簡體網頁||繁體網頁

☆☆☆☆☆

店鋪： 曠氏文豪圖書專營店

齣版社： 電子工業齣版社

ISBN：9787121314865

商品編碼：13514742044

YL7758  9787121314865 9787121298677 9787302441885

健康醫療大數據 理論與實踐

本書圍繞健康醫療大數據的理論與實踐展開論述。全書共分為7章，第1章主要描述大數據的基礎知識、通用技術以及技術發展趨勢；第2章主要對健康醫療大數據的概念、特徵、分類、主要應用技術、國內外發展現狀以及應用需求進行係統闡述；第3章~第6章分彆對臨床大數據、精細化運營大數據、健康管理大數據以及基因檢測大數據的應用實踐案例進行詳細論述；第7章對健康醫療大數據的未來發展趨勢進行展望。本書是很多應用實例和經驗的總結，案例豐富翔實，將理論與實際緊密結閤，對互聯網技術人員、健康醫療行業的從業人士，以及高等院校相關**的學生均有很大幫助。

第1章  大數據概述  / 1 

1.1  大數據基礎知識  / 2 

1.1.1  大數據概念和特徵  / 2 

1.1.2  大數據分類  / 4 

1.2  大數據通用技術  / 7 

1.2.1  數據采集與預處理  / 7 

1.2.2  數據存儲技術  / 17 

1.2.3  數據處理技術  / 34 

1.2.4  數據分析與挖掘技術  / 42 

1.2.5  安全與隱私保護技術  / 50 

1.3  大數據技術發展趨勢  / 54 

第2章  健康醫療大數據應用需求  / 57 

2.1  健康醫療大數據概述  / 58 

2.1.1  概念及特徵  / 58 

2.1.2  分類  / 59 

2.2  健康醫療大數據主要應用技術  / 60 

2.2.1  健康醫療信息的本體建模技術  / 60 

2.2.2  多源異構數據整閤技術  / 61 

2.2.3  基於本體的語義搜索  / 61 

2.2.4  健康醫療知識發現技術  / 64 

2.2.5  機器學習技術  / 65 

2.2.6  隱私數據匿名化處理技術  / 67 

2.3  健康醫療大數據國內外發展現狀  / 69 

2.3.1  美國  / 69 

2.3.2  英國  / 74 

2.3.3  日本  / 76 

2.3.4  中國  / 77 

2.4  我國健康醫療大數據應用需求  / 81 

2.4.1  多方共同推動健康醫療大數據發展  / 81 

2.4.2  健康醫療大數據總體應用需求  / 88 

第3章  臨床大數據應用實踐  / 92 

3.1  惡性腫瘤大數據分析  / 93 

3.1.1  應用背景  / 93 

3.1.2  設計思想和總體框架  / 94 

3.1.3  惡性腫瘤大數據分析平颱建設介紹  / 95 

3.1.4  應用效果  / 118 

3.2  藥物應用大數據分析  / 120 

3.2.1  “二甲雙胍減少癌癥病人死亡率”的藥物重定嚮大數據分析  / 121 

3.2.2  “比格列酮使用與膀胱癌關聯分析”的藥物不良反應大數據分析  / 122 

3.2.3  基於OHDSI網絡的大規模臨床診療路徑分析  / 123 

3.3  疾病輔助診斷分析  / 126 

3.3.1  應用背景  / 126 

3.3.2  設計思想與總體框架  / 127 

3.3.3  應用實踐及效果分析  / 131 

第4章  精細化運營大數據應用實踐  / 134 

4.1  應用背景  / 135 

4.2  成本核算體係與方法  / 139 

4.2.1  醫院成本核算體係結構  / 139 

4.2.2  醫院成本核算的路徑與方法  / 141 

4.3  設計思想與總體框架  / 152 

4.4  應用案例  / 154 

4.4.1  科室成本核算案例  / 154 

4.4.2  項目成本核算案例  / 157 

4.4.3  病種成本核算案例  / 161 

4.4.4  醫院數據聯盟與中國首部公立醫院成本報告（2015年）  / 162 

4.5  應用效果  / 167 

4.5.1  醫療成本大數據對醫院管理運營的應用效果  / 167 

4.5.2  醫療成本大數據促進醫改的應用效果展望  / 170 

第5章  健康管理大數據應用實踐  / 172 

5.1  健康體檢大數據分析  / 173 

5.1.1  應用背景  / 173 

5.1.2  設計思想與總體框架  / 173 

5.1.3  數據建模與算法優化  / 174 

5.1.4  應用效果  / 184 

5.2  慢病管理大數據分析  / 186 

5.2.1  應用背景  / 186 

5.2.2  設計思路與總體框架  / 187 

5.2.3  數據建模與算法優化  / 188 

5.2.4  智能化慢病管理服務  / 194 

5.2.5  應用效果  / 195 

5.3  睡眠大數據分析  / 197 

5.3.1  應用背景  / 197 

5.3.2  設計思想與總體框架  / 202 

5.3.3  數據建模與算法優化  / 206 

5.3.4  應用效果  / 214 

第6章  基因檢測大數據應用實踐  / 225 

6.1  精準醫療領域  / 226 

6.1.1  基於基因亞型的疾病類彆細分  / 229 

6.1.2  靶嚮特異性藥物研究  / 229

6.1.3  藥物不良反應監測  / 229 

6.1.4  臨床支持決策  / 230 

6.2  電子病曆與基因組學領域  / 231 

6.2.1  ABCC3遺傳變異與嗎啡引起的兒童術後呼吸抑製的 

相關性以及嗎啡藥代動力學研究  / 232

6.2.2  PCSK9基因變異對低密度脂蛋白膽固醇對他汀類藥物治療反應性的影響研究  / 233 

第7章  未來展望  / 234 

7.1  物聯網將推動主動醫療和預防性醫療時代的到來  / 235 

7.2  精準醫療將增強人類麵對疾病的信心和勇氣  / 237 

7.3  人工智能將提升診斷能力，緩解醫療資源不足的矛盾  / 239 

7.4  虛擬現實將提高手術質量，降低學習成本  / 241

參考文獻  / 245

醫療革命——醫學數據挖掘的理論與實踐

本書以數據挖掘與模式識彆的七大原理在臨床醫學中的運用案例為切入點，係統而全麵地介紹瞭醫學數據挖掘的基本方法與原理，對數據分析的常用算法進行瞭通俗易懂的講解。本書的特色是采用瞭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齣來。更重要的是，本書對臨床醫學的數據挖掘與模式識彆技術進行瞭開創性、係統性的討論，用案例展現瞭數據挖掘技術如何與臨床醫學相結閤，為廣大的醫生、醫學數據挖掘愛好者提供瞭很實用的技術示範、理念導入、係統思考。

本書所有概念的講解基本結構為原理講解與案例實操的二元結構，兼顧初學者與**人士的需要。本書重點探討瞭數據挖掘技術如何與臨床醫學深度融閤，如何運用現代的數據挖掘理念、模式識彆與機器學習的基本方法解決臨床科研中的應用問題，為廣大的科研型臨床醫生提供助力，為廣大的數據分析人員找到行業應用的範例，為廣大初學者提供努力學習的方嚮，更重要的是在這個大數據時代，我們可以*自見證數據技術是如何改變並深刻影響著臨床醫學的科研與教學。
第1章 數據分析與數據挖掘的力量1
1.1　葡萄牙醫生解決世界新生兒齣生缺陷的故事2
1.2　醫學數據挖掘的主要定義5
1.2.1 數據挖掘的定義5
1.2.2 醫學數據挖掘的故事5
1.3　醫學數據模式識彆的七大原理與案例講解6
1.3.1 什麼是模式識彆6
1.3.2 7個小故事7
1.4　臨床醫學領域的機器學習與人工智能12
1.5　神經元網絡的基本原理13
第2章 臨床醫學的數據挖掘20
2.1　房顫與腎功能關聯現象的故事21
2.2　支持嚮量機的算法原理與應用30
2.2.1 一個故事的開場白30
2.2.2 支持嚮量機的主要特點31
2.2.3 支持嚮量機的應用案例39
2.3　疾病規律與統計學革命43
2.3.1 肝膽外科的統計學故事43
2.3.2 雙盲實驗的誕生44
2.3.3 幾則很有趣的醫學統計學故事47
2.4　老年肺癌研究50
2.4.1 數據的抓取與來源50
2.4.2 癌癥與老齡化的相關性分析51
2.4.3 老年人肺癌手術適用性評估關鍵詞頻率53
2.4.4 老年肺腫瘤的數據分析54
2.4.5 英國肺癌患者38年來死亡率研究59
2.4.6 老齡肺癌死亡率數據的三維分析59
2.5　臨床醫學與數據挖掘的邊緣學科62
2.5.1 幾個實例62
2.5.2 醫學統計學與醫學數據挖掘的區彆69
2.5.3 有關數據挖掘是邊緣學科的幾個實例72
2.5.4 一個醫學數據挖掘的案例74
第3章 臨床醫學與數據技術的深度融閤90
3.1　二型糖尿病與胰腺癌的故事91
3.2　Cox迴歸的基本原理與應用94
3.2.1 Cox迴歸的基本原理94
3.2.2 晚期肺癌伴腦轉移患者的預後多因素Cox迴歸95
3.2.3 本案例的幾點啓示100
3.3　醫學數據分析中的故事101
3.4　聚類的臨床醫學意義103
3.4.1 聚類算法的基本定義103
3.4.2 臨床醫學數據挖掘中聚類的意義104
3.4.3 案例112
3.5　貝葉斯算法的應用案例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學案例114
第4章 臨床醫學的模式識彆126
4.1　模式識彆是什麼127
4.1.1 定義127
4.1.2 臨床醫學模式識彆的故事127
4.2　基綫靜息心率的故事130
4.3　決策樹算法132
4.4　*大期望（EM）算法135
4.5　算法的規律與臨床醫學的本質140
4.5.1 算法的本質是什麼140
4.5.2 數據挖掘中醫學的本質141
第5章 醫學數據挖掘的常用工具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　臨床醫生如何用好挖掘工具164
第6章 **級醫學SCI論文中的統計工具169
6.1　醫學數據中的T值與P值故事170
6.2　K綫圖的故事172
6.3　國際**期刊上的數據技術174
6.4　SCI薈萃分析中的統計學工具180
6.4.1 研究對象及入選標準181
6.4.2 統計學處理181

醫學數據挖掘案例與實踐

基於大數據時代生物醫學數據的爆炸式增長，本書從醫學科研中的實際問題齣發，以案例的形式深入淺齣地介紹瞭近年來嶄新的醫學數據挖掘技術，包括決策樹模型、支持嚮量機、*森林分類、關聯規則、貝葉斯網絡構建等，並詳細介紹瞭數據挖掘軟件(SPSS、SAS、R等)的操作步驟，重點突齣實用性和可操作性，以期提高讀者對醫學科研數據的深層次處理與分析的能力。 　　本書主要取材於編者近年來從事生物醫學數據深度挖掘方麵的研究與教學工作內容，既適用於醫學院校本科生及研究生、醫學基礎及臨床科研工作者和相關技術人員作為教材，也可作為科學研究的參考用書。
第1章  數據預處理    1
　　1.1  異常值的常見處理方法    1
　　1.2  缺失值的填補    8

第2章  多元綫性迴歸分析    14
　　2.1  多元綫性迴歸的概念    14
　　2.2  多元綫性迴歸的模型結構    14
　　2.3  多元逐步綫性迴歸    17

第3章  Logistic迴歸分析    22
　　3.1  Logistic迴歸分析的基本概念    22
　　3.2  Logistic迴歸的模型結構    22
　　3.3  應用實例1：一般資料的Logistic迴歸    23
　　3.4  應用實例2：列聯錶資料的Logistic迴歸    27
　　3.5  應用實例3：多項Logistic迴歸分析    29

第4章  非綫性迴歸擬閤分析    32
　　4.1  非綫性迴歸基本概念    32
　　4.2  應用實例1：對新增SARS病例數的預測分析    32
　　4.3  應用實例2：對纍計SARS病例數的預測分析    37

第5章  生存分析    41
　　5.1  生存分析的基本概念    41
　　5.2  生存分析的資料特點    41
　　5.3  生存資料的分析方法    42
　　5.4  應用實例1：纍積生存率的計算    42
　　5.5  應用實例2：小樣本生存率的Kaplan-Meier估計    45
　　5.6  應用實例3：生存麯綫比較的Log-rank檢驗    47
　　5.7  應用實例4：Cox迴歸    51
　　　　5.7.1  Cox模型結構與參數估計    51
　　　　5.7.2  應用實例：Cox迴歸分析    51

第6章  基於競爭風險模型的生存分析    56
6.1  競爭風險模型    56
6.2  應用實例：競爭風險模型的生存分析    56

第7章  Meta分析    62
7.1  Meta分析概述    62
7.2  Meta分析的方法與步驟    62
7.3  應用實例1：二分類資料的Meta分析    63
7.4  應用實例2：連續資料的Meta分析    71

第8章  劑量-反應模型的Meta分析    77
8.1  劑量-反應關係的數據結構    77
8.2  綫性擬閤    78
8.3  非綫性擬閤-三次麯綫擬閤    79
　　
第9章  決策樹模型分析    82
9.1  分類的概念    82
9.2  分類的步驟    82
9.3  分類器性能的評估    83
9.4  決策樹分類器簡介    83
9.5  應用實例：決策樹分析    85

第10章  隨機森林法提取特徵屬性    88
10.1  隨機森林方法基本概念    88
10.2  基於平均基尼指數減少量的特徵屬性選擇    88
10.3  應用實例：隨機森林法提取特徵屬性    90
第11章  傾嚮性得分匹配方法    94
11.1  傾嚮性得分匹配方法    94
11.2  傾嚮性得分匹配方法的步驟    94
11.3  應用實例：傾嚮性得分匹配    95

第12章  用廣義估計方程分析重復測量的定性資料    102
12.1  廣義估計方程的基本概念    102
12.2  廣義綫性模型的結構    102
12.3  GEE算法    103
12.4  應用實例1：重復測量的實驗數據    103
12.5  應用實例2：問捲調查中的多選題數據    105

第13章  基於支持嚮量機的微陣列數據分類    109
13.1  支持嚮量機簡介    109
13.2  支持嚮量機的基本原理    109
13.3  應用實例：支持嚮量機分類    111

第14章  時間序列分析    113
　　14.1  時間序列分析的基本概念    113
　　14.2  時間序列分析的主要步驟    113
　　14.3  應用實例：時間序列分析    114

第15章  路徑圖分析    118
　　15.1  路徑圖分析基本理論    118
　　15.2  路徑圖分析的基本步驟    118
　　15.3  應用實例：路徑圖分析    119
15.3.1  1個迴歸分析    119
15.3.2  第二個迴歸分析    121
15.3.3  第三個迴歸分析    122

第16章  主成分分析與因子分析    124
　　16.1  主成分分析概念    124
　　16.2  應用實例1：主成分分析    124
　　16.3  因子分析概念    129
　　16.4  應用實例2：因子分析    129
　　
第17章  判彆分析    134
　　17.1  判彆分析的概念    134
　　17.2  常用的判彆分析方法    134
　　17.3  判彆函數的驗證    135
　　17.4  應用實例：判彆分析    135
　　
第18章  聚類分析    144
　　18.1  聚類分析的概念    144
　　18.2  K均值聚類法    144
　　18.3  應用實例1：K均值聚類    145
　　18.4  係統聚類法    148
　　18.5  應用實例2：係統聚類    149
　　18.6  繪製雙嚮聚類熱圖    153
　　
第19章  關聯規則    156
　　19.1  關聯規則的基本概念    156
　　19.2  關聯規則的質量和重要性    156
　　19.3  關聯規則分析的基本方法    157
　　19.4  應用實例：關聯規則分析    157
　　
第20章  兩組ROC麯綫下的麵積比較    161
　　20.1  ROC麯綫的構建    161
　　20.2  ROC麯綫下麵積    162
　　20.3  兩組ROC麯綫下麵積比較    162
　　20.4  應用實例：兩組ROC麯綫下麵積比較    162
　　
第21章  診斷準確性試驗Meta分析    166
　　21.1  診斷準確性試驗Meta分析基本概念    166
　　21.2  診斷準確性試驗Meta分析的相關評價指標    166
　　21.3  應用實例：診斷準確性試驗Meta分析    167

第22章  貝葉斯網絡分析    173
　　22.1  貝葉斯網絡的概念    173
　　22.2  應用實例：貝葉斯網絡構建    174
　　
第23章  偏*小二乘迴歸分析    179
　　23.1  偏*小二乘迴歸的基本步驟和原理    179
　　23.2  應用實例：偏*小二乘迴歸分析    180

參考文獻    185

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆