機器學習輔助醫(yī)學影像分析與臨床診斷

目錄
“新一代人工智能理論、技術及應用叢書”序
序
前言
第1章 引言 1
1.1 醫(yī)學影像學分析與人工智能 1
1.1.1 基本概況 1
1.1.2 技術手段 1
1.1.3 應用領域 3
1.2 臨床診斷與人工智能 5
1.2.1 疾病診斷的人腦智能時代 5
1.2.2 臨床診斷的人工智能時代 7
1.3 人工智能在醫(yī)學影像和臨床診斷中的機遇與挑戰(zhàn) 8
參考文獻 9
第2章 人工智能與機器學習算法基礎 11
2.1 機器學習 11
2.1.1 逆?zhèn)鞑ゾW絡 12
2.1.2 極限學習機 16
2.1.3 支持向量機 19
2.1.4 深度學習算法 27
2.1.5 其他機器學習 29
2.2 卷積神經網絡 37
2.2.1 卷積神經網絡概念 37
2.2.2 卷積神經網絡現有研究方法與進展 39
2.2.3 卷積神經網絡在醫(yī)學領域的應用 41
2.3 自然語言處理 43
2.3.1 正則表達式 44
2.3.2 自然語言處理技術介紹 45
2.3.3 自然語言處理在醫(yī)學文本挖掘中的應用 51
2.4 深度學習 52
2.4.1 深度學習概述 52
2.4.2 深度學習模型及其應用場景 55
2.4.3 深度學習在醫(yī)學圖像中的應用 59
2.5 遷移學習 60
2.5.1 遷移學習的基本假設與定義 62
2.5.2 遷移學習研究現狀與進展 63
2.5.3 遷移學習方法在醫(yī)學領域的應用 67
2.6 圖卷積神經網絡 69
2.6.1 背景與概念 69
2.6.2 圖卷積神經網絡的現有方法與架構 70
2.6.3 圖卷積神經網絡在醫(yī)學領域的應用 73
參考文獻 76
第3章 人工智能算法在臨床診斷中的應用 79
3.1 蟻群算法的應用 79
3.1.1 蟻群算法的基本概念 79
3.1.2 蟻群算法的研究現狀與進展 80
3.1.3 蟻群算法在醫(yī)學領域的應用 81
3.2 模糊集合的應用 84
3.2.1 模糊集合基本假設與定理 84
3.2.2 模糊集合的應用舉例 86
3.3 人工神經網絡的應用 88
3.3.1 人工神經網絡的基本概念 88
3.3.2 人工神經網絡的應用舉例 90
3.4 K 近鄰算法的應用 92
3.4.1 K 近鄰算法基本概念 92
3.4.2 K 近鄰算法在醫(yī)學影像中的應用 94
3.5 決策樹算法的應用 97
3.5.1 決策樹算法的基本概念 97
3.5.2 決策樹算法流程與調用 99
3.5.3 決策樹算法在醫(yī)學影像中的應用 99
3.6 支持向量機算法的應用 104
3.6.1 線性可分支持向量機與硬間隔*大化 105
3.6.2 近似線性可分SVM與軟間隔*大化 108
3.6.3 非線性可分SVM與核函數 109
3.6.4 SVM算法在醫(yī)學影像中的應用 111
3.7 隨機森林算法的應用 113
3.7.1 隨機森林算法流程與調用 114
3.7.2 隨機森林算法應用實例 115
3.8 其他算法的應用 117
3.8.1 主成分分析 118
3.8.2 線性判別分析 121
3.8.3 局部線性嵌入 124
3.8.4 三大降維算法在醫(yī)學影像中的應用 127
參考文獻 130
第4章 人工智能在消化內鏡圖像中的應用 133
4.1 人工智能輔助上消化道內鏡檢查質量控制 133
4.1.1 巴雷特食管異型增生的鑒別 133
4.1.2 食管鱗狀細胞癌的鑒定 134
4.1.3 胃癌的鑒別 135
4.1.4 人工智能在胃腸道內窺鏡領域的未來挑戰(zhàn) 136
4.2 輔助檢測巴雷特食管 137
4.2.1 巴雷特食管的定義 137
4.2.2 巴雷特食管的內鏡下篩查現狀 137
4.2.3 人工智能輔助檢測巴雷特食管的應用 138
4.2.4 小結 140
4.3 輔助消化道早癌及癌前病變的篩查 140
4.3.1 結腸息肉檢測 141
4.3.2 胃癌早期檢測 141
4.3.3 食管癌的檢測 143
4.3.4 AI 在消化道早癌及癌前病變篩查應用中的限制 144
4.4 人工智能輔助下消化道內鏡檢查質量控制 145
4.4.1 計算機輔助檢測 145
4.4.2 計算機輔助診斷 146
4.4.3 計算機輔助監(jiān)測 146
4.4.4 展望 147
4.5 輔助檢測結直腸息肉 147
4.5.1 研究背景 147
4.5.2 人工智能輔助檢測結直腸息肉研究進展 148
4.5.3 結論與展望 152
4.6 人工智能輔助膠囊內鏡檢查質量控制 152
4.6.1 膠囊內鏡的用途及對AI的需求 152
4.6.2 圖像處理的AI技術 153
4.6.3 AI 方法在膠囊內鏡檢查中的應用與進展 157
4.6.4 不足與展望 159
參考文獻 159
第5章 人工智能在超聲影像中的應用 167
5.1 輔助診斷肝臟疾病 167
5.1.1 人工智能輔助超聲診斷肝臟疾病簡介 167
5.1.2 人工智能輔助超聲診斷肝臟疾病的應用 168
5.2 輔助診斷膽胰疾病 171
5.2.1 膽胰疾病與人工智能 171
5.2.2 人工智能輔助識別胰腺腫瘤 172
5.2.3 人工智能輔助識別膽道疾病 173
5.2.4 未來展望 174
5.3 輔助乳腺疾病的診斷 174
5.3.1 概述 174
5.3.2 AI在乳腺超聲診斷中的研究現狀及應用進展 175
5.3.3 AI輔助乳腺超聲診斷的意義及面臨的挑戰(zhàn) 178
5.4 輔助甲狀腺疾病的診斷 179
5.4.1 概述 179
5.4.2 AI在甲狀腺超聲診斷中的研究現狀及應用進展 181
5.4.3 AI輔助甲狀腺超聲診斷的意義及面臨的挑戰(zhàn) 183
參考文獻 184
第6章 人工智能在X射線、CT和MRI檢查診斷中的應用 190
6.1 輔助CT識別腹部脂肪 190
6.1.1 脂肪組織的臨床意義 190
6.1.2 脂肪組織的影像學表現 192
6.1.3 人工智能輔助識別脂肪組織研究進展 193
6.1.4 未來展望 195
6.2 輔助CT在腹水診斷中的應用 196
6.2.1 影像學與腹水 196
6.2.2 CT在腹水診斷中的應用 196
6.2.3 研究的特色與創(chuàng)新 199
6.2.4 局限性與未來展望 200
6.3 輔助診斷腦功能磁共振 200
6.3.1 腦功能磁共振的概念 200
6.3.2 FMRI在醫(yī)學中的應用現狀及前景 205
6.3.3 AI在FMRI中的應用現狀及優(yōu)勢 208
參考文獻 220
第7章 人工智能識別自然光線采集照片在疾病診斷中的應用 225
7.1 輔助鞏膜顏色識別（應用案例） 226
7.1.1 研究背景 226
7.1.2 研究方法 227
7.1.3 研究結果 233
7.1.4 研究結論 236
7.2 輔助皮膚顏色識別 236
7.2.1 自然光照片可感知的局部病變和全身疾病在皮膚的表現 236
7.2.2 自然光下皮膚照片的機器學習 238
參考文獻 242
第8章 基于機器學習輔助消化系統(tǒng)疾病臨床診治 244
8.1 輔助炎癥性腸病的發(fā)病風險預測、疾病診斷、預測治療效果 244
8.1.1 發(fā)病機制 244
8.1.2 診斷與鑒別診斷 245
8.1.3 病情評價與治療 247
8.1.4 慢病管理 249
8.2 輔助診斷潰瘍性結腸炎 249
8.2.1 潰瘍性結腸炎內鏡特點 249
8.2.2 黏膜愈合 250
8.2.3 內鏡及組織學愈合評估 251
8.2.4 人工智能與UC疾病活動度 253
8.2.5 結腸炎相關癌變 256
8.3 輔助腹水的鑒別診斷 257
8.3.1 常見的腹水相關指標 257
8.3.2 腹水鑒別診斷存在的困難 259
8.3.3 AI技術輔助腹水診斷的相關研究實例 259
8.3.4 人工智能技術在腹水等醫(yī)學研究中的困境 263
8.4 輔助消化道動力學檢測識別 264
8.4.1 食管動力障礙性疾病與相關檢測方法 264
8.4.2 基于機器學習輔助識別HRM圖譜協(xié)助診斷食管動力障礙性疾病 269
8.4.3 展望 271
8.5 輔助檢測幽門螺桿菌感染 272
8.5.1 幽門螺桿菌的醫(yī)學簡述及檢測方法 272
8.5.2 機器學習在輔助檢測幽門螺桿菌感染中的運用 274
參考文獻 278
第9章 對人工智能驅動下的未來醫(yī)療的展望 282
9.1 人工智能在醫(yī)療中前景廣闊 282
9.2 人工智能與未來醫(yī)療 282
9.3 展望 283