智慧醫(yī)療助力抗擊疫情

引言
第1章　醫(yī)療應用中的深度學習技術(shù)
1.1　引言
1.2　醫(yī)療圖像分析
1.2.1　疾病診斷
1.2.2　病變、器官和異常檢測
1.2.3　病變和器官分割
1.3　智能醫(yī)療輔助診斷
1.3.1　病例文本分析
1.3.2　智能化醫(yī)療器械
1.4　深度學習與新冠肺炎
1.4.1　分子方面
1.4.2　臨床方面
1.4.3　社會方面
1.5　本章小結(jié)
參考文獻
第2章　疫情下的智能全科臨床輔助診斷系統(tǒng)
2.1　背景
2.2　DUCG理論
2.3　云上DUCG全科臨床輔助診斷系統(tǒng)的特點
2.4　DUCG診病示例
2.4.1　系統(tǒng)性紅斑狼瘡
2.4.2　新冠肺炎
2.5　DUCG的應用情況
參考文獻
第3章　新冠肺炎智能影像輔助分析技術(shù)
3.1　醫(yī)學影像輔助診斷概述
3.2　新冠期間醫(yī)學輔助診斷系統(tǒng)
3.2.1　新冠肺炎病灶區(qū)域識別和檢測系統(tǒng)
3.2.2　新冠肺炎病灶區(qū)域分割系統(tǒng)
3.3　主要技術(shù)與亮點
3.3.1　用于新冠肺炎分類的深度學習模型
3.3.2　用于新冠肺炎病灶區(qū)域識別檢測的深度學習模型
3.3.3　用于新冠肺炎病灶區(qū)域分割的深度學習模型
3.3.4　基于深度學習模型的新冠肺炎輔助診斷框架介紹
3.4　發(fā)展趨勢與預測
參考文獻
第4章　知識圖譜助力疫情防控
4.1　知識圖譜相關(guān)技術(shù)介紹
4.1.1　知識圖譜構(gòu)建
4.1.2　知識圖譜查詢和推理計算
4.1.3　知識圖譜應用
4.2　新冠肺炎知識圖譜相關(guān)平臺介紹
4.2.1　開放知識圖譜
4.2.2　知識圖譜應用系統(tǒng)
4.2.3　新冠肺炎知識圖譜平臺在各細分領(lǐng)域中的應用
參考文獻
第5章　基于時間序列的疫情遷徙研究
5.1　實施社交距離（隔離）措施后新冠肺炎的傳播變化
5.1.1　SEIR模型
5.1.2　默里模型
5.1.3　其他模型
5.2　社會各界對“群體免疫”說法的討論
5.2.1　美國CDC的模型研究結(jié)果
5.2.2　英國與瑞典的“群體免疫”
5.3　防控力度對遏制疫情發(fā)展的影響
5.3.1　武漢到達其他城市的有效距離
5.3.2　有效距離與流量的相關(guān)關(guān)系
5.4　COVID-19疫情遷徙可視化研究
5.4.1　地圖可視化
5.4.2　疫情趨勢圖
5.4.3　武漢封城前500萬武漢人的流向圖
5.4.4　武漢763例確診患者向全國擴散的路徑
5.4.5　全球蔓延的可視化
5.4.6　可視分析系列綜合
5.4.7　北上廣等8座城市政府官方微博每日發(fā)布的內(nèi)容可視化
5.4.8　鉆石公主號數(shù)據(jù)可視化分析
5.4.9　基于微博內(nèi)容的云圖
參考文獻
第6章　5G通信網(wǎng)絡(luò)助力抗擊疫情
6.1　5G通信技術(shù)
6.2　5G通信網(wǎng)絡(luò)助力智慧醫(yī)療
6.2.1　遠程醫(yī)療應用場景
6.2.2　醫(yī)院內(nèi)應用場景
6.2.3　數(shù)字健康資源供給對接平臺
6.3　5G通信網(wǎng)絡(luò)助力安全防控
6.3.1　個人活動軌跡追蹤
6.3.2　智能巡檢機器人
6.3.3　5G熱成像測溫
6.3.4　電子健康碼
6.4　5G通信網(wǎng)絡(luò)助力民生保障
6.4.1　特殊時期也能好好生活
6.4.2　宅家也能心遠游
6.4.3　休假也能不停工
6.4.4　停課也能不停學
6.5　總結(jié)與展望
參考文獻
第7章　微生物預測疾病
7.1　微生物與疾病關(guān)系
7.1.1　口腔微生物與疾病的關(guān)系
7.1.2　腸道微生物與疾病的關(guān)系
7.1.3　組織微生物與疾病的關(guān)系
7.1.4　微生物作用于疾病治療
7.2　智能篩選微生物標記物的方法
7.2.1　通過高通量測序技術(shù)確定微生物標記物
7.2.2　通過建立代謝網(wǎng)絡(luò)確定疾病微生物標記物
7.3　病毒與疾病
7.3.1　病毒入侵人體
7.3.2　傳統(tǒng)病毒研究方法
7.3.3　病毒研究發(fā)展
7.3.4　大數(shù)據(jù)下的病毒檢測
7.3.5　存在的困難和挑戰(zhàn)
7.4　新冠病毒
7.4.1　新冠病毒疫情概覽
7.4.2　新冠病毒病理學特征
7.4.3　新冠病毒致病機理
7.4.4　新冠病毒與微生物
7.4.5　新冠病毒的檢測
7.4.6　新冠病毒與人工智能
參考文獻
第8章　進化樹與新冠肺炎
8.1　概述
8.1.1　進化樹簡介
8.1.2　新冠肺炎的進化關(guān)系研究現(xiàn)狀
8.2　常用進化樹構(gòu)建算法和軟件
8.2.1　常用進化樹構(gòu)建算法
8.2.2　系統(tǒng)發(fā)育樹常用的軟件包介紹
8.3　進化樹在新冠肺炎中的應用
8.3.1　分析基因組序列基本信息為新冠肺炎溯源
8.3.2　構(gòu)建新冠肺炎進化過程以研究變異趨勢
8.3.3　由進化樹中得到新冠肺炎防控措施的啟發(fā)
參考文獻
第9章　基于時空軌跡信息保障安全復工的疫情防控關(guān)鍵技術(shù)
9.1　背景與意義
9.2　當前時空大數(shù)據(jù)系統(tǒng)存在的問題
9.2.1　數(shù)據(jù)共享有待進一步加強
9.2.2　數(shù)據(jù)資源質(zhì)量不高
9.2.3　信息孤島問題突出
9.2.4　數(shù)據(jù)運算存在誤差
9.2.5　個人信息安全隱憂
9.3　技術(shù)路線與特色
9.4　系統(tǒng)介紹
9.5　關(guān)鍵技術(shù)
9.5.1　社交網(wǎng)絡(luò)匿名保護技術(shù)
9.5.2　數(shù)據(jù)水印技術(shù)
9.5.3　數(shù)據(jù)溯源技術(shù)
9.5.4　角色挖掘
9.5.5　風險自適應的訪問控制
參考文獻
第10章　抗擊疫情下的數(shù)據(jù)隱私保護與隱私保護下的聯(lián)邦學習
10.1　抗擊疫情下的數(shù)據(jù)隱私保護
10.1.1　醫(yī)療數(shù)據(jù)隱私風險巨大
10.1.2　醫(yī)療數(shù)據(jù)常見的隱私保護策略
10.1.3　疫情大數(shù)據(jù)下的隱私保護
10.2　數(shù)據(jù)隱私保護下的疫情大數(shù)據(jù)聯(lián)邦學習
10.2.1　面向數(shù)據(jù)質(zhì)量差異的聯(lián)邦學習
10.2.2　面向數(shù)據(jù)個性化的聯(lián)邦學習
參考文獻
第11章　“村醫(yī)通 云端醫(yī)院”筑牢農(nóng)村防疫網(wǎng)
11.1　普及“村醫(yī)通”，全民戰(zhàn)疫聚合力
11.2　借助互聯(lián)網(wǎng)醫(yī)院，遠程醫(yī)療降風險
11.3　啟動“云門診”，網(wǎng)上問診惠民生
11.4　嚴防嚴控，正常診療零感染
11.5　升級縣域健康保障
第12章　東華醫(yī)為助力疫情防控
12.1　東華醫(yī)為云HIS系統(tǒng)
12.2　基于5G技術(shù)的遠程醫(yī)療
12.3　影像識別助力新冠病毒的智能診斷
12.4　新冠肺炎診斷知識圖譜助力抗疫
12.4.1　使命召喚齊上陣，打好知識戰(zhàn)“疫”
12.4.2　信息匯聚上云端，輔助疫情防控
12.4.3　知識結(jié)構(gòu)化索引，助力疫情診療
12.4.4　臨床決策支持系統(tǒng)，提升醫(yī)生工作效率
12.5　智能語音交互系統(tǒng)
12.5.1　系統(tǒng)特色
12.5.2　系統(tǒng)應用場景及功能介紹
12.6　患者管理平臺在疫情中的應用
12.6.1　系統(tǒng)應用場景及功能介紹
12.6.2　系統(tǒng)特色
第13章　基于智能感知與數(shù)據(jù)處理的疫情監(jiān)測預警系統(tǒng)
13.1　智能感知
13.1.1　體溫感知
13.1.2　數(shù)據(jù)接入
13.2　智能數(shù)據(jù)處理與決策
13.2.1　算法建模與封裝
13.2.2　大數(shù)據(jù)平臺架構(gòu)
參考文獻
第14章　中山眼科中心互聯(lián)網(wǎng)人工智能義診助力抗擊疫情
14.1　規(guī)范眼科互聯(lián)網(wǎng)醫(yī)院線上問診及開具處方
14.1.1　開設(shè)眼科互聯(lián)網(wǎng)醫(yī)院服務(wù)醫(yī)療機構(gòu)資質(zhì)及業(yè)務(wù)范圍
14.1.2　從事眼科互聯(lián)網(wǎng)診療醫(yī)師資質(zhì)
14.1.3　眼科互聯(lián)網(wǎng)診療病種
14.1.4　在線開具眼科處方規(guī)范1
14.2　發(fā)揮人工智能在互聯(lián)網(wǎng)眼科診療中的積極作用
14.2.1　人工智能在線問答
14.2.2　人工智能在線疾病輔助診斷
14.2.3　人工智能 移動遠程會診
14.3　眼科互聯(lián)網(wǎng)人工智能模式下患者指引
14.4　鼓勵建立眼病智能防治區(qū)域聯(lián)盟
第15章　中醫(yī)新冠肺炎智能輔助診斷系統(tǒng)
15.1　研究背景和意義
15.2　醫(yī)案大數(shù)據(jù)及大規(guī)模中醫(yī)診斷知識庫
15.2.1　中醫(yī)醫(yī)案大數(shù)據(jù)
15.2.2　大規(guī)模中醫(yī)診斷知識庫
15.3　數(shù)據(jù)知識驅(qū)動下中醫(yī)專病智能輔助診斷系統(tǒng)
15.3.1　數(shù)據(jù)驅(qū)動的專病診斷推薦機器學習技術(shù)
15.3.2　中醫(yī)診斷知識圖譜驅(qū)動下的中醫(yī)診斷推理技術(shù)
15.3.3　專病知識庫驅(qū)動下的專病輔助診斷技術(shù)
15.3.4　中醫(yī)專病智能輔助診斷系統(tǒng)
15.4　中醫(yī)新冠肺炎智能輔助診斷系統(tǒng)
第16章　Airdoc人工智能助力企業(yè)抗疫復工兩手抓
16.1　人工智能助力復工風險排查
16.2　信息安全有保障，技術(shù)領(lǐng)先顯身手
16.3　風險評測為先，分級防控在后
16.3.1　高風險員工
16.3.2　中風險員工
16.3.3　低風險員工