醫(yī)療革命：醫(yī)學(xué)數(shù)據(jù)挖掘的理論與實(shí)踐

定　價(jià)：￥49.00

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

購(gòu)買這本書(shū)可以去

ISBN：	9787121298677	出版時(shí)間：	2016-09-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	192	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)以數(shù)據(jù)挖掘與模式識(shí)別的七大原理在臨床醫(yī)學(xué)中的運(yùn)用案例為切入點(diǎn)，系統(tǒng)而全面地介紹了醫(yī)學(xué)數(shù)據(jù)挖掘的基本方法與原理，對(duì)數(shù)據(jù)分析的常用算法進(jìn)行了通俗易懂的講解。本書(shū)*大的特色是采用了案例分析與實(shí)證的方法，每一個(gè)原理、算法都在案例講解中生動(dòng)地體現(xiàn)出來(lái)。更重要的是，本書(shū)對(duì)臨床醫(yī)學(xué)的數(shù)據(jù)挖掘與模式識(shí)別技術(shù)進(jìn)行了開(kāi)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(xué)相結(jié)合，為廣大的醫(yī)生、醫(yī)學(xué)數(shù)據(jù)挖掘愛(ài)好者提供了很實(shí)用的技術(shù)示范、理念導(dǎo)入、系統(tǒng)思考。本書(shū)所有概念的講解基本結(jié)構(gòu)為原理講解與案例實(shí)操的二元結(jié)構(gòu)，兼顧初學(xué)者與專業(yè)人士的需要。本書(shū)重點(diǎn)探討了數(shù)據(jù)挖掘技術(shù)如何與臨床醫(yī)學(xué)深度融合，如何運(yùn)用現(xiàn)代的數(shù)據(jù)挖掘理念、模式識(shí)別與機(jī)器學(xué)習(xí)的基本方法解決臨床科研中的應(yīng)用問(wèn)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(xué)者提供努力學(xué)習(xí)的方向，更重要的是在這個(gè)大數(shù)據(jù)時(shí)代，我們可以親自見(jiàn)證數(shù)據(jù)技術(shù)是如何改變并深刻影響著臨床醫(yī)學(xué)的科研與教學(xué)。

作者簡(jiǎn)介

　　邵學(xué)杰先生，是我國(guó)醫(yī)學(xué)大數(shù)據(jù)概念提出的實(shí)踐者與先行者，2011年邵學(xué)杰先生與國(guó)家衛(wèi)生計(jì)生委醫(yī)政醫(yī)管局醫(yī)療質(zhì)量監(jiān)測(cè)中心HQMS合作首度提出建設(shè)“中國(guó)醫(yī)療云”的設(shè)想。不僅如此，邵學(xué)杰先生還是我國(guó)醫(yī)學(xué)圖像人工智能識(shí)別的先行者，于2012年建立**家民營(yíng)人工智能與深度學(xué)習(xí)研究機(jī)構(gòu)，在醫(yī)學(xué)圖像的人工智能與機(jī)器深度學(xué)習(xí)方面有豐富的實(shí)操經(jīng)驗(yàn)。邵學(xué)杰先生還是醫(yī)學(xué)數(shù)據(jù)挖掘的先行者，他領(lǐng)銜的研究團(tuán)隊(duì)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(jìn)展。

圖書(shū)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(xué)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(xué)數(shù)據(jù)挖掘的故事 5
1．3　醫(yī)學(xué)數(shù)據(jù)模式識(shí)別的七大原理與案例講解 6
1．3．1 什么是模式識(shí)別 6
1．3．2 7個(gè)小故事 7
1．4　臨床醫(yī)學(xué)領(lǐng)域的機(jī)器學(xué)習(xí)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(xué)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(jī)的算法原理與應(yīng)用 30
2．2．1 一個(gè)故事的開(kāi)場(chǎng)白 30
2．2．2 支持向量機(jī)的主要特點(diǎn) 31
2．2．3 支持向量機(jī)的應(yīng)用案例 39
2．3　疾病規(guī)律與統(tǒng)計(jì)學(xué)革命 43
2．3．1 肝膽外科的統(tǒng)計(jì)學(xué)故事 43
2．3．2 雙盲實(shí)驗(yàn)的誕生 44
2．3．3 幾則很有趣的醫(yī)學(xué)統(tǒng)計(jì)學(xué)故事 47
2．4　老年肺癌研究 50
2．4．1 數(shù)據(jù)的抓取與來(lái)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(píng)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(guó)肺癌患者38年來(lái)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(xué)與數(shù)據(jù)挖掘的邊緣學(xué)科 62
2．5．1 幾個(gè)實(shí)例 62
2．5．2 醫(yī)學(xué)統(tǒng)計(jì)學(xué)與醫(yī)學(xué)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(xué)科的幾個(gè)實(shí)例 72
2．5．4 一個(gè)醫(yī)學(xué)數(shù)據(jù)挖掘的案例 74
第3章臨床醫(yī)學(xué)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(yù)后多因素Cox回歸 95
3．2．3 本案例的幾點(diǎn)啟示 100
3．3　醫(yī)學(xué)數(shù)據(jù)分析中的故事 101
3．4　聚類的臨床醫(yī)學(xué)意義 103
3．4．1 聚類算法的基本定義 103
3．4．2 臨床醫(yī)學(xué)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(gè)流傳甚廣的故事 113
3．5．2 一個(gè)貝葉斯算法的醫(yī)學(xué)案例 114
第4章臨床醫(yī)學(xué)的模式識(shí)別 126
4．1　模式識(shí)別是什么 127
4．1．1 定義 127
4．1．2 臨床醫(yī)學(xué)模式識(shí)別的故事 127
4．2　基線靜息心率的故事 130
4．3　決策樹(shù)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(xué)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(xué)的本質(zhì) 141
第5章醫(yī)學(xué)數(shù)據(jù)挖掘的常用工具 146
5．1　SAS挖掘軟件運(yùn)用案例 147
5．2　Weka軟件介紹 150
5．3　Matlab案例 152
5．4　R語(yǔ)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(jí)醫(yī)學(xué)SCI論文中的統(tǒng)計(jì)工具 169
6．1　醫(yī)學(xué)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(guó)際頂級(jí)期刊上的數(shù)據(jù)技術(shù) 174
6．4　SCI薈萃分析中的統(tǒng)計(jì)學(xué)工具 180
6．4．1 研究對(duì)象及入選標(biāo)準(zhǔn) 181
6．4．2 統(tǒng)計(jì)學(xué)處理 181