人工智能通识与医学实践
定价：￥35.00
作者： 主编，曹雪，晏姗，胡鹏，副主编，廖泽容，朱曦，张志毕
出版社：高等教育出版社
- 高等教育出版社
- 9787040681307
- 1版
- 16开
- 380
内容简介
本书是一本面向医学高校的人工智能通识教材，系统介绍人工智能的基础概念及其应用。全书共10章，内容由浅入深，理论与实践并重。
第1章奠定AI基础知识；第2章探讨AI时代的创新范式与人才需求变革；第3章聚焦医学影像，展示深度学习在影像诊断中的应用；第4章围绕流行病学与AI，阐述传染病预警、慢病预测及因果推断等核心问题；第5章整合多组学数据，以研究案例展示AI如何破解高维数据分析难题；第6章以Orange可视化平台为载体，手把手带领读者完成数据预处理、模型构建与评估的全流程实操；第7章讲解AI在蛋白质结构与药物研发中的应用；第8章介绍脑机接口原理与AI在运动解码、语音合成、康复治疗中的赋能作用；第9章AI拓展至智慧农业；第10章从人文视角探讨生成式AI与艺术的融合。
本书既可以作为高等学校医学及相关专业人工智能通识课程教材，也可供医疗从业者、科研人员及智慧医疗爱好者参考。
第1章奠定AI基础知识；第2章探讨AI时代的创新范式与人才需求变革；第3章聚焦医学影像，展示深度学习在影像诊断中的应用；第4章围绕流行病学与AI，阐述传染病预警、慢病预测及因果推断等核心问题；第5章整合多组学数据，以研究案例展示AI如何破解高维数据分析难题；第6章以Orange可视化平台为载体，手把手带领读者完成数据预处理、模型构建与评估的全流程实操；第7章讲解AI在蛋白质结构与药物研发中的应用；第8章介绍脑机接口原理与AI在运动解码、语音合成、康复治疗中的赋能作用；第9章AI拓展至智慧农业；第10章从人文视角探讨生成式AI与艺术的融合。
本书既可以作为高等学校医学及相关专业人工智能通识课程教材，也可供医疗从业者、科研人员及智慧医疗爱好者参考。
目录
目录
前辅文
第1章 人工智能：入门必备基础知识
1.1 人工智能的核心定义
1.2 人工智能的主要分类
1.3 AI的核心技术基础
1.4 AI的典型应用场景
1.5 AI的发展趋势与局限
本章小结
习题
第2章 AI赋能创新：智能时代的新范式与新机遇
2.1 创新的概念、类型及驱动作用
2.1.1 创新的概念
2.1.2 创新的主要类型
2.1.3 创新对个人和社会发展的驱动作用
2.2 AI时代创新格局变革
2.3 AI时代的人才需求变革与教育格局重塑
2.3.1 AI引发人才需求的结构性变革
2.3.2 AI时代本科学习面临的深层挑战
2.3.3 AI时代学生学习模式的变迁
2.3.4 面向未来学生何为：从“被动接受”到“主动建构”的跃迁
2.4 AI赋能学生创新能力跃迁
本章小结
习题
第3章 医学影像与人工智能：从形态描绘到功能洞察的范式跃迁
3.1 医学影像与图像处理基础
3.1.1 常用医学成像方式及其基本原理
3.1.2 数字医学图像的结构与信息特性
3.1.3 图像质量与评价指标
3.1.4 医学图像处理的层次与临床意义
3.2 医学影像人工智能基础
3.2.1 医学影像人工智能与计算机视觉基础
3.2.2 深度学习在医学影像中的典型网络结构
3.2.3 医学图像智能分析的典型任务与临床场景案例
3.2.4 影像组学与深度学习融合的趋势
3.2.5 医学影像人工智能的挑战与发展前景
本章小结
习题
第4章 流行病学与人工智能
4.1 流行病学基础
4.1.1 流行病学定义
4.1.2 流行病学研究方法
4.1.3 流行病学面临的现实挑战与瓶颈：传统方法的“力所不及”
4.2 AI在流行病学中的应用
4.2.1 AI在流行病学中的核心技术与算法
4.2.2 AI在传染病流行病学中的应用
4.2.3 AI在慢性非传染病流行病学中的应用
4.3 AI大模型时代流行病学研究的机遇
4.4 AI大模型应用于流行病学研究的挑战
4.5 AI大模型在流行病学研究中的应用展望
本章小结
习题
第5章 多组学与人工智能：数据融合驱动的生物医学新范式
5.1 医学多组学研究基础
5.1.1 基因组学基础
5.1.2 转录组学基础
5.1.3 蛋白质组学基础
5.1.4 代谢组学基础
5.1.5 单细胞转录组及空间转录组基础
5.2 AI在医学多组学研究中的运用
5.2.1 多组学数据分析中的难点
5.2.2 AI在解决多组学数据分析难点中的优势
5.2.3 AI运用于多组学数据分析的案例
本章小结
习题
第6章 从数据到决策：AI驱动的健康数据分析方法与Orange实践
6.1 AI数据分析的核心概念与医学价值
6.1.1 数据驱动的医学智能范式
6.1.2 AI数据分析的医学核心要素
6.1.3 AI数据分析的临床应用边界
6.2 医学数据的类型与预处理方法
6.2.1 医学数据的分类与特征
6.2.2 数据预处理的核心目标与流程
6.2.3 不同类型数据的预处理实践
6.3 AI数据分析的核心算法与模型
6.3.1 监督学习算法在医学数据分析中的应用
6.3.2 无监督学习算法在医学数据分析中的应用
6.3.3 半监督学习与强化学习在医学数据分析中的应用
6.3.4 深度学习模型在医学数据分析中的进阶应用
6.4 基于Orange软件的AI数据分析实践
6.4.1 基于Orange软件的AI数据分析标准化流程
6.4.2 基于Orange软件的数据分析实践
6.5 AI数据分析的挑战与发展趋势
6.5.1 AI数据分析面临的核心挑战
6.5.2 AI数据分析的发展趋势
本章小结
习题
第7章 人工智能与蛋白质结构和药物研发
7.1 蛋白质的功能
7.1.1 蛋白质是组织器官的主要组成物质
7.1.2 蛋白质的生理功能
7.2 蛋白质的结构
7.2.1 蛋白质的一级结构
7.2.2 蛋白质的二级结构
7.3 蛋白质结构解析与人类疾病
7.3.1 蛋白质结构解析有助于了解人类疾病的发生机制
7.3.2 AI分析错义突变与疾病的风险
7.3.3 蛋白质结构解析有助于药物研发
7.4 AI加速蛋白质结构的解析
7.4.1 蛋白质结构解析的实验方法
7.4.2 传统蛋白质结构的建模方法
7.4.3 AI算法在蛋白质结构解析中的运用
7.5 人工智能助力药物研发
7.5.1 传统药物研发面临的困境
7.5.2 传统药物研发的实验过程
7.5.3 计算机辅助药物设计方法
7.5.4 人工智能在药物研发中的应用
7.5.5 AI加速药物研发案例
7.5.6 AI驱动药物研发实操示例
本章小结
习题
第8章 脑机接口与人工智能
8.1 脑机接口的理论基础
8.1.1 脑机接口的基本概念
8.1.2 脑信号采集与神经生理学原理
8.1.3 脑机接口系统架构与信号处理流程
8.2 AI在脑机接口中的应用及促进作用
8.2.1 人工智能赋能脑机接口的总体框架
8.2.2 医疗与康复领域的AI-BCI案例
8.2.3 AI助力的未来脑机接口技术
8.3 AI在脑机接口领域创新创业设计中的挑战与未来发展趋势
8.3.1 创新设计与产业化实践
8.3.2 挑战与未来趋势
本章小结
习题
第9章 人工智能技术在农业场景中的应用
9.1 中国农业的发展历程与现实挑战
9.1.1 中国传统农业
9.1.2 中国农业现代化
9.1.3 当前中国农业现代化面临的挑战
9.2 人工智能技术在农业中的应用
9.2.1 现代农业常用的AI技术
9.2.2 中国AI农业公司及产品介绍
9.2.3 人工智能在中药种植与品控中的应用
9.2.4 智慧农业案例设计分析
本章小结
习题
第10章 AI在人文艺术中的运用
10.1 AI与人文艺术融合的技术基础：从工具到共创的范式跃迁
10.1.1 AIGC的核心技术逻辑：人文特征的参数化与数据驱动
10.1.2 三大典型场景的工具落地：从技术逻辑到人文实践
10.1.3 技术跃迁的核心价值：降低门槛，拓展边界
10.2 AI对人文艺术核心诉求的回应：传承、创作与传播的三重赋能
10.2.1 文化传承：从“静态保护”到“活态延续”
10.2.2 创作创新：从“效率瓶颈”到“跨界突破”
10.2.3 文化传播：从“时空受限”到“精准触达”
10.2.4 赋能的核心逻辑：以人文为导向，以技术为支撑
本章小结
习题
参考文献
前辅文
第1章 人工智能：入门必备基础知识
1.1 人工智能的核心定义
1.2 人工智能的主要分类
1.3 AI的核心技术基础
1.4 AI的典型应用场景
1.5 AI的发展趋势与局限
本章小结
习题
第2章 AI赋能创新：智能时代的新范式与新机遇
2.1 创新的概念、类型及驱动作用
2.1.1 创新的概念
2.1.2 创新的主要类型
2.1.3 创新对个人和社会发展的驱动作用
2.2 AI时代创新格局变革
2.3 AI时代的人才需求变革与教育格局重塑
2.3.1 AI引发人才需求的结构性变革
2.3.2 AI时代本科学习面临的深层挑战
2.3.3 AI时代学生学习模式的变迁
2.3.4 面向未来学生何为：从“被动接受”到“主动建构”的跃迁
2.4 AI赋能学生创新能力跃迁
本章小结
习题
第3章 医学影像与人工智能：从形态描绘到功能洞察的范式跃迁
3.1 医学影像与图像处理基础
3.1.1 常用医学成像方式及其基本原理
3.1.2 数字医学图像的结构与信息特性
3.1.3 图像质量与评价指标
3.1.4 医学图像处理的层次与临床意义
3.2 医学影像人工智能基础
3.2.1 医学影像人工智能与计算机视觉基础
3.2.2 深度学习在医学影像中的典型网络结构
3.2.3 医学图像智能分析的典型任务与临床场景案例
3.2.4 影像组学与深度学习融合的趋势
3.2.5 医学影像人工智能的挑战与发展前景
本章小结
习题
第4章 流行病学与人工智能
4.1 流行病学基础
4.1.1 流行病学定义
4.1.2 流行病学研究方法
4.1.3 流行病学面临的现实挑战与瓶颈：传统方法的“力所不及”
4.2 AI在流行病学中的应用
4.2.1 AI在流行病学中的核心技术与算法
4.2.2 AI在传染病流行病学中的应用
4.2.3 AI在慢性非传染病流行病学中的应用
4.3 AI大模型时代流行病学研究的机遇
4.4 AI大模型应用于流行病学研究的挑战
4.5 AI大模型在流行病学研究中的应用展望
本章小结
习题
第5章 多组学与人工智能：数据融合驱动的生物医学新范式
5.1 医学多组学研究基础
5.1.1 基因组学基础
5.1.2 转录组学基础
5.1.3 蛋白质组学基础
5.1.4 代谢组学基础
5.1.5 单细胞转录组及空间转录组基础
5.2 AI在医学多组学研究中的运用
5.2.1 多组学数据分析中的难点
5.2.2 AI在解决多组学数据分析难点中的优势
5.2.3 AI运用于多组学数据分析的案例
本章小结
习题
第6章 从数据到决策：AI驱动的健康数据分析方法与Orange实践
6.1 AI数据分析的核心概念与医学价值
6.1.1 数据驱动的医学智能范式
6.1.2 AI数据分析的医学核心要素
6.1.3 AI数据分析的临床应用边界
6.2 医学数据的类型与预处理方法
6.2.1 医学数据的分类与特征
6.2.2 数据预处理的核心目标与流程
6.2.3 不同类型数据的预处理实践
6.3 AI数据分析的核心算法与模型
6.3.1 监督学习算法在医学数据分析中的应用
6.3.2 无监督学习算法在医学数据分析中的应用
6.3.3 半监督学习与强化学习在医学数据分析中的应用
6.3.4 深度学习模型在医学数据分析中的进阶应用
6.4 基于Orange软件的AI数据分析实践
6.4.1 基于Orange软件的AI数据分析标准化流程
6.4.2 基于Orange软件的数据分析实践
6.5 AI数据分析的挑战与发展趋势
6.5.1 AI数据分析面临的核心挑战
6.5.2 AI数据分析的发展趋势
本章小结
习题
第7章 人工智能与蛋白质结构和药物研发
7.1 蛋白质的功能
7.1.1 蛋白质是组织器官的主要组成物质
7.1.2 蛋白质的生理功能
7.2 蛋白质的结构
7.2.1 蛋白质的一级结构
7.2.2 蛋白质的二级结构
7.3 蛋白质结构解析与人类疾病
7.3.1 蛋白质结构解析有助于了解人类疾病的发生机制
7.3.2 AI分析错义突变与疾病的风险
7.3.3 蛋白质结构解析有助于药物研发
7.4 AI加速蛋白质结构的解析
7.4.1 蛋白质结构解析的实验方法
7.4.2 传统蛋白质结构的建模方法
7.4.3 AI算法在蛋白质结构解析中的运用
7.5 人工智能助力药物研发
7.5.1 传统药物研发面临的困境
7.5.2 传统药物研发的实验过程
7.5.3 计算机辅助药物设计方法
7.5.4 人工智能在药物研发中的应用
7.5.5 AI加速药物研发案例
7.5.6 AI驱动药物研发实操示例
本章小结
习题
第8章 脑机接口与人工智能
8.1 脑机接口的理论基础
8.1.1 脑机接口的基本概念
8.1.2 脑信号采集与神经生理学原理
8.1.3 脑机接口系统架构与信号处理流程
8.2 AI在脑机接口中的应用及促进作用
8.2.1 人工智能赋能脑机接口的总体框架
8.2.2 医疗与康复领域的AI-BCI案例
8.2.3 AI助力的未来脑机接口技术
8.3 AI在脑机接口领域创新创业设计中的挑战与未来发展趋势
8.3.1 创新设计与产业化实践
8.3.2 挑战与未来趋势
本章小结
习题
第9章 人工智能技术在农业场景中的应用
9.1 中国农业的发展历程与现实挑战
9.1.1 中国传统农业
9.1.2 中国农业现代化
9.1.3 当前中国农业现代化面临的挑战
9.2 人工智能技术在农业中的应用
9.2.1 现代农业常用的AI技术
9.2.2 中国AI农业公司及产品介绍
9.2.3 人工智能在中药种植与品控中的应用
9.2.4 智慧农业案例设计分析
本章小结
习题
第10章 AI在人文艺术中的运用
10.1 AI与人文艺术融合的技术基础：从工具到共创的范式跃迁
10.1.1 AIGC的核心技术逻辑：人文特征的参数化与数据驱动
10.1.2 三大典型场景的工具落地：从技术逻辑到人文实践
10.1.3 技术跃迁的核心价值：降低门槛，拓展边界
10.2 AI对人文艺术核心诉求的回应：传承、创作与传播的三重赋能
10.2.1 文化传承：从“静态保护”到“活态延续”
10.2.2 创作创新：从“效率瓶颈”到“跨界突破”
10.2.3 文化传播：从“时空受限”到“精准触达”
10.2.4 赋能的核心逻辑：以人文为导向，以技术为支撑
本章小结
习题
参考文献
前辅文
第1章 人工智能：入门必备基础知识
1.1 人工智能的核心定义
1.2 人工智能的主要分类
1.3 AI的核心技术基础
1.4 AI的典型应用场景
1.5 AI的发展趋势与局限
本章小结
习题
第2章 AI赋能创新：智能时代的新范式与新机遇
2.1 创新的概念、类型及驱动作用
2.1.1 创新的概念
2.1.2 创新的主要类型
2.1.3 创新对个人和社会发展的驱动作用
2.2 AI时代创新格局变革
2.3 AI时代的人才需求变革与教育格局重塑
2.3.1 AI引发人才需求的结构性变革
2.3.2 AI时代本科学习面临的深层挑战
2.3.3 AI时代学生学习模式的变迁
2.3.4 面向未来学生何为：从“被动接受”到“主动建构”的跃迁
2.4 AI赋能学生创新能力跃迁
本章小结
习题
第3章 医学影像与人工智能：从形态描绘到功能洞察的范式跃迁
3.1 医学影像与图像处理基础
3.1.1 常用医学成像方式及其基本原理
3.1.2 数字医学图像的结构与信息特性
3.1.3 图像质量与评价指标
3.1.4 医学图像处理的层次与临床意义
3.2 医学影像人工智能基础
3.2.1 医学影像人工智能与计算机视觉基础
3.2.2 深度学习在医学影像中的典型网络结构
3.2.3 医学图像智能分析的典型任务与临床场景案例
3.2.4 影像组学与深度学习融合的趋势
3.2.5 医学影像人工智能的挑战与发展前景
本章小结
习题
第4章 流行病学与人工智能
4.1 流行病学基础
4.1.1 流行病学定义
4.1.2 流行病学研究方法
4.1.3 流行病学面临的现实挑战与瓶颈：传统方法的“力所不及”
4.2 AI在流行病学中的应用
4.2.1 AI在流行病学中的核心技术与算法
4.2.2 AI在传染病流行病学中的应用
4.2.3 AI在慢性非传染病流行病学中的应用
4.3 AI大模型时代流行病学研究的机遇
4.4 AI大模型应用于流行病学研究的挑战
4.5 AI大模型在流行病学研究中的应用展望
本章小结
习题
第5章 多组学与人工智能：数据融合驱动的生物医学新范式
5.1 医学多组学研究基础
5.1.1 基因组学基础
5.1.2 转录组学基础
5.1.3 蛋白质组学基础
5.1.4 代谢组学基础
5.1.5 单细胞转录组及空间转录组基础
5.2 AI在医学多组学研究中的运用
5.2.1 多组学数据分析中的难点
5.2.2 AI在解决多组学数据分析难点中的优势
5.2.3 AI运用于多组学数据分析的案例
本章小结
习题
第6章 从数据到决策：AI驱动的健康数据分析方法与Orange实践
6.1 AI数据分析的核心概念与医学价值
6.1.1 数据驱动的医学智能范式
6.1.2 AI数据分析的医学核心要素
6.1.3 AI数据分析的临床应用边界
6.2 医学数据的类型与预处理方法
6.2.1 医学数据的分类与特征
6.2.2 数据预处理的核心目标与流程
6.2.3 不同类型数据的预处理实践
6.3 AI数据分析的核心算法与模型
6.3.1 监督学习算法在医学数据分析中的应用
6.3.2 无监督学习算法在医学数据分析中的应用
6.3.3 半监督学习与强化学习在医学数据分析中的应用
6.3.4 深度学习模型在医学数据分析中的进阶应用
6.4 基于Orange软件的AI数据分析实践
6.4.1 基于Orange软件的AI数据分析标准化流程
6.4.2 基于Orange软件的数据分析实践
6.5 AI数据分析的挑战与发展趋势
6.5.1 AI数据分析面临的核心挑战
6.5.2 AI数据分析的发展趋势
本章小结
习题
第7章 人工智能与蛋白质结构和药物研发
7.1 蛋白质的功能
7.1.1 蛋白质是组织器官的主要组成物质
7.1.2 蛋白质的生理功能
7.2 蛋白质的结构
7.2.1 蛋白质的一级结构
7.2.2 蛋白质的二级结构
7.3 蛋白质结构解析与人类疾病
7.3.1 蛋白质结构解析有助于了解人类疾病的发生机制
7.3.2 AI分析错义突变与疾病的风险
7.3.3 蛋白质结构解析有助于药物研发
7.4 AI加速蛋白质结构的解析
7.4.1 蛋白质结构解析的实验方法
7.4.2 传统蛋白质结构的建模方法
7.4.3 AI算法在蛋白质结构解析中的运用
7.5 人工智能助力药物研发
7.5.1 传统药物研发面临的困境
7.5.2 传统药物研发的实验过程
7.5.3 计算机辅助药物设计方法
7.5.4 人工智能在药物研发中的应用
7.5.5 AI加速药物研发案例
7.5.6 AI驱动药物研发实操示例
本章小结
习题
第8章 脑机接口与人工智能
8.1 脑机接口的理论基础
8.1.1 脑机接口的基本概念
8.1.2 脑信号采集与神经生理学原理
8.1.3 脑机接口系统架构与信号处理流程
8.2 AI在脑机接口中的应用及促进作用
8.2.1 人工智能赋能脑机接口的总体框架
8.2.2 医疗与康复领域的AI-BCI案例
8.2.3 AI助力的未来脑机接口技术
8.3 AI在脑机接口领域创新创业设计中的挑战与未来发展趋势
8.3.1 创新设计与产业化实践
8.3.2 挑战与未来趋势
本章小结
习题
第9章 人工智能技术在农业场景中的应用
9.1 中国农业的发展历程与现实挑战
9.1.1 中国传统农业
9.1.2 中国农业现代化
9.1.3 当前中国农业现代化面临的挑战
9.2 人工智能技术在农业中的应用
9.2.1 现代农业常用的AI技术
9.2.2 中国AI农业公司及产品介绍
9.2.3 人工智能在中药种植与品控中的应用
9.2.4 智慧农业案例设计分析
本章小结
习题
第10章 AI在人文艺术中的运用
10.1 AI与人文艺术融合的技术基础：从工具到共创的范式跃迁
10.1.1 AIGC的核心技术逻辑：人文特征的参数化与数据驱动
10.1.2 三大典型场景的工具落地：从技术逻辑到人文实践
10.1.3 技术跃迁的核心价值：降低门槛，拓展边界
10.2 AI对人文艺术核心诉求的回应：传承、创作与传播的三重赋能
10.2.1 文化传承：从“静态保护”到“活态延续”
10.2.2 创作创新：从“效率瓶颈”到“跨界突破”
10.2.3 文化传播：从“时空受限”到“精准触达”
10.2.4 赋能的核心逻辑：以人文为导向，以技术为支撑
本章小结
习题
参考文献
前辅文
第1章 人工智能：入门必备基础知识
1.1 人工智能的核心定义
1.2 人工智能的主要分类
1.3 AI的核心技术基础
1.4 AI的典型应用场景
1.5 AI的发展趋势与局限
本章小结
习题
第2章 AI赋能创新：智能时代的新范式与新机遇
2.1 创新的概念、类型及驱动作用
2.1.1 创新的概念
2.1.2 创新的主要类型
2.1.3 创新对个人和社会发展的驱动作用
2.2 AI时代创新格局变革
2.3 AI时代的人才需求变革与教育格局重塑
2.3.1 AI引发人才需求的结构性变革
2.3.2 AI时代本科学习面临的深层挑战
2.3.3 AI时代学生学习模式的变迁
2.3.4 面向未来学生何为：从“被动接受”到“主动建构”的跃迁
2.4 AI赋能学生创新能力跃迁
本章小结
习题
第3章 医学影像与人工智能：从形态描绘到功能洞察的范式跃迁
3.1 医学影像与图像处理基础
3.1.1 常用医学成像方式及其基本原理
3.1.2 数字医学图像的结构与信息特性
3.1.3 图像质量与评价指标
3.1.4 医学图像处理的层次与临床意义
3.2 医学影像人工智能基础
3.2.1 医学影像人工智能与计算机视觉基础
3.2.2 深度学习在医学影像中的典型网络结构
3.2.3 医学图像智能分析的典型任务与临床场景案例
3.2.4 影像组学与深度学习融合的趋势
3.2.5 医学影像人工智能的挑战与发展前景
本章小结
习题
第4章 流行病学与人工智能
4.1 流行病学基础
4.1.1 流行病学定义
4.1.2 流行病学研究方法
4.1.3 流行病学面临的现实挑战与瓶颈：传统方法的“力所不及”
4.2 AI在流行病学中的应用
4.2.1 AI在流行病学中的核心技术与算法
4.2.2 AI在传染病流行病学中的应用
4.2.3 AI在慢性非传染病流行病学中的应用
4.3 AI大模型时代流行病学研究的机遇
4.4 AI大模型应用于流行病学研究的挑战
4.5 AI大模型在流行病学研究中的应用展望
本章小结
习题
第5章 多组学与人工智能：数据融合驱动的生物医学新范式
5.1 医学多组学研究基础
5.1.1 基因组学基础
5.1.2 转录组学基础
5.1.3 蛋白质组学基础
5.1.4 代谢组学基础
5.1.5 单细胞转录组及空间转录组基础
5.2 AI在医学多组学研究中的运用
5.2.1 多组学数据分析中的难点
5.2.2 AI在解决多组学数据分析难点中的优势
5.2.3 AI运用于多组学数据分析的案例
本章小结
习题
第6章 从数据到决策：AI驱动的健康数据分析方法与Orange实践
6.1 AI数据分析的核心概念与医学价值
6.1.1 数据驱动的医学智能范式
6.1.2 AI数据分析的医学核心要素
6.1.3 AI数据分析的临床应用边界
6.2 医学数据的类型与预处理方法
6.2.1 医学数据的分类与特征
6.2.2 数据预处理的核心目标与流程
6.2.3 不同类型数据的预处理实践
6.3 AI数据分析的核心算法与模型
6.3.1 监督学习算法在医学数据分析中的应用
6.3.2 无监督学习算法在医学数据分析中的应用
6.3.3 半监督学习与强化学习在医学数据分析中的应用
6.3.4 深度学习模型在医学数据分析中的进阶应用
6.4 基于Orange软件的AI数据分析实践
6.4.1 基于Orange软件的AI数据分析标准化流程
6.4.2 基于Orange软件的数据分析实践
6.5 AI数据分析的挑战与发展趋势
6.5.1 AI数据分析面临的核心挑战
6.5.2 AI数据分析的发展趋势
本章小结
习题
第7章 人工智能与蛋白质结构和药物研发
7.1 蛋白质的功能
7.1.1 蛋白质是组织器官的主要组成物质
7.1.2 蛋白质的生理功能
7.2 蛋白质的结构
7.2.1 蛋白质的一级结构
7.2.2 蛋白质的二级结构
7.3 蛋白质结构解析与人类疾病
7.3.1 蛋白质结构解析有助于了解人类疾病的发生机制
7.3.2 AI分析错义突变与疾病的风险
7.3.3 蛋白质结构解析有助于药物研发
7.4 AI加速蛋白质结构的解析
7.4.1 蛋白质结构解析的实验方法
7.4.2 传统蛋白质结构的建模方法
7.4.3 AI算法在蛋白质结构解析中的运用
7.5 人工智能助力药物研发
7.5.1 传统药物研发面临的困境
7.5.2 传统药物研发的实验过程
7.5.3 计算机辅助药物设计方法
7.5.4 人工智能在药物研发中的应用
7.5.5 AI加速药物研发案例
7.5.6 AI驱动药物研发实操示例
本章小结
习题
第8章 脑机接口与人工智能
8.1 脑机接口的理论基础
8.1.1 脑机接口的基本概念
8.1.2 脑信号采集与神经生理学原理
8.1.3 脑机接口系统架构与信号处理流程
8.2 AI在脑机接口中的应用及促进作用
8.2.1 人工智能赋能脑机接口的总体框架
8.2.2 医疗与康复领域的AI-BCI案例
8.2.3 AI助力的未来脑机接口技术
8.3 AI在脑机接口领域创新创业设计中的挑战与未来发展趋势
8.3.1 创新设计与产业化实践
8.3.2 挑战与未来趋势
本章小结
习题
第9章 人工智能技术在农业场景中的应用
9.1 中国农业的发展历程与现实挑战
9.1.1 中国传统农业
9.1.2 中国农业现代化
9.1.3 当前中国农业现代化面临的挑战
9.2 人工智能技术在农业中的应用
9.2.1 现代农业常用的AI技术
9.2.2 中国AI农业公司及产品介绍
9.2.3 人工智能在中药种植与品控中的应用
9.2.4 智慧农业案例设计分析
本章小结
习题
第10章 AI在人文艺术中的运用
10.1 AI与人文艺术融合的技术基础：从工具到共创的范式跃迁
10.1.1 AIGC的核心技术逻辑：人文特征的参数化与数据驱动
10.1.2 三大典型场景的工具落地：从技术逻辑到人文实践
10.1.3 技术跃迁的核心价值：降低门槛，拓展边界
10.2 AI对人文艺术核心诉求的回应：传承、创作与传播的三重赋能
10.2.1 文化传承：从“静态保护”到“活态延续”
10.2.2 创作创新：从“效率瓶颈”到“跨界突破”
10.2.3 文化传播：从“时空受限”到“精准触达”
10.2.4 赋能的核心逻辑：以人文为导向，以技术为支撑
本章小结
习题
参考文献
