本教材共分6章，第1章介绍智慧医学概述，主要包括计算机基础、医学大数据及其应用、人工智能及智慧医学应用；第2章介绍智慧医学语言Python基础，主要包括Python语言及开发环境搭建、Python语言基础概述及数据类型、Python语言程序控制结构、函数；第3章介绍医学数据的获取与分析，主要包括医学数据的获取与存储、医学数据的常用计算模块、医学数据的描述性分析、医学数据文件的读取与写入、医学数据的归一化转换与常见预处理方法；第4章介绍医学数据的可视化，主要包括matplotlib包、seaborn包、pyecharts包可视化医学数据；第5章介绍医学图像处理，主要包括医学影像相关技术、医学图像处理基础、医学图像增强、医学图像分割与形态学处理等；第6章介绍机器学习及医学应用，主要包括机器学习介绍、线性回归分析、逻辑回归、朴素贝叶斯分类、支持向量机、k均值（k-means）聚类、深度学习算法。围绕医学案例由浅入深进行论述，特点是医工融合，注重入门运用与举一反三，强化医学案例驱动的自主学习，重视医学及相关专业学生的学习能力培养，强调医学实践和计算机理论的医工融合。
样章试读
目录
- 目录
第1章 智慧医学概述 1
1.1 计算机基础 1
1.1.1 计算机的发展与分类 1
1.1.2 计算机系统的组成 4
1.1.3 微型计算机硬件系统 5
1.1.4 数制与信息的编码 7
1.1.5 微型计算机软件系统 15
1.1.6 软件工程 20
1.1.7 计算机信息系统安全基础 25
1.2 医学大数据及其应用 29
1.2.1 医学大数据的概念和特征 29
1.2.2 医学大数据的获取 30
1.2.3 医学大数据的相关技术 44
1.3 人工智能及智慧医学应用 47
1.3.1 人工智能 47
1.3.2 智慧医学应用 50
习题 57
第2章 智慧医学语言Python基础 59
2.1 Python语言及开发环境搭建 59
2.1.1 Python语言介绍及安装配置 59
2.1.2 PyCharm集成开发环境 61
2.1.3 运行Python语言程序 63
2.1.4 第三方库介绍 65
2.2 Python语言基础概述及数据类型 68
2.2.1 代码规范 68
2.2.2 变量与赋值语句 71
2.2.3 数据类型及运算操作 73
2.2.4 字符串类型及操作 78
2.2.5 Python常用组合数据类型 81
2.3 Python语言程序控制结构 88
2.3.1 分支结构 88
2.3.2 循环结构 91
2.4 函数 97
2.4.1 内置函数 97
2.4.2 自定义函数 98
2.4.3 lambda 函数 101
习题 104
第3章 医学数据的获取与分析 106
3.1 医学数据的获取与存储 106
3.1.1 电子病历数据 106
3.1.2 医学影像数据 110
3.1.3 医学数据获取技术 114
3.2 医学数据的常用计算模块 115
3.2.1 numpy模块 115
3.2.2 pandas模块 121
3.3 医学数据的描述性分析 129
3.3.1 平均数 130
3.3.2 最值 130
3.3.3 中位数 130
3.3.4 众数 131
3.3.5 极差 131
3.3.6 标准差 132
3.3.7 变异系数 132
3.3.8 协方差 132
3.3.9 相关系数 135
3.4 医学数据文件的读取与写入 137
3.4.1 基于表格的二维数据获取 137
3.4.2 PDF数据的获取 147
3.4.3 文件与数据库 154
3.5 医学数据的归一化转换与常见预处理方法 161
3.5.1 中心化与离散化 162
3.5.2 min-max标准化 165
3.5.3 Z-score标准化 166
3.5.4 数据的预处理 167
习题 173
第4章 医学数据的可视化 176
4.1 matplotlib包可视化医学数据 176
4.1.1 matplotlib包基本使用 177
4.1.2 pyplot绘图步骤 179
4.1.3 pyplot常用绘图函数 183
4.2 seaborn包可视化医学数据 200
4.2.1 seaborn包的介绍及安装 200
4.2.2 seaborn中的风格和颜色设置 200
4.2.3 seaborn中的分布型主要作图函数 202
4.2.4 seaborn中的关系型主要作图函数 206
4.2.5 seaborn中的分类型主要作图函数 210
4.3 pyecharts包可视化医学数据 216
4.3.1 pyecharts包基本使用 216
4.3.2 pyecharts绘图步骤 219
4.3.3 pyecharts常用绘图函数 220
习题 227
第5章 医学图像处理 231
5.1 医学影像相关技术 231
5.1.1 常见的医学影像设备 231
5.1.2 医学图像的像素、灰度等级、颜色通道、颜色空间 237
5.1.3 医学影像获取 238
5.2 医学图像处理基础 245
5.2.1 医学图像的平移、旋转与翻转 245
5.2.2 医学图像的仿射变换与透视变换 251
5.2.3 医学图像的边缘检测 253
5.2.4 医学图像的卷积与滤波 256
5.3 医学图像增强 260
5.3.1 医学图像的灰度线性拉伸 260
5.3.2 医学图像的直方图增强 262
5.3.3 医学图像的伽马变换和对数变换 265
5.4 医学图像分割与形态学处理 268
5.4.1 医学图像的阈值分割 268
5.4.2 形态学医学图像的膨胀、腐蚀、开运算、闭运算 272
习题 280
第6章 机器学习及医学应用 282
6.1 机器学习介绍 282
6.2 线性回归分析 283
6.2.1 算法原理及实现步骤 284
6.2.2 久坐时间与胆固醇浓度的一元线性回归分析 286
6.2.3 糖尿病数据线性回归分析 288
6.3 逻辑回归 294
6.3.1 算法原理及实现步骤 294
6.3.2 乳腺肿瘤数据逻辑回归分析 297
6.4 朴素贝叶斯分类 302
6.4.1 算法原理及实现步骤 302
6.4.2 乳腺肿瘤数据朴素贝叶斯分类 304
6.5 支持向量机 306
6.5.1 算法原理及实现步骤 306
6.5.2 采用支持向量机的医学案例 309
6.6 k-means聚类法 314
6.6.1 算法原理及实现步骤 314
6.6.2 乳腺肿瘤数据k-means聚类分析 316
6.7 深度学习算法 318
6.7.1 卷积神经网络 318
6.7.2 深度学习框架 320
6.7.3 常见深度学习框架的安装与使用 321
6.7.4 医学案例 323
习题 333
京公网安备 11010102004214号