第13章 行业应用案例-医学行业
- 1第1章 人工智能的发展与前沿趋势
- 2第2章 政策法规与职业标准
- 3第3章 伦理约束与版权边界
- 4第4章 岗位全面解析与算法基础
- 5第5章 人工智能核心技术-自然语言处理
- 6第6章 人工智能核心技术-视觉处理
- 7第7章 人工智能核心技术-机器学习到深度学习
- 8第8章 系统设计及工程实践能力培养
- 9第9章 人工智能应用场景
- 10第10章 工具学习与学习资源
- 11第11章 本地部署方法教学
- 12第12章 行业应用案例-教育行业
- 13第13章 行业应用案例-医学行业本文
- 14第14章 行业应用案例-金融行业
- 15第15章 编程应用基础-Python
- 16第16章 编程应用基础-开发实战
- 17第17章 编程应用基础-开发实战
- 18第18章 办公应用-1
- 19第19章 办公应用-2
- 20第20章 AI变现-1
- 21第21章 AI变现-2
人工智能第十三章 课程练习题(含答案解析)
一、单选题
1. 人工智能概念最早是在哪一年被提出的?
- A. 1946 年
- B. 1956 年
- C. 1966 年
- D. 1976 年
答案: B
解析: 人工智能概念于 1956 年在达特茅斯会议上被正式提出,这为医学人工智能发展奠定了基础。
2. 医学人工智能发展的第一阶段主要是基于什么的专家系统?
- A. 深度学习
- B. 机器学习
- C. 规则推理
- D. 神经网络
答案: C
解析: 早期开发的基于规则的专家系统,通过存储医学知识和经验,根据规则推理判断来分析病情,但规则难以涵盖所有情况,存在局限性。
3. 医学人工智能进入快速发展阶段是在哪个时期?
- A. 1960 年代-1980 年代
- B. 1970 年代-1990 年代
- C. 1990 年代-2010 年代
- D. 2010 年代至今
答案: C
解析: 1990 年代到 2010 年代是医学人工智能的快速发展阶段,机器学习算法兴起,广泛应用于医学影像分析、疾病预测等领域。
4. 达芬奇手术机器人的主要优势是什么?
- A. 完全取代医生
- B. 实现微创精细手术
- C. 降低手术成本
- D. 加快手术速度
答案: B
解析: 达芬奇手术机器人通过人手操控机器臂,可将动作缩小到几毫米级别,图像放大数十倍,实现微创精细手术,减少出血量和伤害。
5. 人工智能辅助诊断系统在肺癌早期诊断中,诊断率可高达多少?
- A. 70%
- B. 80%
- C. 90%
- D. 95%
答案: C
解析: 课程提到人工智能辅助诊断系统在肺癌的早期诊断中,诊断率可高达 90%,误诊率能够降低 30%,有助于早期发现和治疗。
6. 传统药物研发从发现到上市平均需要多长时间?
- A. 5-8 年
- B. 8-10 年
- C. 10-15 年
- D. 15-20 年
答案: C
解析: 传统药物研发从药物发现到最终上市平均需要 10-15 年时间,花费资金高达数十亿美元,且研发失败率较高。
7. 课程中提到的智能穿戴设备在医学教育中的主要应用是?
- A. 远程手术
- B. 虚拟解剖教学
- C. 药物研发
- D. 病例管理
答案: B
解析: 智能穿戴设备(VR/AR)可以让学生通过虚拟现实进行虚拟解剖教学,解决大体老师不足的问题,同时可以层层剖析器官组织结构。
8. 医学人工智能面临的最大伦理问题是?
- A. 技术不成熟
- B. 数据不足
- C. 责任归属界定
- D. 成本过高
答案: C
解析: 伦理问题主要体现在责任归属上——诊断错误或治疗错误时,责任是医生的、AI 公司的还是医院的?这需要明确的责任界定和法律规范。
9. 课程中提到的 Google DeepMind 在医学领域的著名应用是?
- A. 药物研发
- B. 眼底图像分析
- C. 手术机器人
- D. 基因分析
答案: B
解析: Google DeepMind 通过分析眼底图像数据,能够检测青光眼、糖尿病视网膜病变等眼部疾病,AlphaGo 系统在肺癌早期诊断中可将诊断率提高 20%。
10. 在百度飞桨平台部署中医新冠模型时,遇到的主要硬件问题是?
- A. CPU 不足
- B. 内存不足
- C. 显存不足
- D. 硬盘空间不足
答案: C
解析: 部署过程中 16G 显存不够用,训练时出现内存溢出,需要将 batch size 从 4 减到 2 甚至更小,最终换用 32G 显存设备才成功运行。
11. 在百度飞桨平台部署项目时,遇到数据集路径错误应如何解决?
- A. 重新下载数据
- B. 使用绝对路径
- C. 重启服务器
- D. 更换浏览器
答案: B
解析: 课程中遇到路径错误时,通过使用完整绝对路径替代相对路径解决问题。可以将错误信息直接发给 AI 助手(如豆包)来辅助定位问题。
12. 课程中提到的可灵 AI 主要用于什么?
- A. 语音识别
- B. 文生图/图生视频
- C. 药物研发
- D. 病例分析
答案: B
解析: 可灵 AI 用于文生图和图生视频操作,可以将静止的画作通过描述让画面动起来,消耗灵感值进行生成。
13. 人工智能在健康管理中的实时监测主要依赖什么设备?
- A. CT 扫描仪
- B. 智能穿戴设备
- C. 手术机器人
- D. MRI 设备
答案: B
解析: 智能穿戴设备(如手表、手环)可以实时监测心率、血压等生理数据,出现异常时及时预测报警,后台医疗团队和 AI 团队配合提供健康支持。
14. 课程提到的智能导诊系统类似于前文讲过的什么技术?
- A. MOE 系统
- B. CNN
- C. GAN
- D. KNN
答案: A
解析: 课程将 AI 导诊系统类比为 DeepSeek 的 MOE(混合专家)系统——为每个病例匹配合适的专科专家,避免患者排错队浪费时间。
15. 百度飞桨平台免费版本每天提供多少 GPU 免费额度?
- A. 4 小时
- B. 6 小时
- C. 8 小时
- D. 12 小时
答案: C
解析: 百度飞桨平台每天提供 8 小时的免费 GPU 额度,付费版本一个月约十几二十元,可使用 1000 个算力点。
16. 医学人工智能未来在眼科领域的主要应用是?
- A. 视力矫正
- B. 眼底图像分析诊断
- C. 眼科手术
- D. 配镜推荐
答案: B
解析: 通过分析眼底图像和眼压数据,准确诊断青光眼、糖尿病视网膜病变等眼部疾病,80%的信息来自视觉,眼部疾病不可逆,需要早期发现。
17. 在百度飞桨平台部署时,batch size 调整的作用是?
- A. 提高模型精度
- B. 减少显存占用
- C. 加快训练速度
- D. 改善模型结构
答案: B
解析: 当显存不足时,减小 batch size(从 4 减到 2 甚至更小)可以降低显存占用,但会牺牲一定的训练效率。
18. 医学人工智能在病例分析中主要使用什么技术提取关键信息?
- A. 深度学习
- B. 自然语言处理
- C. 计算机视觉
- D. 强化学习
答案: B
解析: 使用自然语言处理技术从病例文档中提取关键信息,按照疾病类型、症状等进行分类,为后续分析和个性化治疗方案提供基础。
19. 课程提到的 Darloitty 智能医疗助手能将患者就医等待时间缩短多少?
- A. 10 分钟
- B. 20 分钟
- C. 30 分钟
- D. 60 分钟
答案: C
解析: Darloitty 智能医疗助手集成患者信息管理和医护工作安排功能,能将患者就医等待时间缩短 30 分钟,医护人员工作时间减少 50%。
20. 百度飞桨平台部署项目时,推荐使用什么环境来执行命令?
- A. CMD
- B. PowerShell
- C. Git Bash
- D. Windows Terminal
答案: B
解析: 课程提到 Naconda 命令行有些命令执行不太方便,推荐在指定路径下打开 PowerShell 来执行安装和部署命令。
二、多选题
1. 医学人工智能发展的三个阶段包括哪些?
- A. 基于规则的专家系统阶段
- B. 机器学习快速发展阶段
- C. 智能辅助决策阶段
- D. 完全自主诊断阶段
答案: ABC
解析: 三个阶段为:早期基于规则的专家系统、1990-2010 年机器学习快速发展阶段、2010 年至今的智能辅助决策阶段。完全自主诊断尚未实现。
2. 人工智能在医学影像诊断中应用到的技术包括哪些?
- A. 深度学习
- B. 图像识别技术
- C. 自然语言处理
- D. 自动化影像分析流程
答案: ABD
解析: 医学影像诊断主要使用深度学习与图像识别技术自动识别病变特征,并优化影像分析流程进行筛查。自然语言处理主要用于病例文本分析。
3. 人工智能在药物研发中的参与环节包括哪些?
- A. 药物筛选与设计
- B. 优化药物合成路线
- C. 药物测试与评估
- D. 药物销售推广
答案: ABC
解析: AI 参与药物筛选与设计(筛选潜在药物分子)、优化合成路线(找到最优合成路线)、药物测试与评估(模拟实验减少动物实验)。药物销售推广不属于研发环节。
4. 医学人工智能面临的挑战包括哪些?
- A. 数据安全与隐私保护
- B. 技术成熟度问题
- C. 伦理与责任归属
- D. 模型解释性差
答案: ABCD
解析: 四大挑战:医学数据敏感需要保护隐私、复杂病症诊断缺少训练数据、伦理上责任归属不明确、模型解释性差难以针对个别病例给出解释。
5. 在百度飞桨平台部署中医新冠模型时,遇到的常见问题有哪些?
- A. 数据集路径错误
- B. 显存不足
- C. 依赖包安装失败
- D. 模型下载不完整
答案: ABCD
解析: 部署过程中遇到了:数据集路径需改为绝对路径、16G 显存不足需换 32G 设备、依赖包安装问题、模型下载不完整需等待完成等多种问题。
6. 人工智能在健康管理方面的应用包括哪些?
- A. 实时健康监测
- B. 个性化健康建议
- C. 健康干预和管理
- D. 自动开处方药
答案: ABC
解析: 健康管理应用包括:智能穿戴设备实时监测生理数据、根据生活习惯提供饮食运动建议、发现健康问题及时干预。自动开处方药需要医生参与,AI 不能独立完成。
7. 课程中提到的医学人工智能应用案例包括哪些?
- A. Google DeepMind 眼底图像分析
- B. 达芬奇手术机器人
- C. Darloitty 智能医疗助手
- D. 智能疾病预测机器人
答案: ABCD
解析: 课程提到的案例包括:Google DeepMind/AlphaGo 用于肺癌和眼底诊断、达芬奇手术机器人微创手术、Darloitty 智能医疗管理助手、智能医疗机器人进行疾病预测。
8. 应对医学人工智能挑战的策略包括哪些?
- A. 加强算法模型研究
- B. 建立海量高质量医学数据库
- C. 加强伦理和法律监管
- D. 完全停止 AI 医疗应用
答案: ABC
解析: 应对策略:加强算法研究建立高质量数据库(探索量子计算、区块链技术)、加强伦理法律监管明确责任界定、加强推广应用和培训。不能因噎废食停止应用。
9. 百度飞桨平台部署项目时,可以使用哪些方式运行?
- A. 平台云端服务器直接运行
- B. 本地 Naconda 环境运行
- C. PowerShell 环境部署
- D. 手机 APP 运行
答案: ABC
解析: 可以在百度飞桨平台云端直接运行(适合演示和教学),也可以在本地通过 Naconda 命令行或 PowerShell 部署运行。手机 APP 不适合运行此类项目。
10. 医学人工智能未来发展趋势包括哪些?
- A. 多模态数据融合
- B. 基因分析与个性化医疗
- C. 智能医疗管理一体化
- D. 取代所有医生
答案: ABC
解析: 未来趋势:多模态融合(影像+基因+电子病例)、基因分析实现个性化医疗(从根源解决遗传问题)、智能医疗管理一体化(全周期健康管理)。AI 不会取代所有医生,而是辅助医生。
三、简答题
1. 请阐述医学人工智能发展三个阶段的特点。
参考答案: 第一阶段(早期):基于规则的专家系统,存储医学知识和经验,根据规则推理判断,但规则难以涵盖所有情况,存在局限性。第二阶段(1990-2010 年):机器学习算法兴起,应用于医学影像分析、疾病预测和个性化治疗。机器学习用于分析 X 光片、CT、MRI 等影像,帮助检测肿瘤和识别疾病标志物。第三阶段(2010 年至今):智能辅助决策阶段,出现智能辅助决策系统、手术机器人(达芬奇系统)、远程医疗、智能穿戴设备等,综合患者数据和医学研究提供全面诊断治疗意见。
2. 人工智能在医学影像诊断中有哪些优势?
参考答案:
1. 提高诊断准确性:通过深度学习算法自动识别病变特征,如准确检测肺部小结节判断是否早期肺癌,诊断率高达 90%,误诊率降低 30%。
2. 提高工作效率:短时间内完成大量影像分析,自动化筛查流程,减少人工操作,让医生从重复性劳动中解放出来。
3. 优化服务流程:先由 AI 筛查出有问题的影像交由人工分析,明显的自动处理,提升整体服务质量。
4. 早期发现:帮助患者早发现早治疗,争取宝贵的治疗时间。
支持与分享
如果这篇文章对你有帮助,欢迎分享给更多人或打赏支持!












