- 疾病诊疗策略优化方法--基于深度强化学习(精)
- - 作者：李登峰//李天皓//张倩|责编:邓娴
  - 出版社：科学
  - ISBN：9787030804051
  - 出版日期：2024/12/01
  - 页数：143
- 售价：47.2

内容大纲
本书是一部着重阐述以深度学习与强化学习为代表的人工智能技术在医疗领域应用的学术专著。在简单介绍机器学习、深度学习、强化学习、多智能体强化学习、深度强化学习、生成对抗网络等理论与方法的基础上，着重阐述生成对抗网络可解释性深度学习的患者死亡风险预测算法、多疾病诊断关联分析算法、多疾病诊疗策略优化的多智能体并行合作与层级合作强化学习算法等。通过典型的具体实验设计，详细介绍电子健康记录驱动的深度学习与多智能体强化学习对疾病诊疗策略优化的完整过程，并对所提出的疾病诊疗策略优化算法的有效性、优越性进行对比研究与验证分析。
本书可供管理科学、人工智能、智慧医疗、信息系统、系统工程、公共卫生、智能决策科学等学科或专业的教师、博士后、博士研究生、硕士研究生等作为学术、科研的参考书或辅助教材。
作者介绍
目录
第1章  机器学习、深度学习与强化学习
  1.1  机器学习
  1.2  深度学习
  1.3  强化学习
  1.4  多智能体强化学习
  1.5  深度强化学习
第2章  生成对抗网络可解释性深度学习的患者死亡风险预测
  2.1  电子健康记录概述
  2.2  生成对抗网络可解释性的患者死亡风险预测研究背景
  2.3  生成对抗网络可解释性深度学习的患者死亡风险预测模型
  2.4  实验数据集及患者队列预处理
  2.5  生成模型数据及生成数据质量对比分析
  2.6  生成对抗网络的数据扩充比例稳健性分析
  2.7  可解释性深度学习算法讨论
第3章  多疾病诊断关联分析算法
  3.1  多疾病诊断问题
  3.2  电子健康记录驱动的多疾病关联分析
  3.3  临床文本报告驱动的多疾病病情缓急顺序诊断
第4章  电子健康记录驱动的深度强化学习疾病治疗策略优化
  4.1  电子健康记录驱动的深度强化学习疾病治疗策略优化问题
  4.2  电子健康记录驱动的深度强化学习算法
  4.3  电子健康记录驱动的强化学习实验环境构建
  4.4  电子健康记录驱动的强化学习实验结果分析
第5章  多智能体并行合作的多疾病连续治疗决策
  5.1  多疾病连续治疗决策问题
  5.2  多疾病连续治疗的马尔可夫决策建模
  5.3  多智能体联合动作价值的表示方法
  5.4  多智能体并行合作的多疾病连续治疗决策模型
  5.5  多智能体并行合作的多疾病连续治疗决策模型实验设计
  5.6  多智能体并行合作的多疾病连续治疗决策模型实验结果分析
第6章  多智能体层级合作的多疾病连续治疗决策
  6.1  多智能体层级合作的多疾病连续治疗决策建模
  6.2  多智能体层级合作的分层决策方法
  6.3  多智能体层级合作的多疾病连续治疗决策模型
  6.4  多智能体层级合作的多疾病连续治疗决策模型实验结果分析
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目