第1章智慧医学概述
智慧医学是一门新兴学科，是医学和人工智能的交叉学科，主要研究计算机、大数据、物联网和人工智能等信息技术在医学领域的应用。随着计算机技术发展尤其是计算机算力的大幅度提升，使得人工智能、大数据、云计算、物联网、机器学习、区块链等技术得以发展，人机协同发掘疾病现象和本质规律得以进一步推进，在健康医疗大数据分析处理与利用、药物筛选、基因分析、图像处理、精准医疗、疾病预测、医疗机器人等领域具有广泛性应用，智慧医学走向开启时代。
1.1计算机基础
计算机及其应用已渗透到社会生活的各个领域，有力推动了信息化社会的发展。21世纪，掌握以计算机为核心的信息技术基础知识，具备使用计算机的应用能力，是当代大学生应该具备的基本素质。
1.1.1计算机的发展与分类
电子计算机（electronic computer)简称计算机，是一种处理信息的电子机器，是一种能够按照事先存储的程序，自动、高速、精确地对信息进行输入、处理、输出和存储的系统。
1.计算机的产生
第二次世界大战期间，英国科学家艾伦 图灵（Alan Mathison Turing，1912～1954)
为了能彻底破译德国的军事密电，设计并完成了真空管机器，多次成功地破译了德国作战密码，为反法西斯战争的胜利做出了卓越的贡献。他在计算机科学方面的贡献主要有两个:一是建立图灵机（Turing machine，TM)模型，为计算理论奠定了基础；二是提出图灵测试，阐述了机器智能的概念。为纪念图灵对计算机的贡献，美国计算机学会（ACM)于1966年创立了“图灵奖”该奖项每年颁发给在计算机科学领域有突出贡献的研究人员，号称计算机界的诺贝尔奖。
美籍匈牙利数学家冯 诺依曼（von Neumann，1903～1957)和他的同事们研制了电子计算机EDVAC，提出了“存储程序”的计算机设计思想，以此为基础的各类计算机统称为冯 诺依曼机。虽然现代计算机系统从性能指标、运算速度、工作方式、应用领域等方面与当时的计算机有很大差别，但基本结构没有变，仍然属于冯 诺依曼计算机。
目前，业界公认的第一台电子计算机是1946年研制的电子数字积分计算机（electronic numerical integrator and calculator，ENIAC)，它是由美国宾夕法尼亚大学的物理学家约翰 莫克利（John Mauchly)和工程师普雷斯伯 埃克特（Presper Eckert)领导研制，在第二次世界大战用于弹道问题的计算。ENIAC具有划时代的意义，它宣告了电子计算机时代的到来。
2.计算机的发展
自从1946年第一台计算机问世以来，计算机科学与技术已成为21世纪发展最快的一门学科，尤其是微型计算机的出现和计算机网络的应用，使计算机的应用渗透到社会的各个领域，但是计算机的结构和工作原理并没有改变，只是电子器件的发展促使了计算机的不断发展，根据计算机采用的物理器件，一般将计算机的发展分为四个阶段。
1)第一代（1946～1957年）
第一代电子计算机是电子管计算机。其基本特征是采用电子管作为计算机的逻辑元件;数据表示主要是定点数；用机器语言或汇编语言编写程序。第一代电子计算机体积庞大，造价很高，主要用于军事和科学研究工作。其代表机型有IBM650、IBM709等。
2)第二代（1958～1964年）
第二代电子计算机是晶体管电子计算机。其基本特征是逻辑部件逐步由电子管改为晶体管，内存所使用的器件大多使用铁淦氧磁性材料制成的磁芯存储器。外存储器有了磁盘、磁带，外围设备种类也有所增加。与此同时，计算机软件也有了较大的发展，出现了FORTRAN、COBOL、ALGOL等高级语言。与第一代计算机相比，晶体管电子计算机体积小，成本低，功能强，可靠性大大提高。除了科学计算外，还用于数据处理和事务处理。其代表机型有IBM7090、CDC1640等。
3)第三代（1965～1971年）
第三代电子计算机是集成电路计算机。随着固体物理技术的发展，集成电路工艺可在几平方毫米的单晶硅片上集成由十几个甚至上百个电子元件组成的逻辑电路。其基本特征是逻辑元件采用小规模集成电路（small scale integrated circuit，SSI)和中规模集成电路(medium scale integrated circuit，MSI)。第三代电子计算机的运算速度每秒可达几十万次到几百万次。存储器进一步发展，体积越来越小，价格越来越低，而软件越来越完善。这一时期，计算机同时向标准化、多样化、通用化、机种系列化发展。高级程序设计语言在这个时期有了很大发展，操作系统引入了并行处理、虚拟存储系统等，并开发出大量的应用程序，计算机开始广泛应用在各个领域。其代表机型有IBM360、IBM370、PDP-X系列及我国制造的DJS-100系列等。
4)第四代（1972年至今）
第四代电子计算机称为大规模集成电路电子计算机。进入20世纪70年代以来，计算机逻辑器件采用大规模集成电路（large scale integrated circuit，LSI)和超大规模集成电路(very large scale integrated circuit，VLSI)技术，在硅半导体上集成了大量的电子元器件。
集成度很高的半导体存储器代替了服役达20年之久的磁芯存储器。目前，计算机的运算速度最高可以达到每秒几十万亿次浮点，并研发出了并行处理、多机系统、分布式计算机系统和计算机网络系统。随着操作系统不断完善，还推出了数据库系统、分布式操作系统及软件工程标准等，使应用软件成为现代工业的一部分。
3.计算机的发展趋势
随着计算机技术的发展以及信息社会对计算机不同层次的需求，当前计算机正在向巨型化、微型化、网络化和智能化方向发展。
1)巨型化
巨型化是指计算机向高速运算、大存储量、高精度的方向发展。其运算能力一般在每秒百亿次以上。巨型计算机主要用于尖端科学技术的研究开发，如模拟核试验、破解人类基因密码等。巨型计算机的发展集中体现了当前计算机科学技术发展的最高水平，推动了计算机系统结构、硬件理论与技术、软件理论与技术、计算数学以及计算机应用等多个学科分支的发展。巨型计算机的研制水平标志着一个国家的科技水平和综合国力。
2)微型化
微型化是指计算机向使用方便、体积小、成本低和功能齐全的方向发展。由于大规模和超大规模集成电路的飞速发展，微处理器芯片连续更新换代，微型计算机成本不断下降，加上软件和外围设备（即外设）的功能更加强大且更易于操作，使微型计算机得到更广泛应用，其中，笔记本电脑、平板电脑及智能手机以更优的性能价格比受到人们的青睐。
3)网络化
网络化是指利用通信技术和计算机技术，把分布在不同地点的计算机互联起来，按照网络协议相互通信，以达到所有用户均可共享软件、硬件和数据资源的目的，方便快捷地实现信息交流。随着互联网及物联网的迅猛发展和广泛应用，无线移动通信技术的成熟以及计算机处理能力的不断提高，面向全球化应用的各类新型计算机和信息终端已成为主要产品。特别是移动计算机网络、云计算等已成为产业发展的重要方向。
4)智能化
智能化是要求计算机具有人工智能，能模拟人的感觉，具有类似人的思维能力，集“说、听、想、看、做”为一体，即让计算机能够进行研究、探索、联想、图像识别、定理证明和理解人的语言等功能，这也是第五代计算机要实现的目标。
总之，未来的计算机将是微电子技术、光学技术、超导技术和电子仿生技术等相结合的产物，目前智能计算机、超导计算机、纳米计算机、光计算机、生物计算机、量子计算机等正在研制之中，可以预测21世纪的计算机技术将给我们的世界再次带来巨大的变化。
4.计算机的分类
国际电气与电子工程师协会（IEEE)于1989年提出的分类方法，将计算机分为个人计算机（personal computer，PC)、工作站（work station，WS)、小型计算机（minicomputer)、主机（mainframe)、小巨型计算机（mini-supercomputer)、巨型计算机（supercomputer)6种，随着计算机技术发展和应用的深入，计算机的类型越来越多样化，各种新技术层出不穷，计算机性能不断提高，应用范围渗透到各行各业，因此，很难对计算机进行一个精确的类型划分。综合考虑计算机的性能、应用和市场分布情况，大致可以将计算机分类为大型计算机、微型计算机、嵌入式计算机等。
1)大型计算机
大型计算机是指速度最快、处理能力最强、存储容量最大的计算机，包括超级计算机、大型集群计算机和大型服务器，广泛应用于科学计算、军事、通信、金融、气候气象、海洋环境、天体物理、生命科学、工业设计、装备制造、密码破译、数字地球、智慧城市、新能源、新材料等领域。
2)微型计算机
微型计算机又称个人计算机。自美国IBM公司1981年釆用Intel的微处理器推出IBMPC以来，微型计算机因其小巧轻便、价格便宜等优点得到迅速的发展，成为计算机的主流。今天，微型计算机的应用已经遍及社会的各个领域，从工厂的生产控制到政府的办公自动化，从商店的数据处理到家庭的信息管理，几乎无所不在。
微型计算机的种类很多，主要分为：台式机（desktop computer)、PC服务器、笔记本电脑、平板电脑和智能手机等。
3)嵌入式计算机
嵌入式计算机是将微机或某个微机核心部件安装在某个专用设备之内，对这个设备进行控制和管理，使设备具有智能化操作的特点。例如，在手机中嵌入中央处理器（central processing unit，CPU)、存储器、图像或音频处理芯片、操作系统等，就使手机具有上网、摄影、播放等功能。嵌入式计算机系统在我们的生活中应用最广泛，如工业控制PC机、单片机、POS机（电子收款机)、ATM机（自动柜员机)、全自动洗衣机、数字电视机、数码相机等。嵌入式计算机与通用计算机最大的区别是运行固化的软件，用户很难改变。
1.1.2计算机系统的组成
完整的计算机系统是由硬件系统和软件系统两部分组成。硬件系统是指计算机系统中由各种电子的、机械的、磁性的、光的器件或装置组成的看得见、摸得着的物理实体部分，是组成计算机系统的各种物理设备的总称，是计算机系统的物质基础，也称为计算机硬件。硬件系统又称为裸机，裸机只能识别由0和1组成的机器代码。没有软件系统的计算机是无法正常工作的，软件系统是指控制、管理和指挥计算机工作从而解决各类应用问题的所有程序和技术资料的总和。实际上，用户所面对的是经过若干软件“包装”的计算机，计算机的功能不仅仅取决于硬件系统，而更大程度上是由所安装的软件系统所决定。
1.冯 诺依曼计算机
冯 诺依曼提出了“存储程序”原理，奠定了计算机的基本结构、基本工作原理，开创了程序设计的新时代。其结构如图1-1所示，基本内容为：
图1-1冯 诺依曼计算机结构
(1)用二进制形式表示数据与指令。
(2)指令与数据都存放在存储器中，计算机工作时能够自动高速地从存储器中取出指令加以执行。程序中的指令通常是按一定顺序一条条地存放，在计算机工作时，只要知道程序中第一条指令放在什么地方，就能依次取出每一条指令，然后按指令执行相应的操作。
(3)计算机系统由运算器、存储器、控制器、输入设备、输出设备五大基本部件组成，总线是指计算机系统中能够为多个部件共享的一组公共信息传输线路。主板上的系统总线是传输数据的通道，就物理特性而言就是一些并行的印刷电路导线，通常根据传送信号的不同将它们分别称为地址总线（addressbus)、数据总线（data bus)和控制总线(control bus)三大总线。
微型计算机硬件系统从外部形态看，常见硬件包括主板、中央处理器、内部存储器、外部存储器、输入设备、输出设备、电源、风

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 *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