掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
闖進(jìn)數(shù)學(xué)世界――探秘歷史名題
-
>
中醫(yī)基礎(chǔ)理論
-
>
當(dāng)代中國政府與政治(新編21世紀(jì)公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫(yī)內(nèi)科學(xué)·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
智慧醫(yī)學(xué)語言基礎(chǔ) 版權(quán)信息
- ISBN：9787030744852
- 條形碼：9787030744852 ; 978-7-03-074485-2
- 裝幀：平裝膠訂
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
智慧醫(yī)學(xué)語言基礎(chǔ) 本書特色
適用于醫(yī)學(xué)及相關(guān)專業(yè)的學(xué)生，包括臨床醫(yī)學(xué)、醫(yī)學(xué)信息管理、藥學(xué)、中醫(yī)學(xué)、口腔、護(hù)理、醫(yī)學(xué)影像、生物醫(yī)學(xué)工程、生物信息學(xué)、智能醫(yī)學(xué)工程等專業(yè)的學(xué)生。
智慧醫(yī)學(xué)語言基礎(chǔ) 內(nèi)容簡介
《智慧醫(yī)學(xué)語言基礎(chǔ)》教材是為高等醫(yī)藥院校相關(guān)專業(yè)學(xué)生編寫的，以Python編程語言教學(xué)為主，同時介紹計算機(jī)、醫(yī)療大數(shù)據(jù)、人工智能等知識和技能，醫(yī)工融合，旨在而培養(yǎng)醫(yī)學(xué)及相關(guān)專業(yè)學(xué)生計算機(jī)操作技能和智慧醫(yī)學(xué)素養(yǎng)。根據(jù)醫(yī)學(xué)及相關(guān)專業(yè)的特點，《智慧醫(yī)學(xué)語言基礎(chǔ)》教材主要用Python語言進(jìn)行醫(yī)學(xué)數(shù)據(jù)分析、醫(yī)學(xué)影像處理、機(jī)器學(xué)習(xí)及人工智能算法在醫(yī)學(xué)中的應(yīng)用，其特點是醫(yī)工融合，大量采用Python語言實現(xiàn)的醫(yī)學(xué)案例，以案例驅(qū)動學(xué)生自主學(xué)習(xí)，注重入門應(yīng)用與舉一反三，重視醫(yī)學(xué)及相關(guān)專業(yè)學(xué)生學(xué)習(xí)能力的培養(yǎng)，提高學(xué)生在臨床診療、藥物不良反應(yīng)、護(hù)理康養(yǎng)、預(yù)防保健等健康領(lǐng)域工程實踐能力。《智慧醫(yī)學(xué)語言基礎(chǔ)》教材適合作為高等醫(yī)藥院校計算機(jī)技能及智慧醫(yī)學(xué)素養(yǎng)培養(yǎng)的教材，適用于醫(yī)學(xué)及相關(guān)專業(yè)的學(xué)生，包括臨床醫(yī)學(xué)、醫(yī)學(xué)信息管理、藥學(xué)、中醫(yī)學(xué)、口腔、護(hù)理、醫(yī)學(xué)影像、生物醫(yī)學(xué)工程、生物信息學(xué)、智能醫(yī)學(xué)工程等專業(yè)的學(xué)生。
智慧醫(yī)學(xué)語言基礎(chǔ) 目錄
目錄
第1章 智慧醫(yī)學(xué)概述 1
1.1 計算機(jī)基礎(chǔ) 1
1.1.1 計算機(jī)的發(fā)展與分類 1
1.1.2 計算機(jī)系統(tǒng)的組成 4
1.1.3 微型計算機(jī)硬件系統(tǒng) 5
1.1.4 數(shù)制與信息的編碼 7
1.1.5 微型計算機(jī)軟件系統(tǒng) 15
1.1.6 軟件工程 20
1.1.7 計算機(jī)信息系統(tǒng)安全基礎(chǔ) 25
1.2 醫(yī)學(xué)大數(shù)據(jù)及其應(yīng)用 29
1.2.1 醫(yī)學(xué)大數(shù)據(jù)的概念和特征 29
1.2.2 醫(yī)學(xué)大數(shù)據(jù)的獲取 30
1.2.3 醫(yī)學(xué)大數(shù)據(jù)的相關(guān)技術(shù) 44
1.3 人工智能及智慧醫(yī)學(xué)應(yīng)用 47
1.3.1 人工智能 47
1.3.2 智慧醫(yī)學(xué)應(yīng)用 50
習(xí)題 57
第2章 智慧醫(yī)學(xué)語言Python基礎(chǔ) 59
2.1 Python語言及開發(fā)環(huán)境搭建 59
2.1.1 Python語言介紹及安裝配置 59
2.1.2 PyCharm集成開發(fā)環(huán)境 61
2.1.3 運(yùn)行Python語言程序 63
2.1.4 第三方庫介紹 65
2.2 Python語言基礎(chǔ)概述及數(shù)據(jù)類型 68
2.2.1 代碼規(guī)范 68
2.2.2 變量與賦值語句 71
2.2.3 數(shù)據(jù)類型及運(yùn)算操作 73
2.2.4 字符串類型及操作 78
2.2.5 Python常用組合數(shù)據(jù)類型 81
2.3 Python語言程序控制結(jié)構(gòu) 88
2.3.1 分支結(jié)構(gòu) 88
2.3.2 循環(huán)結(jié)構(gòu) 91
2.4 函數(shù) 97
2.4.1 內(nèi)置函數(shù) 97
2.4.2 自定義函數(shù) 98
2.4.3 lambda 函數(shù) 101
習(xí)題 104
第3章 醫(yī)學(xué)數(shù)據(jù)的獲取與分析 106
3.1 醫(yī)學(xué)數(shù)據(jù)的獲取與存儲 106
3.1.1 電子病歷數(shù)據(jù) 106
3.1.2 醫(yī)學(xué)影像數(shù)據(jù) 110
3.1.3 醫(yī)學(xué)數(shù)據(jù)獲取技術(shù) 114
3.2 醫(yī)學(xué)數(shù)據(jù)的常用計算模塊 115
3.2.1 numpy模塊 115
3.2.2 pandas模塊 121
3.3 醫(yī)學(xué)數(shù)據(jù)的描述性分析 129
3.3.1 平均數(shù) 130
3.3.2 *值 130
3.3.3 中位數(shù) 130
3.3.4 眾數(shù) 131
3.3.5 極差 131
3.3.6 標(biāo)準(zhǔn)差 132
3.3.7 變異系數(shù) 132
3.3.8 協(xié)方差 132
3.3.9 相關(guān)系數(shù) 135
3.4 醫(yī)學(xué)數(shù)據(jù)文件的讀取與寫入 137
3.4.1 基于表格的二維數(shù)據(jù)獲取 137
3.4.2 PDF數(shù)據(jù)的獲取 147
3.4.3 文件與數(shù)據(jù)庫 154
3.5 醫(yī)學(xué)數(shù)據(jù)的歸一化轉(zhuǎn)換與常見預(yù)處理方法 161
3.5.1 中心化與離散化 162
3.5.2 min-max標(biāo)準(zhǔn)化 165
3.5.3 Z-score標(biāo)準(zhǔn)化 166
3.5.4 數(shù)據(jù)的預(yù)處理 167
習(xí)題 173
第4章 醫(yī)學(xué)數(shù)據(jù)的可視化 176
4.1 matplotlib包可視化醫(yī)學(xué)數(shù)據(jù) 176
4.1.1 matplotlib包基本使用 177
4.1.2 pyplot繪圖步驟 179
4.1.3 pyplot常用繪圖函數(shù) 183
4.2 seaborn包可視化醫(yī)學(xué)數(shù)據(jù) 200
4.2.1 seaborn包的介紹及安裝 200
4.2.2 seaborn中的風(fēng)格和顏色設(shè)置 200
4.2.3 seaborn中的分布型主要作圖函數(shù) 202
4.2.4 seaborn中的關(guān)系型主要作圖函數(shù) 206
4.2.5 seaborn中的分類型主要作圖函數(shù) 210
4.3 pyecharts包可視化醫(yī)學(xué)數(shù)據(jù) 216
4.3.1 pyecharts包基本使用 216
4.3.2 pyecharts繪圖步驟 219
4.3.3 pyecharts常用繪圖函數(shù) 220
習(xí)題 227
第5章 醫(yī)學(xué)圖像處理 231
5.1 醫(yī)學(xué)影像相關(guān)技術(shù) 231
5.1.1 常見的醫(yī)學(xué)影像設(shè)備 231
5.1.2 醫(yī)學(xué)圖像的像素、灰度等級、顏色通道、顏色空間 237
5.1.3 醫(yī)學(xué)影像獲取 238
5.2 醫(yī)學(xué)圖像處理基礎(chǔ) 245
5.2.1 醫(yī)學(xué)圖像的平移、旋轉(zhuǎn)與翻轉(zhuǎn) 245
5.2.2 醫(yī)學(xué)圖像的仿射變換與透視變換 251
5.2.3 醫(yī)學(xué)圖像的邊緣檢測 253
5.2.4 醫(yī)學(xué)圖像的卷積與濾波 256
5.3 醫(yī)學(xué)圖像增強(qiáng) 260
5.3.1 醫(yī)學(xué)圖像的灰度線性拉伸 260
5.3.2 醫(yī)學(xué)圖像的直方圖增強(qiáng) 262
5.3.3 醫(yī)學(xué)圖像的伽馬變換和對數(shù)變換 265
5.4 醫(yī)學(xué)圖像分割與形態(tài)學(xué)處理 268
5.4.1 醫(yī)學(xué)圖像的閾值分割 268
5.4.2 形態(tài)學(xué)醫(yī)學(xué)圖像的膨脹、腐蝕、開運(yùn)算、閉運(yùn)算 272
習(xí)題 280
第6章 機(jī)器學(xué)習(xí)及醫(yī)學(xué)應(yīng)用 282
6.1 機(jī)器學(xué)習(xí)介紹 282
6.2 線性回歸分析 283
6.2.1 算法原理及實現(xiàn)步驟 284
6.2.2 久坐時間與膽固醇濃度的一元線性回歸分析 286
6.2.3 糖尿病數(shù)據(jù)線性回歸分析 288
6.3 邏輯回歸 294
6.3.1 算法原理及實現(xiàn)步驟 294
6.3.2 乳腺腫瘤數(shù)據(jù)邏輯回歸分析 297
6.4 樸素貝葉斯分類 302
6.4.1 算法原理及實現(xiàn)步驟 302
6.4.2 乳腺腫瘤數(shù)據(jù)樸素貝葉斯分類 304
6.5 支持向量機(jī) 306
6.5.1 算法原理及實現(xiàn)步驟 306
6.5.2 采用支持向量機(jī)的醫(yī)學(xué)案例 309
6.6 k-means聚類法 314
6.6.1 算法原理及實現(xiàn)步驟 314
6.6.2 乳腺腫瘤數(shù)據(jù)k-means聚類分析 316
6.7 深度學(xué)習(xí)算法 318
6.7.1 卷積神經(jīng)網(wǎng)絡(luò) 318
6.7.2 深度學(xué)習(xí)框架 320
6.7.3 常見深度學(xué)習(xí)框架的安裝與使用 321
6.7.4 醫(yī)學(xué)案例 323
習(xí)題 333
展開全部
書友推薦
- >
中國人在烏蘇里邊疆區(qū):歷史與人類學(xué)概述
- >
小考拉的故事-套裝共3冊
- >
羅庸西南聯(lián)大授課錄
- >
【精裝繪本】畫給孩子的中國神話
- >
上帝之肋:男人的真實旅程
- >
李白與唐代文化
- >
詩經(jīng)-先民的歌唱
- >
莉莉和章魚
本類暢銷
