第一部分  健康医疗领域应用人工智能技术需要掌握的医学知识
  第1章  主观的症状和客观的体征
    1.1  症状的数字化：以疼痛为例
    1.2  手部的体征：手指和指甲暗示的疾病
    1.3  传统医学重视的体征：舌与舌苔
  第2章  19世纪前医生的诊断工具
    2.1  病史采集
    2.2  体格检查
  第3章  医学检查和相关数据应用
    3.1  实验室检查
    3.2  心电图和心律失常数据库
    3.3  医学影像技术与影像学检查
  第4章  循证医学与鉴别诊断
    4.1  诊断性实验中常用的指标
    4.2  鉴别诊断
  第5章  诊断中的问题
    5.1  疾病筛查与过度诊断
    5.2  案例：用聚类算法发现脓毒症的过度诊断
    5.3  诊断错误——排名第三的死亡原因
    5.4  案例：用XGBoost算法找到被误诊为2型糖尿病的1型糖尿病患者
第二部分  人工智能技术和机器学习算法在九种常见疾病诊治及管理过程中的应用
  第6章  乳腺癌——女性最常见的癌症
    6.1  乳腺癌筛查产生大比例假阳性
    6.2  图像识别技术对乳腺癌诊断的支持
    6.3  机器学习算法可减少不必要的肿块切除
    6.4  小结
  第7章  冠心病——导致死亡的头号杀手
    7.1  冠心病的起因、位置和风险因素
    7.2  心血管疾病的无创性诊断
    7.3  冠心病诊断金标准：冠状动脉造影
    7.4  用于冠心病诊断与预测的AI技术及产品
    7.5  用于超声心动图的AI技术
    7.6  小结
  第8章  卒中——时间就是生命
    8.1  卒中的快速诊断及定量诊断
    8.2  卒中的影像学诊断：ASPECTS评分和e-ASPECTS软件
    8.3  通过CT片自动计算脑脊液体积
    8.4  小结
  第9章  糖尿病——患病人口占中国人口的13%
    9.1  糖尿病的类型和发展阶段
    9.2  血糖监测与胰岛素泵
    9.3  使用模糊逻辑控制的人工胰腺
    9.4  食物图像识别支持胰岛素剂量计算
    9.5  血糖预测及低血糖侦测
    9.6  糖尿病并发症预测及分析
    9.7  小结
  第10章  超重和肥胖——影响中国过半的成年人
    10.1  肥胖的风险因素
    10.2  利用遗传信息预测肥胖
    10.3  体重管理：高钙饮食促排脂肪
    10.4  儿童肥胖风险因素分析及预测
    10.5  减重效果预测
    10.6  小结
  第11章  高血压——影响中国近三成的成年人
    11.1  血压测量史及争论
    11.2  血压测量的标准方法及测量差异
    11.3  勺型、非勺型及反勺型血压
    11.4  SPRINT研究及高血压较差预后的特征发现
    11.5  高血压预测
    11.6  小结
  第12章  机器学习与乙肝防治
    12.1  预测乙肝表面抗原血清清除率
    12.2  准确评估及预测肝纤维化、肝硬化
    12.3  预测肝炎患者的恶性转化
    12.4  小结
  第13章  不孕不育症与辅助生殖技术
    13.1  胚胎发育过程
    13.2  人工授精和体外受精
    13.3  胚胎质量评估
    13.4  体外受精的成功率预测
    13.5  小结
  第14章  阿尔茨海默病
    14.1  神经元的结构和功能
    14.2  失智症与阿尔茨海默病
    14.3  阿尔茨海默病的诊断
    14.4  阿尔茨海默病的病情发展
    14.5  阿尔茨海默病数据资源简介
    14.6  使用机器学习算法诊断阿尔茨海默病
    14.7  小结
第三部分  机器学习简介及医疗健康领域中文本处理、图像分析、疾病预测和诊断的Python实现
  第15章  机器学习简介
    15.1  用于发现数据关系的回归分析
    15.2  线性回归的进阶：logistic回归
    15.3  机器学习的基本概念及分类问题
    15.4  朴素贝叶斯分类器
    15.5  聚类分析和K均值算法
    15.6  机器学习算法性能评估
    15.7  过拟合和欠拟合
    15.8  特征选择
  第16章  Python语言精髓
    16.1  案例：在清代方书和国家药物基本目录间架一座桥梁
    16.2  案例：用线性回归和支持向量机预测糖尿病风险
    16.3  案例：用决策树判定乳腺肿块的良恶性
    16.4  案例：使用集成学习算法预测心脏病
    16.5  案例：使用深度学习算法为MRI影像做图像分类以判定阿尔茨海默病的发展阶段
后记