人工智能、大數(shù)據(jù)導(dǎo)論智慧樹知到課后章節(jié)答案2023年下溫州醫(yī)科大學(xué)

人工智能、大數(shù)據(jù)導(dǎo)論智慧樹知到課后章節(jié)答案2023年下溫州醫(yī)科大學(xué)溫州醫(yī)科大學(xué)

第一章測試

人工智能的萌芽是以什么作為理論基礎(chǔ)發(fā)展（）。

A:控制論B:信息論C:數(shù)據(jù)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:物聯(lián)網(wǎng)B:社交媒體C:移動互聯(lián)網(wǎng)D:生產(chǎn)機械化

答案:物聯(lián)網(wǎng);社交媒體;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B:對

答案:對

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

A:錯B:對

答案:錯

20世紀90年代初，PC與互聯(lián)網(wǎng)進入什么發(fā)展階段（）。

A:全方位高速B:飽和C:快速D:初始

答案:全方位高速

第二章測試

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:虛擬護士C:辦理住院手續(xù)D:風(fēng)險識別

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，其缺點有（）

A:標注清楚B:數(shù)據(jù)規(guī)范C:數(shù)據(jù)量小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行有效識別（）。

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

答案:邏輯算法;統(tǒng)計模式

醫(yī)學(xué)圖像的處理目標主要是以能否達到醫(yī)生的視覺效果和分辨出病灶有關(guān)系。（）

A:對B:錯

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:對B:錯

答案:對

第三章測試

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

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

答案:2014

一個GAN網(wǎng)絡(luò)中一般訓(xùn)練幾個不同的網(wǎng)絡(luò)。（）。

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

答案:2

靶區(qū)和危機器官的人工勾畫的缺點有（）。

A:費時B:精度差C:不同醫(yī)生之間勾畫差異大D:費力

答案:費時;不同醫(yī)生之間勾畫差異大;費力

靶區(qū)和危及器官人工勾畫效率高魯棒性好。（）

A:錯B:對

答案:錯

Unet網(wǎng)絡(luò)常作為圖像分割的基準方法。（）

A:對B:錯

答案:對

第四章測試

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:6B:5C:3D: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:卡方檢驗D:相關(guān)系數(shù)

答案:多元線性回歸

（）能用來評估模型性能。

A:ICC系數(shù)B:AUC值C:決策曲線D:校準曲線

答案:AUC值;決策曲線;校準曲線

只能通過3Dslicer軟件分割圖像不能進行特征提取。（）

A:錯B:對

答案:錯

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:錯B:對

答案:對

第五章測試

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

答案:對

IBM則總結(jié)了大數(shù)據(jù)的5V特點（）。

A:價值B:高速C:真實性D:大量E:多樣

答案:價值;高速;真實性;大量;多樣

我國醫(yī)療影像數(shù)據(jù)以每年（）的速度增長。

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

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

答案:90%

第六章測試

根據(jù)下面的散點圖，可以判斷兩個變量之間存在（）。

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

答案:負線性相關(guān)關(guān)系

對兩變量的散點圖擬合最好的回歸線，必須滿足一個基本的條件是（），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:邏輯回歸訓(xùn)練問題是凸優(yōu)化問題B:邏輯回歸訓(xùn)練問題能采用梯度下降策略求解C:邏輯回歸是一種有監(jiān)督學(xué)習(xí)方法D:邏輯回歸僅能解決二分類問題

答案: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;邏輯回歸是一種有監(jiān)督學(xué)習(xí)方法

邏輯回歸算法資源占用小，尤其是內(nèi)存。（）

A:錯B:對

答案:對

邏輯回歸算法的損失函數(shù)是交叉熵損失（）

A:錯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:對B:錯

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:錯B:對

答案:錯

深度學(xué)習(xí)的主要過程包括（）。

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

答案:用大量數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò);對權(quán)重初始化;選擇合適問題的網(wǎng)絡(luò)結(jié)構(gòu);優(yōu)化網(wǎng)絡(luò)

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

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)、機器學(xué)習(xí)、深度學(xué)習(xí)三者關(guān)系論述正確的是（）

A: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)B:人工智能研究、開發(fā)用于模擬、延伸和擴展人類智能的理論、方法及應(yīng)用，屬于一門獨立的技術(shù)學(xué)科C:機器學(xué)習(xí)專門研究計算機怎樣模擬人類的學(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，但是機器學(xué)習(xí)能力并非AI系統(tǒng)所必須的D:人工智能是一門研究、開發(fā)用于模擬、延伸和擴展人類智能的理論、方法及應(yīng)用的新的交叉學(xué)科，機器學(xué)習(xí)是人工智能的核心研究鄰域之一，深度學(xué)習(xí)是機器學(xué)習(xí)的新領(lǐng)域，研究多隱