臨床生理學(增訂版)收錄104~107年國考試題 (1版)

其他會員也一起購買

書名：臨床生理學(增訂版)收錄104~107年國考試題 作者：宋茂林 出版社：合記 出版年份：2018 條碼：9789861263953 臨床生理學(增訂版) 臨床生理學是探討與人體生理診斷及檢查相關之儀器原理與操作的一門學科。本書邀集國內各大醫學院校臨床生理學的教師及學者專家們共同編撰，內容除了心電圖、各種神經學檢查、血液氣體分析、呼吸功能檢查、超音波檢查等主要課程，也包括如睡眠腦波、尿路動力學等新興的生理學檢查，並涵蓋臨床診斷與治療的議題，此次除了更正初版的錯誤及疏漏之外，更於各章末增入104~107年國考試題題庫，讓讀者可藉由豐富的試題演練，掌握應考之重點。本書不僅為醫技系學生實用的必備教科書，亦是醫護相關人員瞭解臨床生理學的最佳指南。 序言 臨床生理學是探討與人體生理診斷及治療相關之儀器、原理、操作的一門學問。這門科學直接牽涉到臨床的診斷及治療的議題，與基礎醫學中的生理學是有所區別的。國內臨床生理學的教育已有50年，教學的內容各校雖不盡相同，但主要課程都包括有心電圖、各種神經學檢查、血液氣體分析、呼吸功能檢查、超音波檢查。在考選部醫事檢驗師執照考試中，臨床生理學命題內容也建議心電圖、各種神經學檢查、血液氣體分析、呼吸功能檢查、超音波檢查這五部分。醫學界有關臨床生理學的書很缺乏，醫技系及醫檢師前輩何敏夫老師著作的臨床生理學是其中最重要的一本。書的內容包括心電圖、呼吸功能、腦波及超音波檢查這四部分。何老師對臨床生理學的教育貢獻卓著，他不只是台灣早期臨床生理學課程的開發者之一，從1992年來他的書都是臨床生理學老師及莘莘學子研讀的經典。 民國九十一年春在中國醫藥大學開了幾次提升全國醫技專科臨床生理學教育計畫會議，與會的都是台灣各大醫學校臨床生理學教師及專家，包括張建國、鄭如茜、鍾楚紅、林孟亮、顏秀娟、宋茂林、何敏夫、楊子芃、李瑤玲、賴明華、張珍琦、鍾兆春、蔡政楒等。會中大家對臨床生理學的課程內容重新做一次完整的檢討，認為在人體可以用儀器測得的生理現象例如視力檢查、聽力檢查、電腦斷層攝影 (CT)、核磁共振 (MRI) 等也都可列入。近年來一些新興的生理學檢查如睡眠腦波、尿路動力學等對臨床診斷及預防保健也證實有很大的助益。在會議中有一項重要的決議，建議大家合力編寫一本臨床生理學的書，做為教學依據，並建議擴充課程內容，積極增取學生未來職場的機會。會議決議將課程內容規劃為十篇，分別為心電圖學、腦波檢查與多項睡眠檢查、神經肌肉疾病的電生理診斷檢查：神經傳導及肌電圖、肺功能檢查、血液氣體分析、超音波檢查、尿路動力學、視力功能檢查、人工腎臟的操作與維護、常見的聽力檢查。 編書是一種艱鉅的工作，編臨床生理學的書更不容易，因為臨床生理學內的每一門學問都很專業，非這領域的專家不易編寫。除了學校的老師外，我們有幸邀請林口長庚醫院神經科醫師呂榮國、亞東紀念醫院臨床病理科主任朱芳業、高雄榮民總院泌尿外科醫師余家政、中國醫藥大學附設醫院耳喉鼻科醫師林嘉德及聽語室組長蕭素燕幫忙編寫，使得本書得以順利完成，甚是感激。 這是一本好書，願與醫界同好共享。唯學識廣博無邊，個人能力終是有限，內容有誤在所難免，望請諸位先輩不吝指正。 宋茂林 於中國醫藥大學醫學檢驗生物科技學系 目錄 第一篇 心電圖學 宋茂林 1 心電圖的基本觀念 3 2 與心電圖有關的細胞電生理學 9 3 與心電圖有關的心臟解剖學和傳導組織 13 4 心電圖標準十二導 27 5 心電圖的波紋 33 6 將觀念性的心臟電場變化具體化：六軸系統的額 平面座標和胸前導組成的水平平面座標 37 7 如何做出好的心電圖 47 8 正常的心電圖 53 9 腔室肌肉體積變大的心電圖 59 10 冠狀動脈心臟病的心電圖 67 11 側枝傳導阻斷 75 12 早期興奮徵候群 83 13 心律異常 87 14 其他異常心電圖 103 第二篇 腦波檢查與多項睡眠檢查 蔡政楒 1 腦波檢查技術及多項睡眠檢查技術的研革 127 2 腦波記錄器之構造 135 3 認識腦電圖波形 157 4 睡眠生理的路徑 177 5 多項睡眠檢查 (polysomnography) 223 6 暫止症（呼吸中止症、睡止症） 237 7 嬰幼兒腦波： 251 8 2007年新睡眠期睡眠圖譜判讀 277 9 實習課程 305 神經肌肉疾病的電生理診斷檢查： 第三篇 神經傳導及肌電圖 呂榮國 1 神經及肌肉的基本介紹 311 2 肌電圖儀器介紹 315 3 電生理診斷檢查之基本概念 319 4 神經傳導檢查 321 5 肌電圖 331 6 神經肌肉接合處檢查 337 7 眨眼反射 343 第四篇 肺功能檢查 賴明華 1 呼吸系統的構造 355 2 呼吸生理學 359 3 呼吸系統疾病與肺功能異常 363 4 肺功能檢查項目 367 5 儀器原理 373 6 肺功能檢查結果判讀 375 7 臨床範例解析 379 第五篇 血液氣體分析 鐘楚紅 1 呼吸系統與氣體交換 393 2 氣體的運輸 395 3 血液緩衝系統 397 4 血液氣體分析項目 399 5 血液氣體的測量 401 6 血液氣體分析的判讀 405 7 酸鹼障礙與代償作用 409 第六篇 超音波檢查概要 朱芳業 1 名詞解釋 423 2 超音波的基本原理 427 3 超音波儀器 441 4 超音波掃瞄法 (Scanning Techniques in Sonography) 455 5 效能檢測 (Performance Measurement) 與生物效應 (Bioeffect) 465 第七篇 尿路動力學 余家政 1 尿流速檢查 477 2 膀胱容積壓力檢查 481 3 肌電圖檢查 485 4 尿道壓力檢查 489 5 攝影式尿路動力學檢查 [Video-urodynamic Study] 495 6 可攜式尿路動力學檢查 [Ambulatory Urodynamic Study] 497 第八篇 視力功能檢查 廖珮君 1 眼睛的結構與生理 501 2 視力 509 3 色彩視力 515 4 立體視 519 5 視野 523 6 眼底 527 第九篇 人工腎臟的操作與維護 鐘兆春 1 前言 535 2 血液透析儀（洗腎機）與人工腎臟之簡介 539 3 血液透析的原理 549 4 血液透析護理常規 553 5 血液透析中的護理 557 6 洗腎患者常規檢驗項目 561 7 動靜脈管穿刺術及護理 563 8 血液透析前準備 567 9 血液透析室之感染管制措施 569 10 參考文獻及推薦讀物 575 附錄□1 人工腎臟（血液透析器）重覆使用作業指引 577 （台灣腎臟醫學會） 附錄□2 常用人工腎臟規格資料 587 第十篇 常見的聽力檢查 蕭素燕、林嘉德 1 耳器的解剖與生理功能簡介 593 2 常用的聽覺系統的檢查 597 索 引 633

人工智慧：智慧型系統導論 (3版)

相關熱銷的書籍推薦給您

書名：人工智慧：智慧型系統導論(第三版) 作者：李聯旺 出版社：全華 ISBN：9789862800959

機器學習：類神經網路、模糊系統以及基因演算法則 (4版)

相關熱銷的書籍推薦給您

書名：機器學習：類神經網路、模糊系統以及基因演算法則(第四版) 作者：蘇木春、張孝德 出版社：全華 出版日期：2016/05/00 ISBN：9789864632060 內容簡介 ■ 本書優點特色 1.將三種與機械學習相關的技術-類神經網路、模糊系統及基因演繹法作一通盤介紹。 2.以深入淺出的方式建立類神經網路與生物神經網路的關聯性，以便讓讀者更能發揮想像力。 3.每一種理論都儘可能配合書中範例及圖表加以說明。 ■ 內容簡介 本書將三種與機械學習相關的技術-類神經網路、模糊系統及基因演繹法作一通盤介紹。此外，作者以深入淺出的方式建立類神經網路與生物神經網路的關聯性，以便讓讀者更能發揮想像力。 目錄 第1章 類神經網路之簡介 第2章 感知機 第3章 多層感知機 第4章 非監督式類神經網路 第5章 聯想記憶 第6章 增強式學習 第7章 模糊集合 第8章 模糊關係及推論 第9章 模糊系統 第10章 基因演算法則

從統計思維出發：用Python實作的機器學習範例 (1版)

類似書籍推薦給您

【簡介】 　●機器學習的靈魂：以統計數學為核心說明 　　●全書圖解及歷史來龍去脈完整說明 　　●從步入監督學習之旅開始 　　●最精要的線性迴歸模型 　　●完整講解K近鄰及貝氏推論 　　●邏輯迴歸模型及最大熵模型 　　●決策樹，感知機及支援向量機 　　●EM演算法及Boosting提升方法 　　統計機器學習之旅，從監督學習開始，透過分析已標記的資料集訓練模型，使預測未知資料。最基礎的就是線性迴歸。進一步深入，K近鄰（K-NN）演算法和貝氏推論是統計機器學習中的兩大核心技術。 　　之後則說明邏輯迴歸模型和最大熵模型，兩者專注於分類問題。決策樹、感知機和支援向量機（SVM）則代表了更進階的機器學習模型。決策樹通過構建樹狀結構來進行決策，其直觀性和易於理解的特點使其在解釋性要求較高的場景中非常受歡迎。感知機是一種二分類線性分類器，支援向量機則是一種強大的分類器，透過在特徵空間中找到一個最優分割平面來分離不同類別的數據。 　　最後，EM（期望最大化）演算法和Boosting方法是提升模型性能的高級技術。EM算法通過迭代最佳化來處理。 【目錄】 緒論 0.1本書講什麼，初衷是什麼 0.2貫穿本書的兩大思維模式 0.3這本書決定它還想要這樣 0.4如何使用本書 第 1 章 步入監督學習之旅 1.1機器學習從資料開始 1.2監督學習是什麼 1.3如何評價模型的好壞 1.4損失最小化思想 1.5怎樣理解模型的性能：方差 偏差折中思想 1.6如何選擇最佳模型 1.7本章小結 1.8 習題 第 2 章 線性迴歸模型 2.1探尋線性迴歸模型 2.2最小平方法 2.3線性迴歸模型的預測 2.4擴充部分：嶺迴歸與套索迴歸 2.5案例分析——共用單車資料集 2.6本章小結 2.7 習題 第 3 章 K 近鄰模型 3.1鄰友思想 3.2K 近鄰演算法 3.3最近鄰分類器的誤差率 3.4k 維樹 3.5擴充部分：距離度量學習的 K 近鄰分類器 3.6案例分析——鶯尾花資料集 3.7本章小結 3.8 習題 第 4 章 貝氏推斷 4.1貝氏思想 4.2貝氏分類器 4.3如何訓練貝氏分類器 4.4常用的單純貝氏分類器 4.5擴充部分 4.6案例分析——蘑菇資料集 4.7本章小結 4.8 習題 4.9 閱讀時間：貝氏思想的起源 第 5 章 邏輯迴歸模型 5.1一切始於邏輯函式 5.2邏輯迴歸模型的學習 5.3邏輯迴歸模型的學習演算法 5.4擴充部分 5.5案例分析——離職資料集 5.6本章小結 5.7 習題 5.8 閱讀時間：牛頓法是牛頓提出的嗎 第 6 章 最大熵模型 6.1問世間熵為何物 6.2最大熵思想 6.3最大熵模型的學習問題 6.4模型學習的最最佳化演算法 6.5案例分析——湯圓小例子 6.6本章小結 6.7 習題 6.8 閱讀時間：奇妙的對數 第 7 章 決策樹模型 7.1決策樹中蘊含的基本思想 7.2決策樹的特徵選擇 7.3決策樹的生成演算法 7.4決策樹的剪枝過程 7.5擴充部分：隨機森林 7.6案例分析——帕爾默企鵝資料集 7.7本章小結 7.8 習題 7.9 閱讀時間：經濟學中的基尼指數 第 8 章 感知機模型 8.1感知機制——從邏輯迴歸到感知機 8.2感知機的學習 8.3感知機的最佳化演算法 8.4案例分析——鶯尾花資料集 8.5本章小結 8.6 習題 第 9 章 支援向量機 9.1從感知機到支援向量機 9.2線性可分支援向量機 9.3線性支援向量機 9.4非線性支援向量機 9.5SMO 最佳化方法 9.6案例分析——電離層資料集 9.7本章小結 9.8 習題 第 10 章 EM 演算法 10.1極大似然法與 EM 演算法 10.2EM 演算法的迭代過程 10.3EM 演算法的應用 10.4本章小結 10.5 習題 第 11 章 提升方法 11.1提升方法（Boosting）是一種整合學習方法 11.2起步於 AdaBoost 演算法 11.3提升樹和 GBDT 演算法 11.4擴充部分：XGBoost 演算法 11.5案例分析——波士頓房價資料集 11.6本章小結 11.7 習題 參考文獻 附錄-小冊子 第 1 章 微積分小工具 1.1 凸函式與凹函式 1.2 幾個重要的不等式 1.3 常見的求導公式與求導法則 1.4 泰勒公式 1.5 費馬原理 第 2 章 線性代數小工具 2.1 幾類特殊的矩陣 2.2 矩陣的基本運算 2.3 二次型的矩陣表示 第 3 章 機率統計小工具 3.1 隨機變數 3.2 機率分佈 3.3 數學期望和方差 3.4 常用的幾種分佈 3.5 小技巧—從二項分佈到正態分佈的連續修正 第 4 章 最佳化小工具 4.1 梯度下降法 4.2 牛頓法 4.3 擬牛頓法 4.4 座標下降法 4.5 拉格朗日對偶思想

機器學習的數學基礎：AI、深度學習打底必讀

類似書籍推薦給您

書名：機器學習的數學基礎 : AI、深度學習打底必讀 作者：醫學統計學專家 西內啟著, 胡豐榮博士, 徐先正合譯 出版社：旗標 出版日期：1/20/2020 條碼：9789863126140 內容簡介 〇國立台中教育大學數學教育學系 胡豐榮博士 與 清華大學數學系畢 徐先正 合譯 『進入 AI 時代，數學突然紅起來！』 現在資訊科學界最夯的主題就是 AI、機器學習、深度學習。Google、Apple、Amazon、台積電……等世界大廠都在爭搶 AI 大餅，比的是誰家的 AI 比較聰明、比較準確，因此發展出許多先進的技術，甚至把 AI 直接植入晶片中。每家好像都很厲害，然而高下區別的關鍵在哪裏？ 大家使用的開發工具不外乎 TensorFlow、Keras、Numpy，你會用，別人也會，那你憑甚麼贏人家？當然要靠獨創的技術、神秘的參數配方，而這些都是開發工具給不了的。如果只靠土法煉鋼，不斷「Try Try 看」各種參數組合，這實在太不科學，根本無法提升能力。所以必須徹頭徹尾弄懂 AI 技術裏面在做甚麼？才知道應該用什麼參數去試、用甚麼演算法去算……，想做出比別人更好的 AI，就必須自我蛻變，這一切的打底功夫就是「數學」。 『AI、機器學習、深度學習需要的數學，你懂了嗎？』 數學領域的學科龐雜，國中、高中學完之後也不知道幹嘛，或是不求甚解，久而久之就還給老師了。然而在 21 世紀進入機器學習、深度學習領域，完全避不開下面這些東西，你懂了嗎？： 「邏輯斯迴歸／線性迴歸／合成函數／鏈鎖法則／條件機率／貝氏定理／ 最小平方法／最大概似估計法／常態分佈／機率密度函數／向量內積／相關係數／ 誤差函數／代換積分／多元迴歸分析／神經網路／多變數偏微分／矩陣偏微分／ 梯度下降法／隨機梯度下降法／非線性邏輯斯函數／Sigmoid／反向傳播／more…」 媽呀！誰來教教我？ 小編看過市面上數本主打機器學習或深度學習的數學書，主要分兩類：其一是內容太過簡單講得不夠深入，其二是假設你的數學能力已經很強，直接跳過許多細節，這兩類讀了還是不知所云。沒關係，本書就是為你設計的，帶你從基礎開始複習，搭配實務案例，讓你知道數學可以怎麼用。而且最重要的是「只教機器學習、深度學習用得到的數學，講清楚、才能吸收」，其它用不到的不講，節省大家的寶貴時間。 本書設計的巧妙之處在於前面講過的內容，到了進階的部份仍然會不斷前後呼應，不斷提醒。書中的運算步驟，像是梯度下降法、隨機梯度下降法、反向傳播... 都一一手算推導給你看。認真讀完本書，機器學習與深度學習的數學就能深印腦海。 本書特色 〇只講機器學習、深度學習用得到的數學，追根究底且看得懂 〇梯度下降法、隨機梯度下降法、反向傳播... 一步一步手工算給你看 〇利用實務範例，更能了解數學可以用在哪裏 名人推薦 〇清華大學榮譽教授 李家同博士 推薦：『數學是 AI 的根本, 你可以跟著本書扎實理解機器學習最根本的數學基礎。』 作者介紹 作者簡介 西內啟 東京大學醫學院畢業，專長為生物統計學。曾經擔任東京大學醫學系醫療溝通學科助理教授，大學醫療資訊網路研究中心副所長，Dana-Farber/Harvard 癌症研究中心的客座研究員。他於 2014 年創立 Data Vehicle 公司，開發商業應用的資料分析工具與資料研究的服務。 譯者簡介 胡豐榮博士 日本大阪大學數學碩士、博士 彰化師範大學科學教育研究所碩士 現任國立台中教育大學數學教育系專任教授兼總務長 傑出事蹟：榮獲科技部100-103年度特殊優秀人才獎勵、榮獲2014年智慧律建築設計創意競賽決賽入選、榮獲國立台中教育大學104與108年度研究優良獎勵 研究專長：機率論、線性控制、財務數學、數理統計、測驗統計、研究倫理 徐先正 中國文化大學日本研究所碩士 清華大學數學系應數組 國票證券投顧專業經理 曾任元富期貨 期貨分析師／新壽證券 期貨研究員／精實財經媒體 日文財經編譯／台灣工銀證券 專業副理 目錄 序篇 AI、機器學習需要什麼樣的數學能力 單元01 21世紀每個人都需要具備數學能力 單元02 數學金字塔 第 1 篇 機器學習的數學基礎 單元03 將事物用數字來表現 單元04 將數字用字母符號代替 單元05 減法是負數的加法, 除法是倒數的乘法 單元06 機率先修班：集合 單元07 機率先修班：命題的邏輯推理 單元08 機率、條件機率與貝氏定理 第 2 篇 機器學習需要的一次函數與二次函數 單元09 座標圖與函數 單元10 聯立方程式求解與找出直線的斜率與截距 單元11 用聯立不等式做線性規劃 單元12 從線性函數進入二次函數 單元13 利用二次函數標準式求出最大值與最小值 單元14 找出二次函數最適當的解 單元15 用最小平方法找出誤差最小的直線 第 3 篇 機械學習需要的二項式定理、對數、三角函數 單元16 二項式定理與二項式係數 單元17 利用二項分布計算重複事件發生的機率 單元18 指數運算規則與指數函數圖形 單元19 用對數的觀念處理大數字 單元20 對數的性質與運算規則 單元21 尤拉數 e 與邏輯斯迴歸 單元22 畢氏定理計算兩點距離 單元23 三角函數的基本觀念 單元24 三角函數的弧度制與單位圓 第 4 篇 機械學習需要的Σ、向量、矩陣 單元25 整合大量數據的 Σ 運算規則 單元26 向量基本運算規則 單元27 向量的內積 單元28 向量內積在計算相關係數的應用 單元29 向量、矩陣與多元線性迴歸 單元30 矩陣的運算規則 單元31 轉置矩陣求解迴歸係數 第 5 篇 機器學習需要的微分與積分 單元32 函數微分找出極大值或極小值的位置 單元33 n 次函數的微分 單元34 積分基礎－從幾何學角度瞭解連續型機率密度函數 單元35 積分基礎－用積分計算機率密度函數 單元36 合成函數微分、鏈鎖法則與代換積分 單元37 指數函數、對數函數的微分積分 單元38 概似函數與最大概似估計法 單元39 常態分佈的機率密度函數 單元40 多變數積分 – 雙重積分算機率密度函數係數 第 6 篇 深度學習需要的數學能力 單元41 多變數的偏微分－對誤差平方和的參數做偏微分 單元42 矩陣型式的偏微分運算 單元43 多元迴歸分析的最大概似估計法與梯度下降 單元44 由線性迴歸瞭解深度學習的多層關係 單元45 多變數邏輯斯迴歸與梯度下降法 單元46 神經網路的基礎－用非線性邏輯斯函數組合出近似函數 單元47 神經網路的數學表示法 單元48 反向傳播－利用隨機梯度下降法與偏微分鏈鎖法則

圖解機器學習與資料科學的數學基礎｜使用Python (1版)

類似書籍推薦給您

內容簡介 　　搞懂不會背叛你的數學，進一步提升你的程式功力！ 　　本書透過圖表解說人工智慧與資料科學領域的相關數學知識，並告訴你如何將其轉換為程式碼，除了可以吸收關於數學的知識之外，也能立即運用在工作上。 　　透過機率統計的學習，了解如何改善業務流程 　　本書將AI與資料科學的相關數學知識分成四大篇，第一篇的「機率統計、機器學習篇」介紹的是了解工作情況，篩選出必要資訊的流程，以及位於這個流程背後的機率統計、機器學習的數學知識。能掌握工作情況就能知道該如何改善相關業務，也能進一步觀察未來的變化。 　　了解最佳化的步驟，學會職場所需的最佳化流程 　　第二篇「數理最佳化篇」介紹最佳化業務的流程，以及解決業務問題的方法。要最佳化業務，就必須先了解哪些部分需要改善效率，換言之，最佳化的重點在於找出問題。了解最佳化的步驟與問題的種類，就能學會工作職場所需的最佳化流程。 　　透過預測病毒的傳播模式，了解相關的數學理論 　　第三篇「數值模擬篇」則以傳染染病的傳播為主題，學習預測這類傳播模式的微分。只要了解微分，就能了解病毒的傳播模式，也能利用動畫說明傳播模式與製作出臨場感十足的簡報。最後的「深度學習篇」則會先說明近年來發展神速的深度學習技術原理，再說明這些原因都於哪些技術或職場應用。 來自讀者的讚譽 　　「這是我買過最實用的書」 　　「這本書可以讓你知道如何將數學應用在現實世界的工作之中」 　　「這本書拯救了文科出身，在工作上又不得不面對數學的我」 目錄 序章｜設定 Python開發環境 第一篇機率統計、機器學習篇 第1章｜取得資料之後的第一件事 第2章｜試著利用機器學習進行分析 第3章｜推測必需的資料筆數 第二篇 數理最佳化篇 第4章｜透過最佳路徑規劃問題，了解解決最佳化問題的方法 第5章｜透過排班問題了解最佳化問題的全貌 第三篇 數値模擬篇 第6章｜試著預測傳染病的影響 第7章｜試著透過動畫模擬人類的行為 第四篇 深度學習篇 第8章｜了解深度學習辨識影像的方法 第9章｜了解深度學習處理時間序列資料的機制 第10章｜了解以深度學習進行的圖片處理與語言處理 Appendix 程式設計與數學之間的橋梁 Appendix 1｜利用公式了解常態分佈 Appendix 2｜微分方程式差分法造成的誤差與泰勒展開式 Appendix 3｜非線性最佳化的機械學習／深度學習的迴歸／分類