醫(yī)學(xué)大數(shù)據(jù)挖掘方法與應(yīng)用(2018北醫(yī)基金)
定 價(jià):98 元
- 作者:陳大方,劉微 編
- 出版時(shí)間:2020/7/1
- ISBN:9787565921827
- 出 版 社:北京大學(xué)醫(yī)學(xué)出版社
- 中圖法分類(lèi):R319
- 頁(yè)碼:376
- 紙張:膠版紙
- 版次:1
- 開(kāi)本:16開(kāi)
醫(yī)學(xué)大數(shù)據(jù)挖掘不僅可以為人類(lèi)帶來(lái)更好的醫(yī)療健康服務(wù),更為重要的是,可以揭示海量數(shù)據(jù)中蘊(yùn)含的深刻科學(xué)規(guī)律,獲取新知識(shí)和新發(fā)現(xiàn),促進(jìn)醫(yī)學(xué)研究和技術(shù)的進(jìn)步。
《醫(yī)學(xué)大數(shù)據(jù)挖掘方法與應(yīng)用(2018北醫(yī)基金)》從醫(yī)學(xué)大數(shù)據(jù)面臨的機(jī)遇與挑戰(zhàn)講起,概述了國(guó)際上有代表性的醫(yī)學(xué)大數(shù)據(jù)庫(kù)內(nèi)容及特點(diǎn),之后依次闡述了醫(yī)學(xué)大數(shù)據(jù)預(yù)處理的主要原則、過(guò)程和混雜因素的控制方法,以及數(shù)據(jù)挖掘常用的軟件平臺(tái)和機(jī)器學(xué)習(xí)算法與技術(shù),并就回歸方程、數(shù)據(jù)降維、關(guān)聯(lián)規(guī)則、大數(shù)據(jù)預(yù)測(cè)建模等常用的數(shù)據(jù)分析方法進(jìn)行講解。
此外,《醫(yī)學(xué)大數(shù)據(jù)挖掘方法與應(yīng)用(2018北醫(yī)基金)》還介紹了生物信息大數(shù)據(jù)挖掘的常用網(wǎng)站與使用方法,供生物信息挖掘愛(ài)好者參考。
《醫(yī)學(xué)大數(shù)據(jù)挖掘方法與應(yīng)用(2018北醫(yī)基金)》的每一章都附有案例,便于讀者理解和掌握醫(yī)學(xué)大數(shù)據(jù)挖掘的相關(guān)理論與方法,使《醫(yī)學(xué)大數(shù)據(jù)挖掘方法與應(yīng)用(2018北醫(yī)基金)》具有較高的實(shí)用性和可操作性。
隨著計(jì)算機(jī)、互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算、人工智能、可穿戴健康醫(yī)療設(shè)備的產(chǎn)生與發(fā)展,人類(lèi)社會(huì)各行各業(yè)已進(jìn)入了全新的數(shù)字化時(shí)代。健康醫(yī)療領(lǐng)域和其他行業(yè)一樣,隨著信息化的逐漸廣泛和深入,每天都會(huì)產(chǎn)生海量的多源、異構(gòu)醫(yī)學(xué)大數(shù)據(jù)。對(duì)醫(yī)學(xué)大數(shù)據(jù)開(kāi)展多維度的數(shù)據(jù)挖掘,不僅可以揭示海量醫(yī)學(xué)數(shù)據(jù)中蘊(yùn)含的深刻科學(xué)規(guī)律,獲取新知識(shí)和新發(fā)現(xiàn),促進(jìn)醫(yī)學(xué)本身的發(fā)展,更為重要的是,可以為人們帶來(lái)更安全、更有效的健康醫(yī)療服務(wù)。因此,如何充分認(rèn)識(shí)、挖掘和利用醫(yī)學(xué)大數(shù)據(jù),發(fā)現(xiàn)醫(yī)學(xué)大數(shù)據(jù)的價(jià)值,把數(shù)據(jù)庫(kù)變成知識(shí)庫(kù),已成為廣大醫(yī)學(xué)科研工作者共同關(guān)注的焦點(diǎn)。
《醫(yī)學(xué)大數(shù)據(jù)挖掘方法與應(yīng)用》一書(shū)正是基于以上背景,在從事醫(yī)學(xué)數(shù)據(jù)挖掘相關(guān)專(zhuān)業(yè)人員的共同努力下編寫(xiě)而成。本書(shū)按照大數(shù)據(jù)挖掘的基本步驟與原則進(jìn)行內(nèi)容編排與組織,力求全面。全書(shū)共分20章,第一章介紹醫(yī)學(xué)大數(shù)據(jù)當(dāng)前所面臨的機(jī)遇與挑戰(zhàn);第二章介紹目前國(guó)際上有代表性的醫(yī)學(xué)健康相關(guān)大數(shù)據(jù)庫(kù)的內(nèi)容及特點(diǎn);第三章至第六章介紹醫(yī)學(xué)大數(shù)據(jù)預(yù)處理的主要步驟、過(guò)程與方法;第七章至第十章針對(duì)醫(yī)學(xué)大數(shù)據(jù)特點(diǎn),介紹當(dāng)前常用的一些控制混雜因素的方法;第十一章和第十二章介紹數(shù)據(jù)挖掘常用的軟件平臺(tái)和機(jī)器學(xué)習(xí)算法與技術(shù);第十三章至第十七章重點(diǎn)介紹回歸方程、關(guān)聯(lián)規(guī)則、數(shù)據(jù)降維、大數(shù)據(jù)預(yù)測(cè)建模等常用的數(shù)據(jù)分析方法在醫(yī)學(xué)大數(shù)據(jù)挖掘中的應(yīng)用;第十八章介紹生物信息挖掘的常用網(wǎng)站與方法,旨在為生物信息挖掘愛(ài)好者提供參考;第十九章和第二十章分別以北京大學(xué)信息中心住院病案首頁(yè)數(shù)據(jù)和寧波市鄞州區(qū)健康大數(shù)據(jù)平臺(tái)作為實(shí)例,介紹數(shù)據(jù)挖掘過(guò)程與應(yīng)用方向。
由于我們能力與水平所限,本書(shū)難免有錯(cuò)誤、疏漏或不當(dāng)之處,懇請(qǐng)學(xué)界前輩、專(zhuān)家、同仁及各方讀者提出批評(píng)、意見(jiàn)和建議。在醫(yī)學(xué)大數(shù)據(jù)時(shí)代,讓我們抓住機(jī)遇,共同努力與進(jìn)步。
第一章 醫(yī)學(xué)大數(shù)據(jù)面臨的機(jī)遇與挑戰(zhàn)
第一節(jié) 醫(yī)學(xué)大數(shù)據(jù)的基本特點(diǎn)
第二節(jié) 醫(yī)學(xué)大數(shù)據(jù)研究
第三節(jié) 醫(yī)學(xué)大數(shù)據(jù)的應(yīng)用
第四節(jié) 醫(yī)學(xué)大數(shù)據(jù)面臨的挑戰(zhàn)
小結(jié)
第二章 醫(yī)學(xué)大數(shù)據(jù)介紹
第一節(jié) 醫(yī)學(xué)大數(shù)據(jù)來(lái)源
第二節(jié) 大型醫(yī)學(xué)數(shù)據(jù)庫(kù)介紹
第三節(jié) 醫(yī)學(xué)大數(shù)據(jù)評(píng)估
小結(jié)
第三章 數(shù)據(jù)提取
第一節(jié) 數(shù)據(jù)提取概述
第二節(jié) 醫(yī)學(xué)結(jié)構(gòu)化數(shù)據(jù)的提取
第三節(jié) 醫(yī)學(xué)非結(jié)構(gòu)化數(shù)據(jù)的提取
小結(jié)
第四章 數(shù)據(jù)預(yù)處理
第一節(jié) 數(shù)據(jù)挖掘?qū)嵤┎襟E
第二節(jié) 醫(yī)學(xué)數(shù)據(jù)的常見(jiàn)問(wèn)題
第三節(jié) 數(shù)據(jù)預(yù)處理
小結(jié)
第五章 缺失數(shù)據(jù)處理
第一節(jié) 缺失值產(chǎn)生的原因
第二節(jié) 缺失值的處理方法
小結(jié)
第六章 離群值處理
第一節(jié) 離群值的定義及產(chǎn)生
第二節(jié) 離群值的識(shí)別及檢測(cè)
第三節(jié) 離群值的處理
小結(jié)
第七章 模型驗(yàn)證與敏感性分析在醫(yī)學(xué)大數(shù)據(jù)研究中的應(yīng)用
第一節(jié) 模型驗(yàn)證與敏感性分析概述
第二節(jié) 模型驗(yàn)證與敏感性分析應(yīng)用實(shí)例
小結(jié)
第八章 工具變量法在醫(yī)學(xué)大數(shù)據(jù)挖掘中的應(yīng)用
第一節(jié) 工具變量法的基本原理
第二節(jié) 工具變量法的應(yīng)用實(shí)例
第三節(jié) 工具變量法在使用過(guò)程中的若干問(wèn)題
小結(jié)
第九章 傾向性評(píng)分在醫(yī)學(xué)大數(shù)據(jù)分析中的應(yīng)用
第一節(jié) 背景概述
第二節(jié) 傾向性評(píng)分的原理和應(yīng)用條件
第三節(jié) 傾向性評(píng)分的步驟
第四節(jié) 傾向性評(píng)分法在醫(yī)學(xué)大數(shù)據(jù)分析中的實(shí)際應(yīng)用
第五節(jié) 傾向性評(píng)分匹配法在統(tǒng)計(jì)軟件中的實(shí)現(xiàn)
第六節(jié) 傾向性評(píng)分的局限性
小結(jié)
第十章 競(jìng)爭(zhēng)性分析
第一節(jié) 競(jìng)爭(zhēng)風(fēng)險(xiǎn)模型的基本應(yīng)用
第二節(jié) 競(jìng)爭(zhēng)風(fēng)險(xiǎn)模型的應(yīng)用實(shí)例
小結(jié)
……
第十一章 大數(shù)據(jù)挖掘常用的機(jī)器學(xué)習(xí)算法
第十二章 大數(shù)據(jù)分析和挖掘的常用軟件及平臺(tái)
第十三章 回歸方程在醫(yī)學(xué)大數(shù)據(jù)挖掘中的應(yīng)用
第十四章 基于變量選擇的數(shù)據(jù)降維模型
第十五章 關(guān)聯(lián)規(guī)則挖掘在醫(yī)學(xué)大數(shù)據(jù)挖掘中的應(yīng)用
第十六章 醫(yī)學(xué)大數(shù)據(jù)預(yù)測(cè)模型的評(píng)價(jià)與驗(yàn)證
第十七章 XGBoost模型在醫(yī)學(xué)大數(shù)據(jù)預(yù)測(cè)建模中的應(yīng)用
第十八章 生物信息挖掘的基本方法
第十九章 住院病案首頁(yè)與氣象及大氣污染數(shù)據(jù)挖掘應(yīng)用
第二十章 寧波市鄞州區(qū)健康大數(shù)據(jù)平臺(tái)在疾病管理中的應(yīng)用
彩圖