醫(yī)療革命：醫(yī)學數(shù)據(jù)挖掘的理論與實踐

定　價：￥49.00

作　者：	邵學杰著
出版社：	電子工業(yè)出版社
叢編項：	CDA數(shù)據(jù)分析師系列叢書
標　簽：	醫(yī)學醫(yī)學理論與研究

購買這本書可以去

ISBN：	9787121298677	出版時間：	2016-09-01	包裝：	平裝
開本：	16開	頁數(shù)：	192	字數(shù)：

內(nèi)容簡介

　　本書以數(shù)據(jù)挖掘與模式識別的七大原理在臨床醫(yī)學中的運用案例為切入點，系統(tǒng)而全面地介紹了醫(yī)學數(shù)據(jù)挖掘的基本方法與原理，對數(shù)據(jù)分析的常用算法進行了通俗易懂的講解。本書*大的特色是采用了案例分析與實證的方法，每一個原理、算法都在案例講解中生動地體現(xiàn)出來。更重要的是，本書對臨床醫(yī)學的數(shù)據(jù)挖掘與模式識別技術(shù)進行了開創(chuàng)性、系統(tǒng)性的討論，用案例展現(xiàn)了數(shù)據(jù)挖掘技術(shù)如何與臨床醫(yī)學相結(jié)合，為廣大的醫(yī)生、醫(yī)學數(shù)據(jù)挖掘愛好者提供了很實用的技術(shù)示范、理念導入、系統(tǒng)思考。本書所有概念的講解基本結(jié)構(gòu)為原理講解與案例實操的二元結(jié)構(gòu)，兼顧初學者與專業(yè)人士的需要。本書重點探討了數(shù)據(jù)挖掘技術(shù)如何與臨床醫(yī)學深度融合，如何運用現(xiàn)代的數(shù)據(jù)挖掘理念、模式識別與機器學習的基本方法解決臨床科研中的應(yīng)用問題，為廣大的科研型臨床醫(yī)生提供助力，為廣大的數(shù)據(jù)分析人員找到行業(yè)應(yīng)用的范例，為廣大初學者提供努力學習的方向，更重要的是在這個大數(shù)據(jù)時代，我們可以親自見證數(shù)據(jù)技術(shù)是如何改變并深刻影響著臨床醫(yī)學的科研與教學。

作者簡介

　　邵學杰先生，是我國醫(yī)學大數(shù)據(jù)概念提出的實踐者與先行者，2011年邵學杰先生與國家衛(wèi)生計生委醫(yī)政醫(yī)管局醫(yī)療質(zhì)量監(jiān)測中心HQMS合作首度提出建設(shè)“中國醫(yī)療云”的設(shè)想。不僅如此，邵學杰先生還是我國醫(yī)學圖像人工智能識別的先行者，于2012年建立**家民營人工智能與深度學習研究機構(gòu)，在醫(yī)學圖像的人工智能與機器深度學習方面有豐富的實操經(jīng)驗。邵學杰先生還是醫(yī)學數(shù)據(jù)挖掘的先行者，他領(lǐng)銜的研究團隊在研究胰腺癌與二型糖尿病的關(guān)聯(lián)規(guī)則，基線靜息心率與心肌缺血事件的關(guān)聯(lián)性，低位保肛手術(shù)的隨訪大數(shù)據(jù)研究中取得重要進展。

圖書目錄

第1章數(shù)據(jù)分析與數(shù)據(jù)挖掘的力量 1
1．1　葡萄牙醫(yī)生解決世界新生兒出生缺陷的故事 2
1．2　醫(yī)學數(shù)據(jù)挖掘的主要定義 5
1．2．1 數(shù)據(jù)挖掘的定義 5
1．2．2 醫(yī)學數(shù)據(jù)挖掘的故事 5
1．3　醫(yī)學數(shù)據(jù)模式識別的七大原理與案例講解 6
1．3．1 什么是模式識別 6
1．3．2 7個小故事 7
1．4　臨床醫(yī)學領(lǐng)域的機器學習與人工智能 12
1．5　神經(jīng)元網(wǎng)絡(luò)的基本原理 13
第2章臨床醫(yī)學的數(shù)據(jù)挖掘 20
2．1　房顫與腎功能關(guān)聯(lián)現(xiàn)象的故事 21
2．2　支持向量機的算法原理與應(yīng)用 30
2．2．1 一個故事的開場白 30
2．2．2 支持向量機的主要特點 31
2．2．3 支持向量機的應(yīng)用案例 39
2．3　疾病規(guī)律與統(tǒng)計學革命 43
2．3．1 肝膽外科的統(tǒng)計學故事 43
2．3．2 雙盲實驗的誕生 44
2．3．3 幾則很有趣的醫(yī)學統(tǒng)計學故事 47
2．4　老年肺癌研究 50
2．4．1 數(shù)據(jù)的抓取與來源 50
2．4．2 癌癥與老齡化的相關(guān)性分析 51
2．4．3 老年人肺癌手術(shù)適用性評估關(guān)鍵詞頻率 53
2．4．4 老年肺腫瘤的數(shù)據(jù)分析 54
2．4．5 英國肺癌患者38年來死亡率研究 59
2．4．6 老齡肺癌死亡率數(shù)據(jù)的三維分析 59
2．5　臨床醫(yī)學與數(shù)據(jù)挖掘的邊緣學科 62
2．5．1 幾個實例 62
2．5．2 醫(yī)學統(tǒng)計學與醫(yī)學數(shù)據(jù)挖掘的區(qū)別 69
2．5．3 有關(guān)數(shù)據(jù)挖掘是邊緣學科的幾個實例 72
2．5．4 一個醫(yī)學數(shù)據(jù)挖掘的案例 74
第3章臨床醫(yī)學與數(shù)據(jù)技術(shù)的深度融合 90
3．1　二型糖尿病與胰腺癌的故事 91
3．2　Cox回歸的基本原理與應(yīng)用 94
3．2．1 Cox回歸的基本原理 94
3．2．2 晚期肺癌伴腦轉(zhuǎn)移患者的預后多因素Cox回歸 95
3．2．3 本案例的幾點啟示 100
3．3　醫(yī)學數(shù)據(jù)分析中的故事 101
3．4　聚類的臨床醫(yī)學意義 103
3．4．1 聚類算法的基本定義 103
3．4．2 臨床醫(yī)學數(shù)據(jù)挖掘中聚類的意義 104
3．4．3 案例 112
3．5　貝葉斯算法的應(yīng)用案例 113
3．5．1 一個流傳甚廣的故事 113
3．5．2 一個貝葉斯算法的醫(yī)學案例 114
第4章臨床醫(yī)學的模式識別 126
4．1　模式識別是什么 127
4．1．1 定義 127
4．1．2 臨床醫(yī)學模式識別的故事 127
4．2　基線靜息心率的故事 130
4．3　決策樹算法 132
4．4　最大期望（EM）算法 135
4．5　算法的規(guī)律與臨床醫(yī)學的本質(zhì) 140
4．5．1 算法的本質(zhì)是什么 140
4．5．2 數(shù)據(jù)挖掘中醫(yī)學的本質(zhì) 141
第5章醫(yī)學數(shù)據(jù)挖掘的常用工具 146
5．1　SAS挖掘軟件運用案例 147
5．2　Weka軟件介紹 150
5．3　Matlab案例 152
5．4　R語言案例 162
5．5　臨床醫(yī)生如何用好挖掘工具 164
第6章專業(yè)級醫(yī)學SCI論文中的統(tǒng)計工具 169
6．1　醫(yī)學數(shù)據(jù)中的T值與P值故事 170
6．2　K線圖的故事 172
6．3　國際頂級期刊上的數(shù)據(jù)技術(shù) 174
6．4　SCI薈萃分析中的統(tǒng)計學工具 180
6．4．1 研究對象及入選標準 181
6．4．2 統(tǒng)計學處理 181