人工智能、大數(shù)據(jù)導(dǎo)論知到智慧樹章節(jié)測試課后答案2024年秋溫州醫(yī)科大學(xué)

人工智能、大數(shù)據(jù)導(dǎo)論知到智慧樹章節(jié)測試課后答案2024年秋溫州醫(yī)科大學(xué)第一章單元測試

人工智能的萌芽是以什么作為理論基礎(chǔ)發(fā)展（）。

A:數(shù)據(jù)論B:控制論C:信息論D:系統(tǒng)論

答案:控制論；信息論；系統(tǒng)論是什么催生了大數(shù)據(jù)（）。

A:社交媒體B:物聯(lián)網(wǎng)C:移動互聯(lián)網(wǎng)D:生產(chǎn)機(jī)械化

答案:社交媒體；物聯(lián)網(wǎng)；移動互聯(lián)網(wǎng)醫(yī)學(xué)大數(shù)據(jù)具有數(shù)據(jù)量龐大、結(jié)構(gòu)復(fù)雜、分析難度大等。（）

A:錯(cuò)B:對

答案:對數(shù)據(jù)安全與隱私保護(hù)的技術(shù)發(fā)展不是醫(yī)學(xué)大數(shù)據(jù)的發(fā)展趨勢。（）

A:錯(cuò)B:對

答案:錯(cuò)20世紀(jì)90年代初，PC與互聯(lián)網(wǎng)進(jìn)入什么發(fā)展階段（）。

A:初始B:快速C:全方位高速D:飽和

答案:全方位高速

第二章單元測試

智能健康管理是將人工智能技術(shù)應(yīng)用到健康管理的具體場景中，其中不包括。（）。

A:精神健康B:風(fēng)險(xiǎn)識別C:虛擬護(hù)士D:辦理住院手續(xù)

答案:辦理住院手續(xù)在人工智能市場上，很多企業(yè)擁有的數(shù)據(jù)往往都是取自于一些公開的數(shù)據(jù)以及自籌自建的小型數(shù)據(jù)庫，其缺點(diǎn)有（）

A:標(biāo)注清楚B:數(shù)據(jù)量小C:數(shù)據(jù)規(guī)范D:圖像質(zhì)量好

答案:數(shù)據(jù)量小早期的人工智能醫(yī)學(xué)影像主要采用那些方法對放射診斷流程進(jìn)行有效識別（）。

A:邏輯算法B:統(tǒng)計(jì)模式C:深度學(xué)習(xí)方法D:人工智能方法

答案:邏輯算法；統(tǒng)計(jì)模式醫(yī)學(xué)圖像的處理目標(biāo)主要是以能否達(dá)到醫(yī)生的視覺效果和分辨出病灶有關(guān)系。（）

A:對B:錯(cuò)

答案:對智能診療場景是人工智能在醫(yī)療領(lǐng)域最重要、也是最核心的應(yīng)用場景。（）

A:錯(cuò)B:對

答案:對

第三章單元測試

生成式對抗網(wǎng)絡(luò)(GAN)是由伊恩·古德費(fèi)羅與其同事在那一年共同開發(fā)的。（）。

A:2012B:2014C:2011D:2013

答案:2014一個(gè)GAN網(wǎng)絡(luò)中一般訓(xùn)練幾個(gè)不同的網(wǎng)絡(luò)。（）。

A:2B:1C:3D:4

答案:2靶區(qū)和危機(jī)器官的人工勾畫的缺點(diǎn)有（）。

A:費(fèi)力B:精度差C:費(fèi)時(shí)D:不同醫(yī)生之間勾畫差異大

答案:費(fèi)力；費(fèi)時(shí)；不同醫(yī)生之間勾畫差異大靶區(qū)和危及器官人工勾畫效率高魯棒性好。（）

A:錯(cuò)B:對

答案:錯(cuò)Unet網(wǎng)絡(luò)常作為圖像分割的基準(zhǔn)方法。（）

A:對B:錯(cuò)

答案:對

第四章單元測試

基于原始圖像，影像組學(xué)特征類型中鄰域灰度差矩陣（NGTDM）有（）種特征。

A:3B:6C:5D:4

答案:5（）是包裹式特征選擇方法。

A:多元線性回歸B:LASSO回歸C:相關(guān)系數(shù)D:卡方檢驗(yàn)

答案:多元線性回歸（）能用來評估模型性能。

A:決策曲線B:校準(zhǔn)曲線C:AUC值D:ICC系數(shù)

答案:決策曲線；校準(zhǔn)曲線；AUC值只能通過3Dslicer軟件分割圖像不能進(jìn)行特征提取。（）

A:錯(cuò)B:對

答案:錯(cuò)模型可以分類有監(jiān)督學(xué)習(xí)模型，無監(jiān)督學(xué)習(xí)模型和半監(jiān)督學(xué)習(xí)模型。（）

A:對B:錯(cuò)

答案:對

第五章單元測試

我國醫(yī)學(xué)影像大數(shù)據(jù)的形成，主要有兩方面的原因：一是市場，二是人口。（）

A:錯(cuò)B:對

答案:對醫(yī)學(xué)影像大數(shù)據(jù)與醫(yī)院信息系統(tǒng)（HIS）大數(shù)據(jù)、檢驗(yàn)信息系統(tǒng)（LIS）大數(shù)據(jù)和電子病歷（EMR）等同屬于醫(yī)療大數(shù)據(jù)的范疇。（）

A:對B:錯(cuò)

答案:對IBM則總結(jié)了大數(shù)據(jù)的5V特點(diǎn)（）。

A:價(jià)值B:高速C:多樣D:大量E:真實(shí)性

答案:價(jià)值；高速；多樣；大量；真實(shí)性我國醫(yī)療影像數(shù)據(jù)以每年（）的速度增長。

A:40%B:35%C:25%D:30%

答案:30%目前醫(yī)療數(shù)據(jù)中有超過（）來自于醫(yī)學(xué)影像。

A:75%B:95%C:80%D:90%

答案:90%

第六章單元測試

根據(jù)下面的散點(diǎn)圖，可以判斷兩個(gè)變量之間存在（）。

A:非線性關(guān)系B:負(fù)線性相關(guān)關(guān)系C:正線性相關(guān)關(guān)系D:函數(shù)關(guān)系

答案:負(fù)線性相關(guān)關(guān)系對兩變量的散點(diǎn)圖擬合最好的回歸線，必須滿足一個(gè)基本的條件是（），其中為預(yù)測y值，為y的平均值

A:最大值B:最大值C:最小值D:最小值

答案:最小值關(guān)于邏輯回歸算法，描述正確的是（）。

A:邏輯回歸是一種有監(jiān)督學(xué)習(xí)方法B:邏輯回歸訓(xùn)練問題是凸優(yōu)化問題C:邏輯回歸訓(xùn)練問題能采用梯度下降策略求解D:邏輯回歸僅能解決二分類問題

答案:邏輯回歸是一種有監(jiān)督學(xué)習(xí)方法；邏輯回歸訓(xùn)練問題是凸優(yōu)化問題；邏輯回歸訓(xùn)練問題能采用梯度下降策略求解邏輯回歸算法資源占用小，尤其是內(nèi)存。（）

A:錯(cuò)B:對

答案:對邏輯回歸算法的損失函數(shù)是交叉熵?fù)p失（）

A:錯(cuò)B:對

答案:對深度學(xué)習(xí)模型的訓(xùn)練可以采用反向傳播算法（）

A:錯(cuò)B:對

答案:對從學(xué)習(xí)類型看，深度學(xué)習(xí)是一種無監(jiān)督學(xué)習(xí)方法（）

A:對B:錯(cuò)

答案:錯(cuò)深度學(xué)習(xí)的主要過程包括（）。

A:對權(quán)重初始化B:用大量數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)C:選擇合適網(wǎng)絡(luò)結(jié)構(gòu)的問題D:優(yōu)化網(wǎng)絡(luò)E:選擇合適問題的網(wǎng)絡(luò)結(jié)構(gòu)

答案:對權(quán)重初始化；用大量數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)；優(yōu)化網(wǎng)絡(luò)；選擇合適問題的網(wǎng)絡(luò)結(jié)構(gòu)在何種情況下神經(jīng)網(wǎng)絡(luò)被稱為深度學(xué)習(xí)模型（）

A:加入更多層，使得神經(jīng)網(wǎng)絡(luò)的層數(shù)增加B:其他都不正確C:當(dāng)這是一個(gè)圖像識別問題時(shí)D:有維度更高的數(shù)據(jù)

答案:加入更多層，使得神經(jīng)網(wǎng)絡(luò)的層數(shù)增加人工智能(AI)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)三者關(guān)系論述正確的是（）

A:機(jī)器學(xué)習(xí)專門研究計(jì)算機(jī)怎樣模擬人類的學(xué)習(xí)行為，以獲取新的知識和技能，重新組織已有的知識結(jié)構(gòu)以完善自身的性能，但是機(jī)器學(xué)習(xí)能力并非AI系統(tǒng)所必須的B:人工智能是一門研究、開發(fā)用于模擬、延伸和擴(kuò)展人類智能的理論、方法及應(yīng)用的新的交叉學(xué)科，機(jī)器學(xué)習(xí)是人工智能的核心研究鄰域之一，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的新領(lǐng)域，研究多隱層多感知器、模擬人腦進(jìn)行分析學(xué)習(xí)的人工神經(jīng)網(wǎng)絡(luò)C:深度學(xué)習(xí)方法研究人工神經(jīng)網(wǎng)絡(luò)的單層感知器學(xué)習(xí)結(jié)構(gòu)D:人工智能研究、開發(fā)用于模擬、延伸和擴(kuò)展人類智能的