模型的發展歷程 40
3.1.3 大語言模型的特點 42
3.2 大模型的分類 44
3.2.1 按應用領域劃分 44
3.2.2 按訓練數據類型劃分 44
3.2.3 按技術路線劃分 45
3.2.4 按開源程度劃分 45
3.3 大語言模型產品 46
3.3.1 國內外主要的大語言模型 46
3.3.2 GPT介紹 48
3.3.3 DeepSeek介紹 50
3.4 大語言模型與人工智能的關系 52
3.4.1 從屬關系 52
3.4.2 技術實現層面的聯系 53
3.4.3 大語言模型對AI發展的推動作用 53
3.4.4 大語言模型的問題與挑戰 55
本章小結 55
習題 56
第4章 醫療大模型 57
4.1 醫療大模型概述 58
4.1.1 認識醫療大模型 58
4.1.2 預訓練技術 59
4.1.3 預訓練醫療大模型的案例分析 60
4.1.4 微調技術(Fine-Tuning) 61
4.1.5 基於參數微調技術的醫療大模型案例分析 63
4.1.6 提示詞微調(Prompt-Tuning) 64
4.1.7 多模態技術 64
4.2 醫療大模型應用場景 66
4.2.1 智能預問診 66
4.2.2 健康管理 67
4.2.3 智能醫學教育 68
4.2.4 智能醫學科研 74
4.2.5 藥物研發 75
4.2.6 醫學影像智能輔助診斷 76
本章小結 77
習題 78
第5章 AI文本生成應用 80
5.1 文本生成大模型 81
5.1.1 語言大模型 81
5.1.2 推理大模型 84
5.2 提示詞的使用 86
5.2.1 指令型模型提問技巧 86
5.2.2 推理型模型提問技巧 88
5.3 AI文檔生成 89
5.3.1 基本功能介紹 89
5.3.2 應用案例—健康宣教科普文章生成 89
5.3.3 應用案例—標準化病歷生成 89
5.3.4 應用案例—智能糾錯與格式規範 91
5.3.5 應用案例—門診排班表生成 92
5.3.6 應用案例—文獻閱讀 93
5.4 AI醫學數據分析 94
5.4.1 AI數據分析工具 94
5.4.2 應用案例—疾病預測 95
本章小結 98
習題 99
第6章 AI圖像生成應用 100
6.1 認識AI文生圖 101
6.1.1 從文字到圖像 101
6.1.2 典型醫學應用場景 103
6.2 AI圖像生成工具 103
6.2.1 國外主流工具 103
6.2.2 國內主流工具 105
6.3 即夢AI繪畫 108
6.3.1 應用案例—醫學解剖結構可視化 108
6.3.2 應用案例—疾病病理呈現 109
6.3.3 應用案例—手術方案模擬 109
6.3.4 應用案例—藥物研發可視化 110
本章小結 110
習題 110
第7章 AI視頻生成應用 112
7.1 認識AI文生視頻 113
7.1.1 國外AI視頻工具 113
7.1.2 國內AI視頻工具 114
7.2 剪映 114
7.2.1 應用案例—健康科普短視頻生成 115
7.2.2 應用案例—應用一鍵成片和模板生成創作科普視頻 119
7.2.3 數字人制作 122
7.3 即夢AI 125
7.3.1 應用案例—百年藥房AI視頻生成 125
7.3.2 應用案例—科學用眼數字人制作 126
7.4 度加剪輯 128
7.4.1 應用案例—全民健身AI視頻生成 128
7.4.2 應用案例—提高免疫力數字人制作 131
7.5 通義 132
本章小結 135
習題 135
第8章 AI工具組合應用 136
8.1 AI制作演示文稿 137
8.1.1 AI制作演示文稿工具Kimi 137
8.1.2 DeepSeek + Kimi生成演示文稿 137
8.1.3 應用案例—急性心肌梗死診療指南 138
8.1.4 其他AI制作演示文稿工具 140
8.2 AI制作思維導圖 142
8.2.1 AI制作思維導圖工具Mapify 142
8.2.2 DeepSeek + Mapify生成思維導圖 143
8.2.3 應用案例—膿毒癥診療路徑 143
8.3 AI制作流程圖 145
8.3.1 AI制作流程圖工具Mermaid 145
8.3.2 DeepSeek + Mermaid生成流程圖 145
8.3.3 應用案例—繪制胸痛中心處理流程圖 146
8.4 AI制作框圖 148
8.4.1 AI制作框圖工具Napkin 148
8.4.2 DeepSeek + Napkin生成框圖 149
8.4.3 應用案例—繪制感控體系架構圖 149
8.5 AI制作音樂 151
8.5.1 音樂生成工具天譜樂 151
8.5.2 DeepSeek + 天譜樂生成音樂 152
8.5.3 應用案例—術前放松音樂 153
8.6 AI制作3D建模 154
8.6.1 3D建模工具混元3D 154
8.6.2 應用案例—布偶生成3D模型 154
本章小結 155
習題 156
第9章 智能體 158
9.1 智能體概述 159
9.1.1 認識智能體 159
9.1.2 智能體的分類 160
9.1.3 智能體的功能 161
9.1.4 智能體的優勢 162
9.1.5 智能體和大模型的區別 163
9.2 創建智能體 164
9.2.1 智能體開發平臺 164
9.2.2 創建智能體設計流程 165
9.3 應用案例 166
本章小結 175
習題 176
第10章 醫療人工智能未來趨勢 177
10.1 人工智能前沿探索 178
10.1.1 機器人 178
10.1.2 具身智能 179
10.2 醫療AI技術演進：從輔助到協同 181
10.2.1 精準醫療的關鍵技術突破 181
10.2.2 人機協同診療 181
10.2.3 醫學研究範式變革 183
10.3 行業重塑：從效率工具到生態重構 184
10.3.1 全生命周期健康管理 184
10.3.2 手術機器人自主性提升 185
10.3.3 流行病預測 186
本章小結 187
習題 187
參考文獻 188