近年来，机器学习技术不断更新，其在各类疾病中的应用也越来越广泛。本书不仅提出多种机器学习和深度学习的模型及框架，还将所提技术用于临床上阿尔茨海默症、心血管疾病、甲状腺眼病、新冠肺炎等疾病中的辅助诊断、预测、评估和治疗。 本书适合计算机科学与技术、大数据、人工智能、电子信息、医学等相关专业的学生参考，也可以作为通过影像学进行疾病诊断和预测方面的科技人员的参考书。

第1章 机器学习算法研究及其在阿尔茨海默病患者中的应用
1.1 研究概述
1.1.1 研究背景及意义
1.1.2 国内外研究现状
1.1.3 主要研究内容
1.2 相关理论知识
1.2.1 神经心理学测试
1.2.2 特征选择的基本理论
1.2.3 分类算法概述
1.3 基于机器学习的痴呆症早期诊断的研究与应用
1.3.1 简介
1.3.2 实验数据和方法
1.3.3 实验结果
1.3.4 实验总结和讨论
1.4 基于深度学习的老年痴呆病人筛选的研究与应用
1.4.1 简介
1.4.2 材料和方法
1.4.3 实验结果
1.4.4 讨论
1.5 本章小结
1.5.1 总结
1.5.2 展望
第2章 深度学习算法研究及其在心血管疾病患者中的应用
2.1 心血管疾病研究概述
2.1.1 研究背景及意义
2.1.2 国内外研究现状
2.1.3 主要研究内容
2.2 相关理论基础和实验准备
2.2.1 心脏解剖学知识和临床成像
2.2.2 深度学习基础理论
2.3 基于动态规划先验知识的左心室分割方法
2.3.1 简介
2.3.2 实验方法
2.3.3 实验结果及分析
2.4 基于改进的左心室模板采样方法
2.4.1 简介
2.4.2 实验方法
2.4.3 实验结果及分析
2.5 本章小结
2.5.1 总结
2.5.2 展望
第3章 深度学习算法研究及其在甲状腺眼病患者中的应用
3.1 研究概述
3.1.1 研究背景及意义
3.1.2 国内外研究现状
3.1.3 主要研究内容
3.2 基于深度学习的图像分割技术
3.2.1 人工神经网络
3.2.2 全卷积神经网络
3.2.3 深度学习图像分割算法
3.2.4 医学影像分割评估指标
3.3 血管内超声影像的血管中、内膜分割算法
3.3.1 现实问题
3.3.2 数据概况及网络设计
3.3.3 临床参数自动获取
3.3.4 实验结果及分析
3.4 甲状腺相关眼病眼外肌和视神经的语义分割算法
3.4.1 现实问题
3.4.2 数据概况及模型设计
3.4.3 临床参数自动获取
3.4.4 实验结果及分析
3.5 本章小结
3.5.1 总结
3.5.2 展望
第4章 深度学习算法研究及其在新冠肺炎患者中的应用
4.1 研究概述
4.1.1 研究背景及意义
4.1.2 国内外研究现状
4.1.3 主要研究内容
4.2 相关理论知识
4.2.1 卷积神经网络
4.2.2 经典卷积神经网络模型
4.2.3 机器学习算法
4.3 基于三维卷积神经网络的新冠肺炎诊断方法研究
4.3.1 方法描述
4.3.2 实验结果与分析
4.3.3 实验总结和讨论
4.4 基于机器学习的新冠肺炎轻重症诊断方法研究
4.4.1 方法描述
4.4.2 实验结果与分析
4.4.3 实验总结和讨论
4.5 本章小结
4.5.1 总结
4.5.2 展望
参考文献