健康醫(yī)療大數(shù)據(jù)建模方法與應用

定　價：￥98.00

作　者：	郭秀花
出版社：	人民衛(wèi)生出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787117332248	出版時間：	2022-08-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字數(shù)：

內容簡介

　　本書針對健康醫(yī)療領域大數(shù)據(jù)，從實際應用角度出發(fā)，深入淺出地介紹多種大數(shù)據(jù)建模方法，和基于R語言、Python語言等軟件實現(xiàn)，共14章：緒論、大數(shù)據(jù)的存儲與管理技術、醫(yī)學圖像大數(shù)據(jù)的結構化處理方法、醫(yī)學文本與語音大數(shù)據(jù)的處理方法、健康醫(yī)療高維大數(shù)據(jù)的常用降維方法、互聯(lián)網(wǎng)健康醫(yī)療大數(shù)據(jù)的獲取、健康醫(yī)療大數(shù)據(jù)的關聯(lián)分析、分類診斷常用的數(shù)據(jù)挖掘方法、回歸預測常用的數(shù)據(jù)挖掘方法、健康醫(yī)療大數(shù)據(jù)深度學習方法、健康醫(yī)療時間序列大數(shù)據(jù)的建模方法、健康醫(yī)療大數(shù)據(jù)的時空建模方法、健康醫(yī)療大數(shù)據(jù)背景下的因果推斷、生物信息大數(shù)據(jù)建模方法與應用。此外，附錄部分增加了大數(shù)據(jù)分析軟件簡介等內容，書中例題的數(shù)據(jù)庫、練習題答案等內容，以二維碼形式展示。

作者簡介

　　中國工業(yè)統(tǒng)計教學研究會醫(yī)療健康大數(shù)據(jù)學會會長、中國現(xiàn)場統(tǒng)計生物統(tǒng)計學會副理事長，目前主持在研項目：國家科技部“十三五”課題、國家自然科學基金重點項目、面上項目、北京市科委重大項目等7項；以第一或責任作者發(fā)表科研論文350多篇，在國內外10多種雜志擔任編委或審稿人

圖書目錄

第一章緒論/ 1
第一節(jié) 健康醫(yī)療大數(shù)據(jù)的概念與屬性 / 1
第二節(jié) 健康醫(yī)療大數(shù)據(jù)的分類與應用 / 3
第三節(jié) 健康醫(yī)療大數(shù)據(jù)的現(xiàn)狀與挑戰(zhàn) / 5
第四節(jié) 健康醫(yī)療大數(shù)據(jù)建模方法與應用概述 / 6
第二章大數(shù)據(jù)存儲與管理技術/ 12
第一節(jié) 概述 / 12
第二節(jié) Hadoop 生態(tài)系統(tǒng) / 15
第三節(jié) 大數(shù)據(jù)預處理技術 / 19
第四節(jié) 大數(shù)據(jù)的安全與隱私保護技術 / 23
第三章醫(yī)學圖像大數(shù)據(jù)的結構化處理方法/ 30
第一節(jié) 醫(yī)學圖像概述 / 30
第二節(jié) 醫(yī)學圖像感興趣區(qū)域的分割 / 33
第三節(jié) 醫(yī)學圖像特征指標 / 36
第四節(jié) 醫(yī)學圖像紋理特征的提取方法 / 40
第四章醫(yī)學文本與語音大數(shù)據(jù)的處理方法/ 51
第一節(jié) 醫(yī)學文本數(shù)據(jù)及文本挖掘概述 / 51
第二節(jié) 醫(yī)學文本挖掘技術 / 54
第三節(jié) 醫(yī)學語音數(shù)據(jù)概述 / 63
第四節(jié) 醫(yī)學語音處理技術 / 66
第五章健康醫(yī)療高維大數(shù)據(jù)常用降維方法/ 80
第一節(jié) LASSO / 80
第二節(jié) 隨機森林 / 92
第三節(jié) 彈性網(wǎng) / 101
第六章互聯(lián)網(wǎng)健康醫(yī)療大數(shù)據(jù)的獲取/ 109
第一節(jié) 互聯(lián)網(wǎng)健康醫(yī)療大數(shù)據(jù)應用 / 109
第二節(jié) 互聯(lián)網(wǎng)健康醫(yī)療大數(shù)據(jù)爬取 / 112
第三節(jié) 健康醫(yī)療知識圖譜 / 122
第七章健康醫(yī)療大數(shù)據(jù)的關聯(lián)分析/ 128
第一節(jié) 關聯(lián)規(guī)則 / 128
第二節(jié) 推薦系統(tǒng) / 135
第三節(jié) 復雜網(wǎng)絡 / 141
第八章分類診斷常用的數(shù)據(jù)挖掘方法/ 153
第一節(jié) 支持向量機 / 153
第二節(jié) 決策樹 / 160
第三節(jié) 隨機森林 / 166
第四節(jié) 高斯過程 / 173
第九章回歸預測常用的數(shù)據(jù)挖掘方法/ 180
第一節(jié) 廣義線性回歸 / 180
第二節(jié) 支持向量回歸 / 186
第三節(jié) 高斯過程回歸 / 192
第四節(jié) 人工神經網(wǎng)絡回歸 / 203
第十章健康醫(yī)療大數(shù)據(jù)深度學習方法/ 211
第一節(jié) 健康醫(yī)療中的深度學習概述 / 211
第二節(jié) 卷積神經網(wǎng)絡 / 216
第三節(jié) 自編碼器 / 226
第四節(jié) 深度生成模型 / 234
第十一章健康醫(yī)療時間序列大數(shù)據(jù)的建模方法/ 243
第一節(jié) 健康醫(yī)療大數(shù)據(jù)時間序列的分析方法概述 / 243
第二節(jié) 病例交叉設計和廣義可加模型 / 246
第三節(jié) 支持向量機 / 252
第四節(jié) 深度循環(huán)網(wǎng)絡模型 / 257
第十二章健康醫(yī)療大數(shù)據(jù)的時空建模方法/ 268
第一節(jié) 時空建模方法概述 / 268
第二節(jié) 時空相關分析 / 270
第三節(jié) 時空熱點分析 / 273
第四節(jié) 時空掃描分析 / 275
第五節(jié) 時空回歸分析 / 284
第六節(jié) 時空網(wǎng)絡分析 / 290
第十三章健康醫(yī)療大數(shù)據(jù)背景下的因果推斷/ 298
第一節(jié) 健康醫(yī)療大數(shù)據(jù)因果推斷概述 / 298
第二節(jié) 控制混雜偏倚的因果推斷方法 / 300
第三節(jié) 控制選擇性偏倚的因果推斷方法 / 313
第四節(jié) 因果通路識別和因果網(wǎng)絡構建 / 320
第十四章生物信息大數(shù)據(jù)建模方法與應用/ 330
第一節(jié) 生物信息大數(shù)據(jù)概述 / 330
第二節(jié) 生物信息大數(shù)據(jù)建模 / 339
第三節(jié) Hub 基因挖掘方法與應用 / 344
附錄/ 364
附錄一練習題答案 / 364
附錄二 R軟件和Python 軟件簡介 / 364
附錄三中英文名詞對照表 / 388
主要參考文獻/ 401