醫(yī)療大數(shù)據(jù)分析與應(yīng)用

定　價(jià)：￥89.00

作　者：	平裝-膠訂
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購買這本書可以去

當(dāng)當(dāng)網(wǎng) (￥66.70)

ISBN：	9787111720577	出版時(shí)間：	2022-02-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字?jǐn)?shù)：

內(nèi)容簡介

　　醫(yī)療大數(shù)據(jù)是大數(shù)據(jù)在醫(yī)療領(lǐng)域的一個(gè)分支，處理的是在與人類健康相關(guān)的活動(dòng)中產(chǎn)生的與生命健康和醫(yī)療有關(guān)的數(shù)據(jù)。本書將對(duì)醫(yī)療大數(shù)據(jù)進(jìn)行全面、透徹的分析，從醫(yī)療大數(shù)據(jù)的現(xiàn)狀開始，介紹醫(yī)療大數(shù)據(jù)方向的統(tǒng)計(jì)、數(shù)據(jù)挖掘、數(shù)據(jù)預(yù)處理、建模以及可視化等技術(shù)與應(yīng)用。此外，還介紹了醫(yī)療領(lǐng)域的圖像處理和自然語言處理等人工智能技術(shù)。在本書的末尾，還討論了這個(gè)領(lǐng)域普遍關(guān)注的一個(gè)問題——醫(yī)療數(shù)據(jù)隱私保護(hù)，介紹了潛在的隱私風(fēng)險(xiǎn)和隱私保護(hù)方法等，并關(guān)注了醫(yī)療經(jīng)濟(jì)的概況與前景。通過閱讀本書，你將了解：醫(yī)療大數(shù)據(jù)的現(xiàn)狀及產(chǎn)業(yè)劃分等；如何統(tǒng)計(jì)挖掘和處理醫(yī)療領(lǐng)域的數(shù)據(jù)以方便分析；醫(yī)學(xué)數(shù)據(jù)可視化如何提升醫(yī)療人員診斷病情的效率；人工智能技術(shù)在醫(yī)療領(lǐng)域的應(yīng)用；如何對(duì)醫(yī)療數(shù)據(jù)進(jìn)行隱私保護(hù)。

作者簡介

　　成生輝博士現(xiàn)任西湖大學(xué)未來產(chǎn)業(yè)研究中心和工學(xué)院研究員，智能可視化實(shí)驗(yàn)室負(fù)責(zé)人。他于紐約州立大學(xué)石溪分校獲得計(jì)算機(jī)科學(xué)博士學(xué)位，曾在美國布魯克海文國家實(shí)驗(yàn)室、哈佛醫(yī)學(xué)院進(jìn)行研究，并擔(dān)任世界銀行（總部）數(shù)字經(jīng)濟(jì)組顧問。他的主要研究方向?yàn)樵钪?、可視化、可視分析等。他曾任大?shù)據(jù)高峰論壇（中國可視化專委會(huì)舉辦）執(zhí)行主席，國際可視化年會(huì)、太平洋可視化大會(huì)、中國可視化大會(huì)等大會(huì)項(xiàng)目委員會(huì)委員。發(fā)表論文30多篇，出版專著6部，包括《元宇宙：概念、技術(shù)及生態(tài)》《Web 3.0-具有顛覆性與重大機(jī)遇的第三代互聯(lián)網(wǎng)》《中國經(jīng)濟(jì)大數(shù)據(jù)分析》等，入選深圳市和杭州市海外高層次人才，浙江省高校領(lǐng)軍人才培養(yǎng)計(jì)劃。丁家昕博士是上海交通大學(xué)約翰·霍普克羅夫特計(jì)算機(jī)科學(xué)中心副教授，博士生導(dǎo)師，上海交通大學(xué)智能物聯(lián)網(wǎng)研究中心成員。他于紐約州立大學(xué)石溪分校獲得計(jì)算機(jī)科學(xué)博士學(xué)位，并曾在加州大學(xué)戴維斯分校計(jì)算機(jī)系從事博士后研究。他的研究方向包括時(shí)空數(shù)據(jù)挖掘、隱私保護(hù)、物聯(lián)網(wǎng)等，設(shè)計(jì)了一系列面向物聯(lián)網(wǎng)大數(shù)據(jù)的數(shù)據(jù)挖掘與保護(hù)機(jī)制，其代表性成果發(fā)表在IEEE INFOCOM、IPSN、MobiHoc、SIGSPATIAL、AAAI等國際一流會(huì)議與期刊。擔(dān)任ACM MobiHoc出版主席，IEEE DCOSS程序委員會(huì)委員，并于2020年入選上海市青年科技英才揚(yáng)帆計(jì)劃。陳淮教授現(xiàn)為廣州醫(yī)科大學(xué)附屬第二醫(yī)院放射科主任，哈佛醫(yī)學(xué)院博士后，博士生導(dǎo)師。主要研究方向?yàn)樾夭考膊∮跋裨\斷、胸部疾病的定量分析，以及通過影像數(shù)據(jù)和臨床信息并結(jié)合人工智能技術(shù)對(duì)疾病進(jìn)行輔助檢測和診斷。承擔(dān)及參與國家自然基金等各級(jí)基金項(xiàng)目10余項(xiàng)，在相關(guān)雜志發(fā)表論文40余篇。徐曉音博士現(xiàn)為哈佛醫(yī)學(xué)院布萊根婦女醫(yī)院放射影像科副教授，博士生導(dǎo)師。他的研究興趣包括生物信息學(xué)、醫(yī)學(xué)影像處理、醫(yī)學(xué)大數(shù)據(jù)，以及結(jié)合影像數(shù)據(jù)和臨床信息并通過計(jì)算技術(shù)來推動(dòng)計(jì)算機(jī)輔助檢測和診斷，并在相關(guān)雜志和會(huì)議上發(fā)表了50余篇論文。

圖書目錄

前言
第1章　醫(yī)療大數(shù)據(jù)概述　1
1.1　全球大數(shù)據(jù)現(xiàn)狀與特點(diǎn)　2
1.2　醫(yī)療大數(shù)據(jù)簡介　8
1.3　醫(yī)療大數(shù)據(jù)分析　11
1.4　醫(yī)療大數(shù)據(jù)產(chǎn)業(yè)劃分　13
1.4.1　基礎(chǔ)層　13
1.4.2　數(shù)據(jù)層　14
1.4.3　應(yīng)用層　14
1.5　醫(yī)療大數(shù)據(jù)的挑戰(zhàn)　15
1.6　大數(shù)據(jù)在醫(yī)療中的實(shí)例　17
參考文獻(xiàn)　18
第2章　數(shù)據(jù)預(yù)處理　19
2.1　數(shù)據(jù)清洗　19
2.1.1　處理缺失值　20
2.1.2　處理異常值　21
2.1.3　處理噪聲　22
2.2　大規(guī)模計(jì)算系統(tǒng)搭建　24
2.2.1　Hadoop　24
2.2.2　MapReduce　26
第3章　統(tǒng)計(jì)學(xué)在醫(yī)療領(lǐng)域的應(yīng)用　29
3.1　回歸模型　29
3.1.1　一元線性回歸　29
3.1.2　多元線性回歸　30
3.1.3　邏輯回歸　32
3.2　假設(shè)檢驗(yàn)　33
3.2.1　基本步驟　33
3.2.2　檢驗(yàn)方法　37
3.3　統(tǒng)計(jì)軟件概述　38
3.3.1　SPSS　39
3.3.2　SAS　44
3.3.3　R　45
第4章　經(jīng)典傳染病模型　49
4.1　傳染病模型概述　49
4.1.1　傳染病倉室模型　50
4.1.2　微分方程描述下的傳染病倉室模型　53
4.1.3　傳染病倉室模型的簡單仿真　55
4.2　復(fù)雜網(wǎng)絡(luò)傳染病模型　58
4.2.1　網(wǎng)絡(luò)的基本概念及度量　58
4.2.2　復(fù)雜網(wǎng)絡(luò)上的傳染病模型　63
參考文獻(xiàn)　65
第5章　醫(yī)療數(shù)據(jù)挖掘　67
5.1　醫(yī)療數(shù)據(jù)挖掘的應(yīng)用類型和過程　68
5.1.1　數(shù)據(jù)挖掘的應(yīng)用類型　68
5.1.2　數(shù)據(jù)挖掘的過程　73
5.2　數(shù)據(jù)挖掘中的常用技術(shù)　75
5.2.1　聚類分析　75
5.2.2　K-means 層次聚類　76
5.2.3　主成分分析的數(shù)據(jù)降維　77
5.2.4　隨機(jī)鄰域嵌入原理及優(yōu)化　78
5.2.5　t分布隨機(jī)鄰域嵌入原理及優(yōu)化　79
5.2.6　t分布隨機(jī)鄰域嵌入示例　80
5.3　數(shù)據(jù)挖掘中需要注意的問題　81
參考文獻(xiàn)　85
第6章　醫(yī)療數(shù)據(jù)可視化　87
6.1　數(shù)據(jù)可視化概述　87
6.1.1　數(shù)據(jù)可視化的概念　 87
6.1.2　數(shù)據(jù)可視化的目的　88
6.1.3　數(shù)據(jù)可視化的分類　89
6.2　醫(yī)療數(shù)據(jù)可視化技術(shù)　94
6.2.1　科學(xué)可視化應(yīng)用　94
6.2.2　信息可視化應(yīng)用　97
參考文獻(xiàn)　112
第7章　大數(shù)據(jù)和醫(yī)學(xué)影像　113
7.1　影像大數(shù)據(jù)中的5個(gè)V　113
7.2　影像數(shù)據(jù)的使用　114
7.3　深度學(xué)習(xí)過程所需的要素　120
7.4　在醫(yī)學(xué)影像上開展深度學(xué)習(xí)研究　122
7.4.1　深度學(xué)習(xí)的幾個(gè)步驟　122
7.4.2　如何衡量深度學(xué)習(xí)的成功　125
7.4.3　深度學(xué)習(xí)在醫(yī)學(xué)影像上的應(yīng)用　126
參考文獻(xiàn)　134
第8章　醫(yī)療領(lǐng)域的自然語言處理　137
8.1　自然語言　137
8.2　自然語言處理概述　138
8.3　數(shù)據(jù)集的預(yù)處理　139
8.3.1　句法分析　 139
8.3.2　語義分析　 143
8.4　常見的自然語言處理技術(shù)　145
8.4.1　文本向量化　145
8.4.2　詞云　146
8.4.3　知識(shí)圖譜　147
8.4.4　自動(dòng)文摘　147
8.4.5　情感分析　149
8.4.6　谷歌BERT技術(shù)　149
8.5　自然語言處理在醫(yī)療領(lǐng)域的應(yīng)用　152
8.5.1　生物醫(yī)學(xué)文本挖掘　 152
8.5.2　臨床決策支持系統(tǒng)　154
8.5.3　自動(dòng)問答系統(tǒng)　154
參考文獻(xiàn)　156
第9章　醫(yī)療數(shù)據(jù)隱私保護(hù)　159
9.1　醫(yī)療數(shù)據(jù)隱私保護(hù)概述　159
9.1.1　醫(yī)療大數(shù)據(jù)的來源及潛在的隱私風(fēng)險(xiǎn)　160
9.1.2　全流程的醫(yī)療大數(shù)據(jù)隱私保護(hù)　161
9.2　匿名隱私保護(hù)　163
9.3　差分隱私及其應(yīng)用　165
9.3.1　差分隱私的定義及相關(guān)概念　166
9.3.2　差分隱私的實(shí)現(xiàn)機(jī)制　169
9.4　其他隱私保護(hù)方法　171
9.4.1　機(jī)密計(jì)算　171
9.4.2　模型隱私　174
參考文獻(xiàn)　175
第10章　醫(yī)療經(jīng)濟(jì)概況與前景　179
10.1　醫(yī)療經(jīng)濟(jì)概況　179
10.2　醫(yī)療經(jīng)濟(jì)的市場分析　181
10.3　醫(yī)療大數(shù)據(jù)現(xiàn)狀　190
10.4　醫(yī)療經(jīng)濟(jì)的前景　190