简体网页||繁体网页

☆☆☆☆☆

店铺： 旷氏文豪图书专营店

出版社： 电子工业出版社

ISBN：9787121314865

商品编码：13514742044

YL7758  9787121314865 9787121298677 9787302441885

健康医疗大数据 理论与实践

本书围绕健康医疗大数据的理论与实践展开论述。全书共分为7章，第1章主要描述大数据的基础知识、通用技术以及技术发展趋势；第2章主要对健康医疗大数据的概念、特征、分类、主要应用技术、国内外发展现状以及应用需求进行系统阐述；第3章~第6章分别对临床大数据、精细化运营大数据、健康管理大数据以及基因检测大数据的应用实践案例进行详细论述；第7章对健康医疗大数据的未来发展趋势进行展望。本书是很多应用实例和经验的总结，案例丰富翔实，将理论与实际紧密结合，对互联网技术人员、健康医疗行业的从业人士，以及高等院校相关**的学生均有很大帮助。

第1章  大数据概述  / 1 

1.1  大数据基础知识  / 2 

1.1.1  大数据概念和特征  / 2 

1.1.2  大数据分类  / 4 

1.2  大数据通用技术  / 7 

1.2.1  数据采集与预处理  / 7 

1.2.2  数据存储技术  / 17 

1.2.3  数据处理技术  / 34 

1.2.4  数据分析与挖掘技术  / 42 

1.2.5  安全与隐私保护技术  / 50 

1.3  大数据技术发展趋势  / 54 

第2章  健康医疗大数据应用需求  / 57 

2.1  健康医疗大数据概述  / 58 

2.1.1  概念及特征  / 58 

2.1.2  分类  / 59 

2.2  健康医疗大数据主要应用技术  / 60 

2.2.1  健康医疗信息的本体建模技术  / 60 

2.2.2  多源异构数据整合技术  / 61 

2.2.3  基于本体的语义搜索  / 61 

2.2.4  健康医疗知识发现技术  / 64 

2.2.5  机器学习技术  / 65 

2.2.6  隐私数据匿名化处理技术  / 67 

2.3  健康医疗大数据国内外发展现状  / 69 

2.3.1  美国  / 69 

2.3.2  英国  / 74 

2.3.3  日本  / 76 

2.3.4  中国  / 77 

2.4  我国健康医疗大数据应用需求  / 81 

2.4.1  多方共同推动健康医疗大数据发展  / 81 

2.4.2  健康医疗大数据总体应用需求  / 88 

第3章  临床大数据应用实践  / 92 

3.1  恶性肿瘤大数据分析  / 93 

3.1.1  应用背景  / 93 

3.1.2  设计思想和总体框架  / 94 

3.1.3  恶性肿瘤大数据分析平台建设介绍  / 95 

3.1.4  应用效果  / 118 

3.2  药物应用大数据分析  / 120 

3.2.1  “二甲双胍减少癌症病人死亡率”的药物重定向大数据分析  / 121 

3.2.2  “比格列酮使用与膀胱癌关联分析”的药物不良反应大数据分析  / 122 

3.2.3  基于OHDSI网络的大规模临床诊疗路径分析  / 123 

3.3  疾病辅助诊断分析  / 126 

3.3.1  应用背景  / 126 

3.3.2  设计思想与总体框架  / 127 

3.3.3  应用实践及效果分析  / 131 

第4章  精细化运营大数据应用实践  / 134 

4.1  应用背景  / 135 

4.2  成本核算体系与方法  / 139 

4.2.1  医院成本核算体系结构  / 139 

4.2.2  医院成本核算的路径与方法  / 141 

4.3  设计思想与总体框架  / 152 

4.4  应用案例  / 154 

4.4.1  科室成本核算案例  / 154 

4.4.2  项目成本核算案例  / 157 

4.4.3  病种成本核算案例  / 161 

4.4.4  医院数据联盟与中国首部公立医院成本报告（2015年）  / 162 

4.5  应用效果  / 167 

4.5.1  医疗成本大数据对医院管理运营的应用效果  / 167 

4.5.2  医疗成本大数据促进医改的应用效果展望  / 170 

第5章  健康管理大数据应用实践  / 172 

5.1  健康体检大数据分析  / 173 

5.1.1  应用背景  / 173 

5.1.2  设计思想与总体框架  / 173 

5.1.3  数据建模与算法优化  / 174 

5.1.4  应用效果  / 184 

5.2  慢病管理大数据分析  / 186 

5.2.1  应用背景  / 186 

5.2.2  设计思路与总体框架  / 187 

5.2.3  数据建模与算法优化  / 188 

5.2.4  智能化慢病管理服务  / 194 

5.2.5  应用效果  / 195 

5.3  睡眠大数据分析  / 197 

5.3.1  应用背景  / 197 

5.3.2  设计思想与总体框架  / 202 

5.3.3  数据建模与算法优化  / 206 

5.3.4  应用效果  / 214 

第6章  基因检测大数据应用实践  / 225 

6.1  精准医疗领域  / 226 

6.1.1  基于基因亚型的疾病类别细分  / 229 

6.1.2  靶向特异性药物研究  / 229

6.1.3  药物不良反应监测  / 229 

6.1.4  临床支持决策  / 230 

6.2  电子病历与基因组学领域  / 231 

6.2.1  ABCC3遗传变异与吗啡引起的儿童术后呼吸抑制的 

相关性以及吗啡药代动力学研究  / 232

6.2.2  PCSK9基因变异对低密度脂蛋白胆固醇对他汀类药物治疗反应性的影响研究  / 233 

第7章  未来展望  / 234 

7.1  物联网将推动主动医疗和预防性医疗时代的到来  / 235 

7.2  精准医疗将增强人类面对疾病的信心和勇气  / 237 

7.3  人工智能将提升诊断能力，缓解医疗资源不足的矛盾  / 239 

7.4  虚拟现实将提高手术质量，降低学习成本  / 241

参考文献  / 245

医疗革命——医学数据挖掘的理论与实践

本书以数据挖掘与模式识别的七大原理在临床医学中的运用案例为切入点，系统而全面地介绍了医学数据挖掘的基本方法与原理，对数据分析的常用算法进行了通俗易懂的讲解。本书的特色是采用了案例分析与实证的方法，每一个原理、算法都在案例讲解中生动地体现出来。更重要的是，本书对临床医学的数据挖掘与模式识别技术进行了开创性、系统性的讨论，用案例展现了数据挖掘技术如何与临床医学相结合，为广大的医生、医学数据挖掘爱好者提供了很实用的技术示范、理念导入、系统思考。

本书所有概念的讲解基本结构为原理讲解与案例实操的二元结构，兼顾初学者与**人士的需要。本书重点探讨了数据挖掘技术如何与临床医学深度融合，如何运用现代的数据挖掘理念、模式识别与机器学习的基本方法解决临床科研中的应用问题，为广大的科研型临床医生提供助力，为广大的数据分析人员找到行业应用的范例，为广大初学者提供努力学习的方向，更重要的是在这个大数据时代，我们可以*自见证数据技术是如何改变并深刻影响着临床医学的科研与教学。
第1章 数据分析与数据挖掘的力量1
1.1　葡萄牙医生解决世界新生儿出生缺陷的故事2
1.2　医学数据挖掘的主要定义5
1.2.1 数据挖掘的定义5
1.2.2 医学数据挖掘的故事5
1.3　医学数据模式识别的七大原理与案例讲解6
1.3.1 什么是模式识别6
1.3.2 7个小故事7
1.4　临床医学领域的机器学习与人工智能12
1.5　神经元网络的基本原理13
第2章 临床医学的数据挖掘20
2.1　房颤与肾功能关联现象的故事21
2.2　支持向量机的算法原理与应用30
2.2.1 一个故事的开场白30
2.2.2 支持向量机的主要特点31
2.2.3 支持向量机的应用案例39
2.3　疾病规律与统计学革命43
2.3.1 肝胆外科的统计学故事43
2.3.2 双盲实验的诞生44
2.3.3 几则很有趣的医学统计学故事47
2.4　老年肺癌研究50
2.4.1 数据的抓取与来源50
2.4.2 癌症与老龄化的相关性分析51
2.4.3 老年人肺癌手术适用性评估关键词频率53
2.4.4 老年肺肿瘤的数据分析54
2.4.5 英国肺癌患者38年来死亡率研究59
2.4.6 老龄肺癌死亡率数据的三维分析59
2.5　临床医学与数据挖掘的边缘学科62
2.5.1 几个实例62
2.5.2 医学统计学与医学数据挖掘的区别69
2.5.3 有关数据挖掘是边缘学科的几个实例72
2.5.4 一个医学数据挖掘的案例74
第3章 临床医学与数据技术的深度融合90
3.1　二型糖尿病与胰腺癌的故事91
3.2　Cox回归的基本原理与应用94
3.2.1 Cox回归的基本原理94
3.2.2 晚期肺癌伴脑转移患者的预后多因素Cox回归95
3.2.3 本案例的几点启示100
3.3　医学数据分析中的故事101
3.4　聚类的临床医学意义103
3.4.1 聚类算法的基本定义103
3.4.2 临床医学数据挖掘中聚类的意义104
3.4.3 案例112
3.5　贝叶斯算法的应用案例113
3.5.1 一个流传甚广的故事113
3.5.2 一个贝叶斯算法的医学案例114
第4章 临床医学的模式识别126
4.1　模式识别是什么127
4.1.1 定义127
4.1.2 临床医学模式识别的故事127
4.2　基线静息心率的故事130
4.3　决策树算法132
4.4　*大期望（EM）算法135
4.5　算法的规律与临床医学的本质140
4.5.1 算法的本质是什么140
4.5.2 数据挖掘中医学的本质141
第5章 医学数据挖掘的常用工具146
5.1　SAS挖掘软件运用案例147
5.2　Weka软件介绍150
5.3　Matlab案例152
5.4　R语言案例162
5.5　临床医生如何用好挖掘工具164
第6章 **级医学SCI论文中的统计工具169
6.1　医学数据中的T值与P值故事170
6.2　K线图的故事172
6.3　国际**期刊上的数据技术174
6.4　SCI荟萃分析中的统计学工具180
6.4.1 研究对象及入选标准181
6.4.2 统计学处理181

医学数据挖掘案例与实践

基于大数据时代生物医学数据的爆炸式增长，本书从医学科研中的实际问题出发，以案例的形式深入浅出地介绍了近年来崭新的医学数据挖掘技术，包括决策树模型、支持向量机、*森林分类、关联规则、贝叶斯网络构建等，并详细介绍了数据挖掘软件(SPSS、SAS、R等)的操作步骤，重点突出实用性和可操作性，以期提高读者对医学科研数据的深层次处理与分析的能力。 　　本书主要取材于编者近年来从事生物医学数据深度挖掘方面的研究与教学工作内容，既适用于医学院校本科生及研究生、医学基础及临床科研工作者和相关技术人员作为教材，也可作为科学研究的参考用书。
第1章  数据预处理    1
　　1.1  异常值的常见处理方法    1
　　1.2  缺失值的填补    8

第2章  多元线性回归分析    14
　　2.1  多元线性回归的概念    14
　　2.2  多元线性回归的模型结构    14
　　2.3  多元逐步线性回归    17

第3章  Logistic回归分析    22
　　3.1  Logistic回归分析的基本概念    22
　　3.2  Logistic回归的模型结构    22
　　3.3  应用实例1：一般资料的Logistic回归    23
　　3.4  应用实例2：列联表资料的Logistic回归    27
　　3.5  应用实例3：多项Logistic回归分析    29

第4章  非线性回归拟合分析    32
　　4.1  非线性回归基本概念    32
　　4.2  应用实例1：对新增SARS病例数的预测分析    32
　　4.3  应用实例2：对累计SARS病例数的预测分析    37

第5章  生存分析    41
　　5.1  生存分析的基本概念    41
　　5.2  生存分析的资料特点    41
　　5.3  生存资料的分析方法    42
　　5.4  应用实例1：累积生存率的计算    42
　　5.5  应用实例2：小样本生存率的Kaplan-Meier估计    45
　　5.6  应用实例3：生存曲线比较的Log-rank检验    47
　　5.7  应用实例4：Cox回归    51
　　　　5.7.1  Cox模型结构与参数估计    51
　　　　5.7.2  应用实例：Cox回归分析    51

第6章  基于竞争风险模型的生存分析    56
6.1  竞争风险模型    56
6.2  应用实例：竞争风险模型的生存分析    56

第7章  Meta分析    62
7.1  Meta分析概述    62
7.2  Meta分析的方法与步骤    62
7.3  应用实例1：二分类资料的Meta分析    63
7.4  应用实例2：连续资料的Meta分析    71

第8章  剂量-反应模型的Meta分析    77
8.1  剂量-反应关系的数据结构    77
8.2  线性拟合    78
8.3  非线性拟合-三次曲线拟合    79
　　
第9章  决策树模型分析    82
9.1  分类的概念    82
9.2  分类的步骤    82
9.3  分类器性能的评估    83
9.4  决策树分类器简介    83
9.5  应用实例：决策树分析    85

第10章  随机森林法提取特征属性    88
10.1  随机森林方法基本概念    88
10.2  基于平均基尼指数减少量的特征属性选择    88
10.3  应用实例：随机森林法提取特征属性    90
第11章  倾向性得分匹配方法    94
11.1  倾向性得分匹配方法    94
11.2  倾向性得分匹配方法的步骤    94
11.3  应用实例：倾向性得分匹配    95

第12章  用广义估计方程分析重复测量的定性资料    102
12.1  广义估计方程的基本概念    102
12.2  广义线性模型的结构    102
12.3  GEE算法    103
12.4  应用实例1：重复测量的实验数据    103
12.5  应用实例2：问卷调查中的多选题数据    105

第13章  基于支持向量机的微阵列数据分类    109
13.1  支持向量机简介    109
13.2  支持向量机的基本原理    109
13.3  应用实例：支持向量机分类    111

第14章  时间序列分析    113
　　14.1  时间序列分析的基本概念    113
　　14.2  时间序列分析的主要步骤    113
　　14.3  应用实例：时间序列分析    114

第15章  路径图分析    118
　　15.1  路径图分析基本理论    118
　　15.2  路径图分析的基本步骤    118
　　15.3  应用实例：路径图分析    119
15.3.1  1个回归分析    119
15.3.2  第二个回归分析    121
15.3.3  第三个回归分析    122

第16章  主成分分析与因子分析    124
　　16.1  主成分分析概念    124
　　16.2  应用实例1：主成分分析    124
　　16.3  因子分析概念    129
　　16.4  应用实例2：因子分析    129
　　
第17章  判别分析    134
　　17.1  判别分析的概念    134
　　17.2  常用的判别分析方法    134
　　17.3  判别函数的验证    135
　　17.4  应用实例：判别分析    135
　　
第18章  聚类分析    144
　　18.1  聚类分析的概念    144
　　18.2  K均值聚类法    144
　　18.3  应用实例1：K均值聚类    145
　　18.4  系统聚类法    148
　　18.5  应用实例2：系统聚类    149
　　18.6  绘制双向聚类热图    153
　　
第19章  关联规则    156
　　19.1  关联规则的基本概念    156
　　19.2  关联规则的质量和重要性    156
　　19.3  关联规则分析的基本方法    157
　　19.4  应用实例：关联规则分析    157
　　
第20章  两组ROC曲线下的面积比较    161
　　20.1  ROC曲线的构建    161
　　20.2  ROC曲线下面积    162
　　20.3  两组ROC曲线下面积比较    162
　　20.4  应用实例：两组ROC曲线下面积比较    162
　　
第21章  诊断准确性试验Meta分析    166
　　21.1  诊断准确性试验Meta分析基本概念    166
　　21.2  诊断准确性试验Meta分析的相关评价指标    166
　　21.3  应用实例：诊断准确性试验Meta分析    167

第22章  贝叶斯网络分析    173
　　22.1  贝叶斯网络的概念    173
　　22.2  应用实例：贝叶斯网络构建    174
　　
第23章  偏*小二乘回归分析    179
　　23.1  偏*小二乘回归的基本步骤和原理    179
　　23.2  应用实例：偏*小二乘回归分析    180

参考文献    185

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆