第一篇 基礎(chǔ)知識篇
第1章 MindSpore概述與開發(fā)環(huán)境配置 2
1.1 什么是MindSpore 2
1.2 MindSpore的核心特點(diǎn)與架構(gòu) 2
1.2.1 MindSpore的架構(gòu) 3
1.2.2 華為昇騰AI全棧介紹 4
1.3 MindSpore與深度學(xué)習(xí)框架的比較 5
1.3.1 MindSpore與TensorFlow的比較 6
1.3.2 MindSpore與PyTorch的比較 6
1.3.3 MindSpore與Keras的比較 7
1.4 MindSpore的安裝 7
1.4.1 獲取安裝命令 7
1.4.2 驗(yàn)證是否成功安裝 8
1.5 MindSpore架構(gòu)執(zhí)行流程 9
1.6 項(xiàng)目案例：醫(yī)療風(fēng)險預(yù)測系統(tǒng) 10
1.6.1 項(xiàng)目簡介 10
1.6.2 技術(shù)特點(diǎn) 10
1.6.3 功能特點(diǎn) 11
1.6.4 項(xiàng)目結(jié)構(gòu) 11
1.6.5 系統(tǒng)詳細(xì)代碼分析 12
1.6.6 系統(tǒng)運(yùn)行方法 15
第2章 醫(yī)學(xué)數(shù)據(jù)與任務(wù)概述 16
2.1 醫(yī)學(xué)數(shù)據(jù)的種類與特點(diǎn) 16
2.2 醫(yī)學(xué)數(shù)據(jù)的基本結(jié)構(gòu) 17
2.2.1 結(jié)構(gòu)化數(shù)據(jù)（Structured Data） 18
2.2.2 半結(jié)構(gòu)化數(shù)據(jù)（Semi-Structured Data） 19
2.2.3 非結(jié)構(gòu)化數(shù)據(jù)（Unstructured Data） 19
2.3 醫(yī)學(xué)數(shù)據(jù)集的含義與作用 20
2.3.1 數(shù)據(jù)集的構(gòu)成 20
2.3.2 數(shù)據(jù)集的作用 21
2.4 常見醫(yī)學(xué)數(shù)據(jù)集介紹 21
2.5 數(shù)據(jù)分析基礎(chǔ)流程 22
2.5.1 數(shù)據(jù)預(yù)處理 22
2.5.2 探索性數(shù)據(jù)分析 22
2.5.3 特征選擇與降維 23
2.5.4 建模與評估 24
2.6 醫(yī)學(xué)中的張量應(yīng)用 24
第二篇 項(xiàng)目實(shí)踐篇
第3章 使用sklearn數(shù)據(jù)集進(jìn)行糖尿病 預(yù)測建模 28
3.1 項(xiàng)目基本介紹 28
3.2 核心技術(shù) 28
3.3 數(shù)據(jù)分析詳細(xì)過程 28
3.4 具體實(shí)現(xiàn)過程 29
3.5 項(xiàng)目小結(jié) 31
第4章 電子病歷數(shù)據(jù)的清洗與預(yù)處理 32
4.1 項(xiàng)目基本介紹 32
4.2 核心技術(shù) 32
4.3 數(shù)據(jù)分析詳細(xì)過程 33
4.4 具體實(shí)現(xiàn)過程 34
4.5 項(xiàng)目小結(jié) 41
第5章 K近鄰算法及乳腺癌檢測分類 42
5.1 項(xiàng)目基本介紹 42
5.2 核心技術(shù) 42
5.3 數(shù)據(jù)分析詳細(xì)過程 43
5.4 具體實(shí)現(xiàn)過程 43
5.5 項(xiàng)目小結(jié) 45
第6章 乳腺癌數(shù)據(jù)分析與模型評估 46
6.1 項(xiàng)目基本介紹 46
6.2 核心技術(shù) 46
6.3 數(shù)據(jù)分析詳細(xì)過程 46
6.4 具體實(shí)現(xiàn)過程 47
6.5 項(xiàng)目小結(jié) 56
第7章 醫(yī)學(xué)圖像數(shù)據(jù)的加載和顯示 57
7.1 項(xiàng)目基本介紹 57
7.2 核心技術(shù) 57
7.3 數(shù)據(jù)分析詳細(xì)過程 58
7.4 具體實(shí)現(xiàn)過程 59
7.5 項(xiàng)目小結(jié) 64
第8章 腦腫瘤MRI圖像分類與數(shù)據(jù)可視化 66
8.1 項(xiàng)目基本介紹 66
8.2 核心技術(shù) 66
8.3 具體實(shí)現(xiàn)過程 66
8.4 項(xiàng)目小結(jié) 74
第9章 腦電圖（EEG）分析與癲癇預(yù)測 75
9.1 項(xiàng)目基本介紹 75
9.2 核心技術(shù) 75
9.3 具體實(shí)現(xiàn)過程 76
9.4 項(xiàng)目小結(jié) 108
第10章 基于X射線胸片的肺炎分類 109
10.1 項(xiàng)目基本介紹 109
10.2 核心技術(shù) 109
10.3 數(shù)據(jù)分析詳細(xì)過程 109
10.4 具體實(shí)現(xiàn)過程 110
10.5 項(xiàng)目小結(jié) 112
第11章 深度學(xué)習(xí)與MRI數(shù)據(jù)集處理 113
11.1 項(xiàng)目基本介紹 113
11.2 核心技術(shù) 113
11.3 具體實(shí)現(xiàn)過程 113
11.4 項(xiàng)目小結(jié) 119
第12章 基于深度學(xué)習(xí)的腦部MRI數(shù)據(jù)分類 120
12.1 項(xiàng)目基本介紹 120
12.2 核心技術(shù) 120
12.3 具體實(shí)現(xiàn)過程 121
12.4 項(xiàng)目小結(jié) 124
第13章 利用多模態(tài)數(shù)據(jù)進(jìn)行糖尿病預(yù)測與管理 125
13.1 項(xiàng)目基本介紹 125
13.2 核心技術(shù) 125
13.3 數(shù)據(jù)分析詳細(xì)過程 126
13.4 具體實(shí)現(xiàn)過程 127
13.5 項(xiàng)目小結(jié) 134
第14章 ResNet50模型在腦腫瘤中的診斷識別 136
14.1 項(xiàng)目基本介紹 136
14.2 核心技術(shù) 136
14.3 具體實(shí)現(xiàn)過程 137
14.4 項(xiàng)目小結(jié) 153
第三篇 綜合案例篇
第15章 基于線性回歸的醫(yī)療保險費(fèi)用預(yù)測 156
15.1 項(xiàng)目基本介紹 156
15.2 核心技術(shù) 156
15.3 數(shù)據(jù)分析詳細(xì)過程 157
15.4 具體實(shí)現(xiàn)過程 158
15.5 項(xiàng)目小結(jié) 187
第16章 肺部和結(jié)腸組織病理分類任務(wù) 188
16.1 項(xiàng)目基本介紹 188
16.2 核心技術(shù) 188
16.3 具體實(shí)現(xiàn)過程 188
16.4 項(xiàng)目小結(jié) 219
第17章 基于Web的乳腺癌分類預(yù)測系統(tǒng) 220
17.1 項(xiàng)目基本介紹 220
17.2 核心技術(shù) 220
17.3 數(shù)據(jù)分析詳細(xì)過程 221
17.4 具體實(shí)現(xiàn)過程 221
17.5 項(xiàng)目小結(jié) 230
第18章 使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行肺結(jié)節(jié) 自動檢測 231
18.1 項(xiàng)目基本介紹 231
18.2 核心技術(shù) 231
18.3 數(shù)據(jù)分析詳細(xì)過程 232
18.4 具體實(shí)現(xiàn)過程 232
18.5 項(xiàng)目小結(jié) 243
第四篇 知識進(jìn)階篇
第19章 大模型在醫(yī)學(xué)領(lǐng)域的應(yīng)用 246
19.1 研究進(jìn)展 246
19.1.1 多模態(tài)知識圖譜構(gòu)建與融合技術(shù) 246
19.1.2 醫(yī)學(xué)大模型評測體系建設(shè) 246
19.1.3 Transformer預(yù)訓(xùn)練模型在BioNLP中的擴(kuò)展 247
19.1.4 中文放射圖像領(lǐng)域生成式模型的探索 247
19.1.5 檢驗(yàn)醫(yī)學(xué)領(lǐng)域的評測與模型對比 247
19.1.6 循證醫(yī)學(xué)中的生成式AI工具探索 248
19.2 應(yīng)用場景 248
19.2.1 臨床醫(yī)學(xué) 248
19.2.2 醫(yī)學(xué)圖像處理 249
19.2.3 檢驗(yàn)醫(yī)學(xué) 249
19.2.4 循證醫(yī)學(xué) 250
19.2.5 醫(yī)學(xué)教育 250
19.3 面臨的挑戰(zhàn) 251
19.3.1 數(shù)據(jù)隱私問題 251
19.3.2 可解釋性不足 252
19.3.3 多模態(tài)任務(wù)復(fù)雜性 252
19.3.4 通用大模型醫(yī)學(xué)知識不足 253
19.3.5 大模型部署成本與監(jiān)管合規(guī)問題 253
19.4 發(fā)展趨勢與建議 254
19.4.1 專病�？戚p量化大模型建設(shè) 254
19.4.2 醫(yī)院本地化部署與隱私合規(guī)化 254
19.4.3 多模態(tài)醫(yī)學(xué)數(shù)據(jù)的融合建模 255
19.4.4 可解釋性與可信AI系統(tǒng)建設(shè) 256
19.4.5 醫(yī)學(xué)AI標(biāo)準(zhǔn)體系與產(chǎn)業(yè)規(guī)范制定 256
19.5 國內(nèi)外研究現(xiàn)狀 257
19.6 華為與醫(yī)學(xué)大模型 259
參考文獻(xiàn) 261