"本书围绕智慧医疗的概念、方法和应用实践展开。首先描述了智慧医疗的发展历程和基本概念，然后介绍了近年来推动智慧医疗发展的关键技术——机器学习和深度学习方法；为使读者更好地理解智慧医疗如何有效应用，系统介绍了医学数据的特点和实验设计方法；在应用场景方面重点介绍了医学影像和医学文本的类型，处理技术和方法，并给出了具体的实验案例和实验过程，让初学者能形成更准确的理解；最后系统介绍了医学人工智能的伦理问题以及面临的机遇与挑战，让读者对智慧医疗的未来发展有所思考。 本书注重理论方法与应用案例相结合，在每个部分尽可能给出相应的实例，为读者动手实践给予具体指导。本书适用于电子信息类以及医工交叉方向的本科生、研究生，也适合从事医学人工智能方向的研究人员和从业者阅读。 "

傅湘玲,2004年毕业于北京大学，获得博士学位，目前任职于北京邮电大学大学计算机学院（国家示范性软件学院），副教授，博士生导师。从事深度学习，智慧医疗方面的研究。参与完成了国家重点研发计划，国家自然科学基金重点，重大等项目，发表论文50余篇，出版教材4本，专著2本。

前言 20世纪40—50年代，人工智能的概念与计算机诞生后，医学领域很快察觉到了这两种技术与医学的相关性和应用潜力。1959年，凯夫·布罗德曼（Keeve Brodman）及其同事声称，“无论从哪个角度来看，对症状的正确诊断都是合乎逻辑的过程，完全可以由机器来执行”。1970年，威廉·施瓦茨(William Schwartz)在《新英格兰医学杂志》上发表了一篇名为“医学和计算机”（Medicine and the Computer）的文章。他推测，计算机和医生在未来将经常进行对话，计算机将不断记录病史、体检结果、实验室数据等，提醒医生最可能的诊断方案，并给出最合理、最安全的治疗方案建议。 随着深度学习技术的发展，人工智能技术目前已经广泛地应用在医学领域： 人工智能能够诊断某些类型的皮肤癌，甚至可能比专业的皮肤科医生做得更好；能够像心脏病专家一样识别特定的心律失常；能够像资深的放射科医生和病理科医生一样，分析医学扫描结果或者病理影像；能够像眼科医生一样诊断各种眼科疾病；还能够比心理医生更好地预测可能的自杀倾向。这些技能主要依靠统计模式识别，机器在利用成千上万甚至数十万例的样本数据进行训练后，错误率显著降低，可以达到甚至超过人类医生的水平。医生在繁重的工作中会感到疲倦、不顺利，会受到情绪波动、睡眠不足或心烦意乱等因素的影响，但是机器更容易保持稳定的状态，不会受到这些因素的影响。可以预见，未来人工智能会“打通”所有的医学学科，影响那些不以数据分析为主要任务的临床医生和外科医生。这也引发了我们对未来医学发展方向的思考，以及对人工智能如何能更好地服务于医疗、更好地与医学专家...