本书主要介绍智慧医疗中的人工智能理论与算法原理，按照两条主线组织内容：一条主线是人工智能理论与方法，介绍了近十年来机器学习与深度学习的典型模型与方法；另一条主线是智慧医学应用案例，涵盖了眼科、骨科、内脏、肿瘤、慢性病、流行病、传染病、生物制药等各个方面。两条主线相互交织，展示了人工智能在智慧医疗中的应用，包括医学影像的智能分析与检测技术、医学数据的智能推断与辅助诊疗技术、医学大数据分析以及分子生物学分析技术等。本书每章后面附有习题，供读者练习和自我检查用。
本书可作为医工结合以及相关领域硕士生教材，也可作大学本科生（主要讲授本书中基本原理）教材，还可以作为博士生参考教材（主要讲授本书前沿技术）。对于从事智慧医疗行业的技术人员，本书也可以作为主要技术参考书。

第1章 人工智能理论 001～041
1.1　机器学习与深度学习概述 001
1.2　聚类与降维算法 003
1.2.1　K-means算法 003
1.2.2　主成分分析 003
1.3　分类算法 004
1.3.1　逻辑回归与KNN 004
1.3.2　决策树与随机森林 005
1.3.3　支持向量机 006
1.4　基于监督的深度学习 007
1.4.1　深度神经网络 007
1.4.2　卷积神经网络 015
1.4.3　循环神经网络 022
1.5　基于半监督的深度学习 025
1.5.1　生成对抗网络 025
1.5.2　深度强化学习 031
1.6　迁移学习 034
参考文献 039

第2章 智慧医疗信息系统 042～063
2.1　医疗信息与医疗系统 042
2.1.1　医疗大数据 042
2.1.2　医院信息系统 046
2.1.3　影像存储与传输系统 047
2.1.4　实验室信息系统 049
2.2　医学影像 051
2.2.1　超声成像 051
2.2.2　X线成像 052
2.2.3　CT与磁共振成像 053
2.2.4　其他影像 055
2.3　人工智能在医学诊疗中的应用 056
2.3.1　智能影像分析 056
2.3.2　智能辅助诊疗 059
2.3.3　智能药物研发 060
参考文献 062

第3章 眼部影像分析 064～100
3.1　角膜塑形术 064
3.1.1　角膜概述 065
3.1.2　基于机器学习的适配状态评估方案 067
3.1.3　测试结果与分析 071
3.2　视网膜眼底血管结构分割 073
3.2.1　视网膜眼底血管结构分割概述 073
3.2.2　基于数字图像处理的眼底血管分割方法 074
3.2.3　基于深度神经网络的眼底血管分割方法 077
3.2.4　实验数据集及评估指标 079
3.2.5　测试结果与分析 080
3.3　白内障自动分级 081
3.3.1　白内障概述 081
3.3.2　基于支持向量机的分级算法 083
3.3.3　基于深度神经网络迁移的联合分级算法 085
3.3.4　实验数据集与评估指标 088
3.3.5　诊断结果与分析 089
3.4　白内障糖尿病视网膜病变联合诊断 090
3.4.1　糖尿病视网膜病变概述 090
3.4.2　基于多任务学习的联合诊断方案 092
3.4.3　实验数据集 095
3.4.4　诊断结果与分析 096
参考文献 099

第4章 X线影像分析 101～133
4.1　颅部标记点自动识别 101
4.1.1　X线头影测量概述 101
4.1.2　基于深度神经网络的自动标注 103
4.1.3　实验数据集及预处理 107
4.1.4　测试结果与分析 108
4.2　大骨节病自动判别 109
4.2.1　大骨节病概述 109
4.2.2　手部X线影像图像预处理 111
4.2.3　基于卷积神经网络的特征提取 113
4.2.4　测试与分析 116
4.3　骨肿瘤智能诊断 117
4.3.1　骨肿瘤概况 118
4.3.2　骨肿瘤良恶性判别算法 119
4.3.3　实验结果与分析 124
4.4　骨肿瘤坏死率预测 126
4.4.1　基于Pix2Pix网络的单张样本生成 126
4.4.2　基于LSTM-GAN网络的时序样本生成 129
4.4.3　基于3D-CNN网络的坏死率分类预测 130
参考文献 131

第5章 内脏CT影像分析 134～170
5.1　主动脉夹层智能诊断 134
5.1.1　主动脉CT影像概述 134
5.1.2　主动脉夹层智能诊断方案 136
5.1.3　实验数据及结果分析 142
5.2　腹腔CT影像智能分割 145
5.2.1　肝脏/肾脏智能分割概述 145
5.2.2　肠道器官智能分割概述 147
5.3　肝脏/肾脏智能分割 150
5.3.1　肝脏/肾脏智能分割方法 150
5.3.2　实验数据及结果分析 157
5.4　肠道器官智能分割 160
5.4.1　肠道器官智能分割难点 160
5.4.2　肠道器官智能分割方案 161
5.4.3　实验数据及结果分析 167
参考文献 168

第6章 手术辅助治疗 171～186
6.1　手术器械自动识别 171
6.1.1　手术器械分类及检测概述 171
6.1.2　基于深度学习的手术器械识别 172
6.1.3　手术器械目标检测实例及应用 174
6.2　手术流程分析 176
6.2.1　手术流程分析概述 176
6.2.2　基于时序信息的手术流程分析策略 177
6.3　手术视频摘要生成 179
6.3.1　视频关键帧提取及摘要生成原理 179
6.3.2　基于无监督学习的手术视频摘要生成 181
6.4　机器人辅助手术 183
6.4.1　机器人手术简介 183
6.4.2　基于强化学习的机器人辅助手术 184
参考文献 185

第7章 肿瘤放射辅助治疗 187～207
7.1　放射医学 187
7.1.1　放射治疗简介 187
7.1.2　人工智能在放射治疗中的应用 190
7.2　质子放疗与重离子放疗 191
7.2.1　质子放疗 191
7.2.2　重离子放疗 192
7.2.3　质子/重离子放疗优势 193
7.3　基于神经网络的靶区勾画 194
7.3.1　靶区勾画简介 194
7.3.2　 建模方法 197
7.3.3　模型框架与模型训练 200
7.3.4　性能测试与评估 202
参考文献 204

第8章 慢性病饮食推荐 208～235
8.1　慢性病概述 208
8.1.1　高血压 208
8.1.2　糖尿病 210
8.1.3　慢性肾脏病 211
8.2　慢性病的饮食指导 212
8.2.1　基本营养素 213
8.2.2　主食与副食分析 214
8.3　慢性病的饮食推荐 224
8.3.1　基于线性规划的饮食推荐 225
8.3.2　基于遗传算法的饮食推荐 229
参考文献 234

第9章 流行病大数据分析 236～258
9.1　流行病传播模型 236
9.1.1　流行病传播模型概述 236
9.1.2　SIR模型 237
9.1.3　SEIR模型 239
9.2　SARS传播分析 241
9.2.1　SARS概述 241
9.2.2　SARS传播模型分析 243
9.3　MERS传播分析 251
9.3.1　MERS简介 252
9.3.2　MERS传播模型分析 253
参考文献 257

第10章 分子生物医学 259～290
10.1　遗传学基本概念 259
10.1.1　DNA和RNA的结构 259
10.1.2　蛋白质结构与编码 260
10.1.3　冠状病毒结构 262
10.2　新型冠状病毒演化分析 263
10.2.1　多序列比对 264
10.2.2　构建病毒遗传演化树 272
10.2.3　病毒tMRCA及进化速率估算 279
10.3　药物筛选 283
10.3.1　药物筛选介绍 283
10.3.2　基于人工智能技术的小分子药物筛选 285
参考文献 288