定 價：75 元
叢書名：科學(xué)出版社“十四五”普通高等教育本科規(guī)劃教材
- 作者：謝宛青等
- 出版時間：2025/8/1
- ISBN：9787030818461
- 出 版 社：科學(xué)出版社
- 中圖法分類：R319
- 頁碼：264
- 紙張：
- 版次：1
- 開本：16
《智能醫(yī)學(xué)工程導(dǎo)論》是一本專為"醫(yī)工交叉"領(lǐng)域編寫的教材，面向臨床實際需求，依托大數(shù)據(jù)、機器學(xué)習(xí)等工程技術(shù)手段，系統(tǒng)闡述各類醫(yī)學(xué)數(shù)據(jù)的處理與分析方法，并結(jié)合醫(yī)學(xué)前沿科技與典型應(yīng)用場景，編排貼近實踐的教學(xué)案例，使讀者在掌握理論知識的同時，更有效地將智能技術(shù)應(yīng)用于醫(yī)學(xué)實踐中。全書共十章，內(nèi)容安排循序漸進。前三章介紹智能醫(yī)學(xué)工程的基本概念、臨床研究的方法與邏輯，以及醫(yī)學(xué)數(shù)據(jù)管理的整體流程；第四至第七章分別針對表格型、時間序列、圖像及多模態(tài)醫(yī)學(xué)數(shù)據(jù)，講解其特征、處理及分析方法，并結(jié)合真實臨床需求設(shè)計案例教學(xué)。第八章與第九章聚焦于智能技術(shù)在藥物研發(fā)與中醫(yī)診療中的典型應(yīng)用，展現(xiàn)智能醫(yī)學(xué)工程的拓展?jié)摿εc落地價值；第十章則展望智能醫(yī)學(xué)工程未來的發(fā)展趨勢，探討其所面臨的技術(shù)挑戰(zhàn)與研究前沿。
更多科學(xué)出版社服務(wù)，請掃碼獲取。
2001-2005 學(xué)士 哈爾濱工程大學(xué) 理學(xué)院 電子科學(xué)與技術(shù)
2005-2012 博士 哈爾濱工業(yè)大學(xué) 航天學(xué)院 物理電子學(xué)
2009-2010 交換生 韓國漢陽大學(xué) 生物醫(yī)學(xué)工程 計算機與腦科學(xué)研究中心2012.03-2016.11 工程師 中國科學(xué)技術(shù)大學(xué) 信息科學(xué)技術(shù)學(xué)院
2016.12-2019.12 研究員 美國哈佛大學(xué)醫(yī)學(xué)院
2019.04-2021.12 副教授（校聘教授） 哈爾濱工程大學(xué) 數(shù)學(xué)科學(xué)學(xué)院 人工智能團隊負責(zé)人
2020.09-2021.09 外聘教授 哈爾濱工業(yè)大學(xué)（深圳） 數(shù)學(xué)科學(xué)學(xué)院 大數(shù)據(jù)與數(shù)據(jù)科學(xué)專業(yè)
2022.01-今 教授 安徽醫(yī)科大學(xué) 生物醫(yī)學(xué)工程學(xué)院 智能醫(yī)學(xué)專業(yè) 精神健康與心理學(xué)院 應(yīng)用心理學(xué)專業(yè) 雙聘大數(shù)據(jù)分析，人工智能，機器學(xué)習(xí)，深度學(xué)習(xí)，非線性時間序列分析，圖像處理， 系統(tǒng)建模及優(yōu)化，小波分析，多尺度熵分析，生物醫(yī)學(xué)統(tǒng)計，計算機編程（C, Matlab, R, python）大數(shù)據(jù)分析，人工智能，機器學(xué)習(xí)，深度學(xué)習(xí)，非線性時間序列分析，圖像處理， 系統(tǒng)建模及優(yōu)化，小波分析，多尺度熵分析，生物醫(yī)學(xué)統(tǒng)計，計算機編程（C, Matlab, R, python）
目錄
序
前言
緒論 1
第一章 智能醫(yī)學(xué)工程概論 3
第一節(jié) 概念 3
第二節(jié) 智能醫(yī)學(xué)工程的發(fā)展歷程 4
第三節(jié) 智能醫(yī)學(xué)工程的特性與應(yīng)用 5
第二章 臨床研究與智能醫(yī)學(xué) 11
第一節(jié) 臨床研究的概述 11
第二節(jié) 臨床研究常用的研究設(shè)計方法 14
第三節(jié) 臨床研究常用數(shù)字化工具 17
第四節(jié) 臨床試驗數(shù)據(jù)管理 20
第三章 醫(yī)學(xué)數(shù)據(jù)管理 24
第一節(jié) 醫(yī)學(xué)數(shù)據(jù)管理設(shè)計 24
第二節(jié) 醫(yī)學(xué)數(shù)據(jù)類型及采集流程 32
第三節(jié) 醫(yī)學(xué)數(shù)據(jù)標注 39
第四節(jié) 醫(yī)學(xué)數(shù)據(jù)隱私保護 47
第四章 表格型醫(yī)學(xué)數(shù)據(jù)分析 51
第一節(jié) 表格型醫(yī)學(xué)數(shù)據(jù)處理方法 51
第二節(jié) 表格型醫(yī)學(xué)數(shù)據(jù)分析方法 60
第三節(jié) 實操案例：基于隨機森林的術(shù)后并發(fā)癥發(fā)生預(yù)測 74
第五章 時間序列醫(yī)學(xué)信號分析 82
第一節(jié) 時間序列醫(yī)學(xué)信號及其處理方法 82
第二節(jié) 時間序列醫(yī)學(xué)信號的時頻分析方法 92
第三節(jié) 時間序列醫(yī)學(xué)信號的非線性分析方法 99
第四節(jié) 實操案例：睡眠醫(yī)學(xué)信號分析 106
第六章 醫(yī)學(xué)圖像數(shù)據(jù)分析 112
第一節(jié) 醫(yī)學(xué)圖像處理方法 112
第二節(jié) 醫(yī)學(xué)圖像分析方法 127
第三節(jié) 深度學(xué)習(xí)模型的可解釋性 142
第四節(jié) 實操案例：基于雙氣囊小腸鏡的克羅恩病智能輔助診斷與評估 144
第五節(jié) 實操案例：基于超聲心動圖的CHD智能輔助診斷與手術(shù)方案建立 148
第七章 多模態(tài)醫(yī)學(xué)數(shù)據(jù)分析 153
第一節(jié) 多模態(tài)醫(yī)學(xué)數(shù)據(jù)預(yù)處理 153
第二節(jié) 多模態(tài)醫(yī)學(xué)數(shù)據(jù)特征提取 164
第三節(jié) 多模態(tài)醫(yī)學(xué)數(shù)據(jù)融合方法 170
第四節(jié) 實操案例：基于多模態(tài)數(shù)據(jù)的抑郁癥智能評估 177
第八章 智能醫(yī)學(xué)與制藥 190
第一節(jié) 藥學(xué)數(shù)據(jù)分析和應(yīng)用 190
第二節(jié) 藥物靶標的識別和預(yù)測 196
第三節(jié) 分子生成與設(shè)計技術(shù) 210
第四節(jié) 智能藥物設(shè)計與優(yōu)化 220
第九章 智能醫(yī)學(xué)與中醫(yī) 229
第一節(jié) 智能中醫(yī)藥學(xué)的發(fā)展歷史與現(xiàn)狀 229
第二節(jié) 中醫(yī)診療數(shù)據(jù)的來源與特點 231
第三節(jié) 智能中醫(yī)診斷技術(shù)與方法 233
第四節(jié) 中醫(yī)智能輔助治療技術(shù) 242
第五節(jié) 實操案例：中醫(yī)面診與體質(zhì)智能檢測 249
第六節(jié) AI技術(shù)用于中藥及復(fù)方研究實例 250
第十章 挑戰(zhàn)與發(fā)展 256
第一節(jié) 智能醫(yī)學(xué)工程的優(yōu)勢與挑戰(zhàn) 256
第二節(jié) 智能醫(yī)學(xué)工程的未來展望 258
參考文獻 261
致謝 264
書單推薦
