医学机器学习和深度学习基
础
[ 美] 礼萨·博尔哈尼（Reza Borhani）
[ 美] 索海拉·博尔哈尼（Soheila Borhani）
主
编
[ 美] 阿格洛斯·K. 卡萨格洛斯（Aggelos K. Katsaggelos）
武剑主译
清华大学出版社
北京
Yxjzw1-4.indd 1
2026/10/12 14:13:18
内容简介
本书聚焦机器学习与深度学习在医学领域的应用，结合大量真实临床与科研落地案例，
系统讲解医学人工智能的核心原理与实用知识。全书避开复杂烦琐的数学推导，以通俗直
白的语言拆解技术逻辑，充分贴合医学人员的知识基础，读者仅需本科阶段基础数学储备，
无需高阶数学与计算机前置功底即可读懂。同时，本书立足医学科研人员与医务工作者的
核心需求，弥补对医学从业者适配性差的短板，帮助医学生、临床从业者与科研人员快速
掌握医学AI 技术，厘清模型内在逻辑，规避自动化偏见等临床使用风险，助力其适应医
学智能化转型，夯实医学人工智能方向的科研与临床应用能力。
北京市版权局著作权合同登记号图字：01-2025-5477
First published in English under the title
Fundamentals of Machine Learning and Deep Learning in Medicine.
by Reza Borhani、Soheila Borhani、Aggelos K. Katsaggelos
Copyright . Soheila Borhani, Reza Borhani and Aggelos K. Katsaggelos, under exclusive license
to Springer Nature Switzerland AG 2022.
This edition has been translated and published under licence from Springer Nature Switzerland AG.
本书封面贴有清华大学出版社防伪标签，无标签者不得销售。
版权所有，侵权必究。举报：010-62782989，beiqinquan@tup.tsinghua.edu.cn。
图书在版编目（CIP ）数据
医学机器学习和深度学习基础 / ( 美) 礼萨· 博尔哈尼 (Reza Borhani), ( 美) 索海拉·
博尔哈尼 (Soheila Borhani), ( 美) 阿格洛斯· K. 卡萨格洛斯(Aggelos K.Katsaggelos) 主编 ;
武剑主译. —
—
北京 : 清华大学出版社, 2026. 9. —— ISBN 978-7-302-72755-2
Ⅰ. R-058
中国国家版本馆CIP 数据核字第20262MS040
号
责任编辑：吴洁
封面设计：钟达
责任校对：李建庄
责任印制：刘
出版发行：清华大学出版社
网 址：https://www.tup.com.cn，https://www.wqxuetang.com
地 址：北京清华大学学研大厦A 座邮 编：100084
社总机：010-83470000 邮 购：010-62786544
投稿与读者服务：010-62776969, c-service@tup.tsinghua.edu.cn
质量反馈：010-62772015, zhiliang@tup.tsinghua.edu.cn
印装者：天津鑫丰华印务有限公司
经销：全国新华书店
开本：165mm×235mm 印张：13.25 字数：190 千字
版次：2026 年10 月第1 版印次：2026 年10 月第1 次印刷
定价：99.00 元
产品编号：114616-01
Yxjzw1-4.indd 2
2026/10/12 14:13:18
原书主编简介
礼萨·博尔哈尼
美国伊利诺伊州埃文斯顿市
西北大学电气与计算机工程系
索海拉·博尔哈尼
美国得克萨斯州休斯顿市
得克萨斯大学健康科学中心生物医学信息学系
阿格洛斯·K. 卡萨格洛斯
美国伊利诺伊州埃文斯顿市
西北大学电气与计算机工程系
Yxjzw1-4.indd 1
2026/10/12 14:13:18
Yxjzw1-4.indd 2
2026/10/12 14:13:18
译者简介
武剑
清华大学长聘教授、博士生导师、主任医师，
清华大学医疗管理学院院长。
作为我国神经病学领域知名临床专家和医疗
管理领域战略科学家，长期致力于脑血管病诊疗
技术创新研究，积极推动医学与人工智能、信息
技术的深度融合，并参与智慧医疗体系构建及现
代医院管理改革工作。
作为我国神经血管介入领域的开拓者和引领
者，率先在国内开展自膨式支架治疗弓上动脉狭窄技术，并发表首例自膨式
颈动脉支架置入术治疗病例报告。在脑血管病领域创新性提出“血管内诊疗
卒中单元”概念，通过整合血管造影、溶栓及支架置入等技术，建立了脑血
管病一体化诊疗新范式。牵头构建脑卒中智慧防治网络体系，主持研发国内
首个脑血管病专病AI 大模型，开创性地将人工智能技术应用于脑血管病全流
程管理，显著提升诊疗精准度与效率，相关成果获多项国家发明专利授权。
基于深厚的临床积淀与前沿技术洞察，研究范畴延伸至现代医院管理与
医疗体系改革领域，成功将临床经验转化为管理创新成果。主导医院管理标
准化建设，推动“数智医疗”在脑卒中防治等重大公共卫生项目中的示范应用。
作为首席科学家主持国家重点研发计划、国家自然科学基金等多项国家
级重大项目；在SCI 及核心期刊发表学术论文200 余篇，主编多部学术专著。
带领团队构建了覆盖超千万人口的脑血管病智慧防治网络，实现了从个体化
精准诊疗到区域化、智能化健康管理的体系性跨越，展现了其连接临床医学、
技术创新与科学管理，持续驱动医疗体系变革的战略科学家价值。
主要职务:
清华大学/IDG-麦戈文脑科学研究院研究
员
北京清华长庚医院神经中心主
任
Yxjzw1-4.indd 3
2026/10/12 14:13:19
Yxjzw1-4.indd 4
2026/10/12 14:13:19
谨以此书献给我们的家人：
玛丽亚姆、阿里
艾琳娜、佐伊、索菲亚、亚当
Yxjzw1-4.indd 5
2026/10/12 14:13:19
Yxjzw1-4.indd 6
2026/10/12 14:13:19
译者名单
主译：武剑
译者：（按姓氏拼音排序）
高策舒
李淼
刘洋
闾海荣
马为之
吴及
张学工
Yxjzw1-4.indd 7
2026/10/12 14:13:19
Yxjzw1-4.indd 8
2026/10/12 14:13:19
Foreword
From Rules to Reason:
Navigating the New Frontier of Medical AI
Medicine is about the human being and has always been more complex than
the data and the elegant equations that define much of mathematics. Disease rarely
follows simple linear rules. Disease arises from the interaction of genetics, the environment,
a person’s behaviour and the culture of the community. For a long time,
our ability to understand this complexity is limited.
That is now changing in the era of AI. We now generate enormous volumes
of clinical data—electronic health records, imaging, continuous monitoring of biomarkers
and multi-omic profiles. In AI, machine learning and deep learning are
techniques that offer ways to extract patterns from these data that were previously
inaccessible.
This book, “Fundamentals of Machine Learning and Deep Learning in Medicine”,
provides a clear and rigorous introduction to the core concepts. Reza Borhani,
Soheila Borhani and Aggelos K. Katsaggelos explain the essential architectures—
from linear models to convolutional and recurrent networks—in a way that is accessible
to clinicians and researchers without requiring advanced mathematical training.
It is a timely foundation for those who need to understand both the capabilities
and the limits of these methods.
We are moving beyond narrow, task-specific algorithms toward more general
Yxjzw1-4.indd 9
2026/10/12 14:13:19
foundation models that can adapt across diseases, data types and clinical settings.
Synthetic data is helping address shortages and privacy constraints. Large-scale
applications in population health, including efforts in China, are beginning to show
how these tools can support more inclusive and rigorous research.
However, new risks are emerging. Generative models and large language mod
els (LLM) and autonomous agentic systems produce outputs that are not confined to
fixed rules and labels. Hallucinations, bias and recommendations that drift from evidence
are real concerns. Integrating these models and systems into clinical care will
require stronger governance: careful validation, guardrails, continuous monitoring
and a clear focus on patient outcomes.
This Chinese translation makes these ideas available to a wider audience at an
important moment for medical AI in China and beyond. I hope readers will find it a
useful and practical guide.
The value of AI will ultimately be measured not by technical performance
alone, but by whether they improve clinical decisions, patient care and bring value
to the society and humanity. Understanding the fundamentals of AI, which this book
brings, is the necessary first step.
Professor Wong Tien Yin
MBBS, MMED (Ophth), MPH, PhD, FRCSE, FRANZCO, FRCOph, FAMS, FNAI,
FAHMS, FRS
Professor & Senior Vice Chancellor, Tsinghua Medicine
Vice Provost, Tsinghua University, Beijing, China
Senior Advisor, Singapore National Eye Center and SingHealth, Singapore
10
Yxjzw1-4.indd 10
2026/10/12 14:13:19
Fellow, UK Royal Society
Fellow, Singapore National Academy of Science
Foreign Member, US National Academy of Medicine
Foreign Fellow, Australia Academy of Health and Medical Science
Fellow, US National Academy of Inventors
June 2026
11
Yxjzw1-4.indd 11
2026/10/12 14:13:19
Yxjzw1-4.indd 12
2026/10/12 14:13:19
前 言
医学的进步，从来不止是新技术的发明突破，更在于新技术如何嵌入纷
繁复杂的医疗体系，真正落地惠及患者。我自身经历了从临床一线到医疗管
理岗位的转变，愈发体会到：医学人工智能的实际价值，从来不止取决于算
法模型的性能上限，更取决于我们能否以系统化思维，把技术安全、稳妥地
融入真实临床业务场景。
当下，医学正经历一场认知范式的深刻重塑。海量医学数据与智能算法，
重构了从信息采集、证据研判到临床决策的完整链条。这场变革，也给医疗
管理者带来全新命题：我们不能仅仅停留于知晓Al“具备哪些能力”，更要站
在系统治理的高度，搭建适配智能技术的数据治理规则、人才培育机制、质
量评价体系与风险防控规范。倘若医疗管理者对机器学习、深度学习的底层
逻辑缺少基本认知，那么在技术遴选、项目落地、成效考评环节就很难做出
理性判断：要么盲目追捧技术，忽视潜在临床风险；要么过度审慎保守，错失
借助智能化手段改善医疗服务质量的机遇。
站在医疗管理的维度看，新技术落地绝非一条平顺的直线。临床端直面
鲜活的个体患者、有限的医疗资源、千差万别的个体疾病表型；而管理层面，
则需要在成本投入、医疗安全、临床实效三者之间求取平衡，在鼓励创新发
展和严守监管规范之间把握尺度。医学AI 的引进，绝不是简单上线一套软件
系统，它牵一发而动全身：涉及临床业务流程重构、医务人员能力迭代、多
源医学数据标准统一，同时还要妥善回应衍生而出的伦理、合规与法律风险。
想要在眼花缭乱的商业宣传、良莠不齐的学术成果当中，分辨技术的成熟度，
甄别工具是否适配本院、本地区的实际业务场景，前提就是管理者对AI 技术
内核建立基本认知。
Yxjzw1-4.indd 13
2026/10/12 14:13:19
医学机器学习和深度学习基础
14
这正是我们牵头翻译《医学机器学习与深度学习基础》一书的初心。目
前市面上绝大多数人工智能专著面向计算机工程师群体，真正面向医务工作
者的入门读本十分稀缺。原著三位作者立足医学应用视角，摒弃繁复艰深的
数学推演，用通俗直白的表述拆解核心概念与算法逻辑，搭建起贴合临床与
管理决策需求的知识体系。全书由线性回归、线性分类这些基础模型讲起，
循序渐进介绍特征工程、多层神经网络、卷积神经网络、循环神经网络，最
后拓展至强化学习，完整覆盖医学AI 主流技术框架。阅读门槛设置友好，这
对于时间精力十分紧张的临床医师、医院管理者而言格外珍贵。
我由衷希望这本译著能够搭建起一座跨学科的沟通桥梁，助力广大医院
管理者、临床学科带头人、卫生健康政策从业者打破专业壁垒，读懂医学人
工智能的底层运行逻辑，为整个医疗体系的智能化转型夯实知识储备。人工
智能未来会成为现代医疗不可或缺的基础设施，而基础设施建设的成色，根
植于从业者对技术本身的理解深度。只有技术创新与医疗管理双向协同、齐
头并进，人工智能才能真正赋能医疗卫生事业，最终惠及每一位患者。
主任医师、教授
清华大学医疗管理学院院长
2026 年6 月
Yxjzw1-4.indd 14 2026/10/12 14:13:19
原书前言
不久前，机器学习与深度学习还只是计算机科学和统计学领域内，仅
为少数人熟知的深奥研究方向。时至今日，这些技术已然渗透到学术研究的
各个领域，医学领域也不例外。从医学影像的自动分割、疾病诊断、临床结
局预测，到临床试验的患者招募工作，机器学习与深度学习模型的应用成效
已比肩甚至在部分场景超越人类专业水平。这一系列突破性进展引发了医疗
领域学术界与产业界的广泛关注，众多从业者纷纷呼吁优化现有医学教育课
程体系，助力学生适配医学领域从“信息时代”向“人工智能时代”的转型
变革。
随着机器学习与深度学习逐步被纳入医学及健康相关专业的教学体系，
一个关键问题也随之凸显：该领域的技术应用，无需使用者完全掌握其内部
工作原理，那么这类课程应该设置怎样的教学深度？举例来说，诊断医生无
需掌握磁共振设备的内部磁场生成原理，即可精准解读影像检查结果；同样，
外科医生无需掌握机器人手术系统的搭建、维修与保养知识，也能熟练开展
手术。但我们认为，人工智能在医学中的应用并非如此。以肿瘤专家为例，
他们不应仅仅是为癌症患者推荐最佳治疗方案的机器学习模型使用者，更需
要了解这些模型的工作原理，理想情况下还应积极参与模型的开发迭代过程。
如若不然，必然会出现两类极端问题：要么医生盲目采集模型输出的建议，
陷入极具风险的自动化认知偏见；要么对这类建议持怀疑否定态度并予以忽
视，导致患者错失依托数百万样本数据训练的智能模型所能带来的治疗获益。
得益于机器学习与深度学习的热潮，市场上涌现出大量相关工具书。然
而，这些书籍大多由数学专家和工程师编写，面向的读者群体也以同类专业
人士为主，并未针对医学生、医学研究人员和从业者的特定教育需求量身定制。
换句话说，它们的表述方式对于通常缺乏研究生阶段数学和计算机科学系统
Yxjzw1-4.indd 15
2026/10/12 14:13:19
医学机器学习和深度学习基础
16
训练的普通医学从业者而言，门槛过高、难以理解。近60 年前，英国著名医
学科学家哈罗德·珀西瓦尔·希姆斯沃思爵士，就在1964 年生物与医学数学
及计算机科学会议的开幕致辞中点明了这一跨领域难题：“医学生物学家、数
学家、物理学家和计算机科学家的认知体系，或许比我们想象的有更多共通
之处，但他们确实用着截然不同的专业话语，秉持着差异化的研究角度。对
于医学研究这样的交叉学科而言，这并非新问题。要解决这一问题并实现必
要的合作，关键在于各方互通专业话语、读懂彼此的研究逻辑。”
本书正是践行这一理念而编撰，旨在为读者提供通俗易懂的医学机器学
习与深度学习入门知识。全书立足医学研究人员和医务工作者的需求，精选
医学及相关领域的机器学习应用案例；同时，力求通过直观易懂的文字阐述，
摒弃晦涩抽象的数学形式化表达，剥离机器学习与深度学习概念中冗余的复
杂表述。读者只需具备本科阶段基础数学课程（如生物统计学、微积分）的
知识储备，无需其他先修基础，即可顺利阅读本书。这使得这本入门工具书
适用于各类医学背景的读者——无论是否具备高等数学基础，只要渴望深入
了解这些颠覆性技术如何塑造医学的未来，都能从中有所收获。
美国伊利诺伊州埃文斯顿市礼萨·博尔哈尼
美国得克萨斯州休斯顿市索海拉·博尔哈尼
西北大学电气与计算机工程系阿格洛斯·K. 卡萨格洛斯
Yxjzw1-4.indd 16 2026/10/12 14:13:19
目 录
第一章引言.............................................................................................................
1
一、机器学习流程 ............................................................................................
3
1. 数据收集...............................................................................................
3
2. 特征设计...............................................................................................
4
3. 模型训练...............................................................................................
5
4. 模型测试...............................................................................................
6
二、深入解析机器学习流程 ............................................................................
7
1. 再谈数据收集.......................................................................................
8
2. 再谈特征设计.......................................................................................
8
3. 再谈模型训练.....................................................................................10
4. 再谈模型测试.....................................................................................12
三、机器学习分类体系 ..................................................................................13
四、习题 ..........................................................................................................20
原书参考文献 ..................................................................................................22
第二章医学数据的数学编码...............................................................................25
一、数值型数据 ..............................................................................................25
二、分类型数据 ..............................................................................................28
三、影像数据 ..................................................................................................29
四、时间序列数据 ..........................................................................................33
五、文本数据 ..................................................................................................37
六、基因组数据 ..............................................................................................40
七、习题 ..........................................................................................................42
Yxjzw1-4.indd 17
2026/10/12 14:13:19
第三章基本函数与运算.......................................................................................46
一、数学函数的不同表示形式 ......................................................................46
二、基本函数 ..................................................................................................53
1. 多项式函数.........................................................................................53
2. 倒数函数.............................................................................................54
3. 三角函数与双曲函数.........................................................................54
4. 指数函数.............................................................................................56
5. 对数函数.............................................................................................57
6. 阶跃函数.............................................................................................58
三、基本运算 ..................................................................................................59
1. 函数的基本调整.................................................................................60
2. 函数的加减与乘法运算.....................................................................60
3. 函数复合.............................................................................................61
4. 最大-最小运算..................................................................................63
四、利用基本函数和运算构建复杂函数 ......................................................63
五、习题 ..........................................................................................................65
第四章线性回归...................................................................................................67
一、一维输入的线性回归 ..............................................................................67
二、最小二乘损失函数 ..................................................................................69
三、多维输入的线性回归 ..............................................................................72
四、输入归一化 ..............................................................................................77
五、正则化 ......................................................................................................79
六、习题 ..........................................................................................................82
原书参考文献 ..................................................................................................85
第五章线性分类...................................................................................................86
一、一维输入的线性分类 ..............................................................................86
二、Logistic 函数 ............................................................................................88
18
Yxjzw1-4.indd 18
2026/10/12 14:13:19
三、交叉熵损失函数 ......................................................................................91
四、梯度下降算法 ..........................................................................................93
五、多维输入的线性分类 ..............................................................................98
六、多类别线性分类 ....................................................................................103
七、习题 ........................................................................................................106
原书参考文献 ................................................................................................107
第六章从特征工程到深度学习.........................................................................108
一、非线性回归的特征工程 ........................................................................108
二、非线性分类的特征工程 ........................................................................112
三、特征学习 ................................................................................................114
四、多层神经网络 ........................................................................................118
五、神经网络的优化 ....................................................................................120
六、神经网络的架构设计 ............................................................................121
七、习题 ........................................................................................................124
原书参考文献 ................................................................................................126
第七章卷积神经网络与循环神经网络.............................................................127
一、卷积运算 ................................................................................................129
二、卷积神经网络 ........................................................................................137
三、递推关系 ................................................................................................145
四、循环神经网络 ........................................................................................151
五、习题 ........................................................................................................155
原书参考文献 ................................................................................................158
第八章强化学习.................................................................................................160
一、强化学习的应用场景 ............................................................................160
1. 路径规划AI ......................................................................................160
2. 自动控制...........................................................................................162
3. 游戏AI ..............................................................................................163
19
Yxjzw1-4.indd 19
2026/10/12 14:13:19
4. 机器人自主手术...............................................................................163
5. 放射治疗的自动规划.......................................................................164
二、核心概念 ................................................................................................164
1. 网格世界中的状态、动作与奖励...................................................166
2. 小车倒立摆问题中的状态、动作与奖励.......................................166
3. 国际象棋中的状态、动作与奖励...................................................167
4. 放射治疗规划中的状态、动作与奖励...........................................167
三、数学符号 ................................................................................................167
四、贝尔曼方程 ............................................................................................169
五、基础Q 学习算法....................................................................................170
1. Q 学习的测试阶段 ...........................................................................173
2. Q 学习的参数调优 ...........................................................................176
六、Q 学习的优化改进.................................................................................176
1. 探索与利用的权衡...........................................................................177
2. 短期奖励与长期奖励的权衡...........................................................178
七、处理大规模状态空间问题 ....................................................................180
八、习题 ........................................................................................................182
原书参考文献 ................................................................................................183
原书术语中英文对照（以英文字母为序）..........................................................184
20
Yxjzw1-4.indd 20
2026/10/12 14:13:19
