醫(yī)療大數(shù)據(jù)分析與應用

定　價：￥89.00

作　者：	平裝-膠訂
出版社：	機械工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥66.70)

ISBN：	9787111720577	出版時間：	2022-02-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字數(shù)：

內容簡介

　　醫(yī)療大數(shù)據(jù)是大數(shù)據(jù)在醫(yī)療領域的一個分支，處理的是在與人類健康相關的活動中產(chǎn)生的與生命健康和醫(yī)療有關的數(shù)據(jù)。本書將對醫(yī)療大數(shù)據(jù)進行全面、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、數(shù)據(jù)挖掘、數(shù)據(jù)預處理、建模以及可視化等技術與應用。此外，還介紹了醫(yī)療領域的圖像處理和自然語言處理等人工智能技術。在本書的末尾，還討論了這個領域普遍關注的一個問題——醫(yī)療數(shù)據(jù)隱私保護，介紹了潛在的隱私風險和隱私保護方法等，并關注了醫(yī)療經(jīng)濟的概況與前景。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)計挖掘和處理醫(yī)療領域的數(shù)據(jù)以方便分析；醫(yī)學數(shù)據(jù)可視化如何提升醫(yī)療人員診斷病情的效率；人工智能技術在醫(yī)療領域的應用；如何對醫(yī)療數(shù)據(jù)進行隱私保護。

作者簡介

　　成生輝博士現(xiàn)任西湖大學未來產(chǎn)業(yè)研究中心和工學院研究員，智能可視化實驗室負責人。他于紐約州立大學石溪分校獲得計算機科學博士學位，曾在美國布魯克海文國家實驗室、哈佛醫(yī)學院進行研究，并擔任世界銀行（總部）數(shù)字經(jīng)濟組顧問。他的主要研究方向為元宇宙、可視化、可視分析等。他曾任大數(shù)據(jù)高峰論壇（中國可視化專委會舉辦）執(zhí)行主席，國際可視化年會、太平洋可視化大會、中國可視化大會等大會項目委員會委員。發(fā)表論文30多篇，出版專著6部，包括《元宇宙：概念、技術及生態(tài)》《Web 3.0-具有顛覆性與重大機遇的第三代互聯(lián)網(wǎng)》《中國經(jīng)濟大數(shù)據(jù)分析》等，入選深圳市和杭州市海外高層次人才，浙江省高校領軍人才培養(yǎng)計劃。丁家昕博士是上海交通大學約翰·霍普克羅夫特計算機科學中心副教授，博士生導師，上海交通大學智能物聯(lián)網(wǎng)研究中心成員。他于紐約州立大學石溪分校獲得計算機科學博士學位，并曾在加州大學戴維斯分校計算機系從事博士后研究。他的研究方向包括時空數(shù)據(jù)挖掘、隱私保護、物聯(lián)網(wǎng)等，設計了一系列面向物聯(lián)網(wǎng)大數(shù)據(jù)的數(shù)據(jù)挖掘與保護機制，其代表性成果發(fā)表在IEEE INFOCOM、IPSN、MobiHoc、SIGSPATIAL、AAAI等國際一流會議與期刊。擔任ACM MobiHoc出版主席，IEEE DCOSS程序委員會委員，并于2020年入選上海市青年科技英才揚帆計劃。陳淮教授現(xiàn)為廣州醫(yī)科大學附屬第二醫(yī)院放射科主任，哈佛醫(yī)學院博士后，博士生導師。主要研究方向為胸部疾病影像診斷、胸部疾病的定量分析，以及通過影像數(shù)據(jù)和臨床信息并結合人工智能技術對疾病進行輔助檢測和診斷。承擔及參與國家自然基金等各級基金項目10余項，在相關雜志發(fā)表論文40余篇。徐曉音博士現(xiàn)為哈佛醫(yī)學院布萊根婦女醫(yī)院放射影像科副教授，博士生導師。他的研究興趣包括生物信息學、醫(yī)學影像處理、醫(yī)學大數(shù)據(jù)，以及結合影像數(shù)據(jù)和臨床信息并通過計算技術來推動計算機輔助檢測和診斷，并在相關雜志和會議上發(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　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　基礎層　13
1.4.2　數(shù)據(jù)層　14
1.4.3　應用層　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)療中的實例　17
參考文獻　18
第2章　數(shù)據(jù)預處理　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)模計算系統(tǒng)搭建　24
2.2.1　Hadoop　24
2.2.2　MapReduce　26
第3章　統(tǒng)計學在醫(yī)療領域的應用　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　假設檢驗　33
3.2.1　基本步驟　33
3.2.2　檢驗方法　37
3.3　統(tǒng)計軟件概述　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　復雜網(wǎng)絡傳染病模型　58
4.2.1　網(wǎng)絡的基本概念及度量　58
4.2.2　復雜網(wǎng)絡上的傳染病模型　63
參考文獻　65
第5章　醫(yī)療數(shù)據(jù)挖掘　67
5.1　醫(yī)療數(shù)據(jù)挖掘的應用類型和過程　68
5.1.1　數(shù)據(jù)挖掘的應用類型　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　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　隨機鄰域嵌入原理及優(yōu)化　78
5.2.5　t分布隨機鄰域嵌入原理及優(yōu)化　79
5.2.6　t分布隨機鄰域嵌入示例　80
5.3　數(shù)據(jù)挖掘中需要注意的問題　81
參考文獻　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　94
6.2.1　科學可視化應用　94
6.2.2　信息可視化應用　97
參考文獻　112
第7章　大數(shù)據(jù)和醫(yī)學影像　113
7.1　影像大數(shù)據(jù)中的5個V　113
7.2　影像數(shù)據(jù)的使用　114
7.3　深度學習過程所需的要素　120
7.4　在醫(yī)學影像上開展深度學習研究　122
7.4.1　深度學習的幾個步驟　122
7.4.2　如何衡量深度學習的成功　125
7.4.3　深度學習在醫(yī)學影像上的應用　126
參考文獻　134
第8章　醫(yī)療領域的自然語言處理　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　145
8.4.1　文本向量化　145
8.4.2　詞云　146
8.4.3　知識圖譜　147
8.4.4　自動文摘　147
8.4.5　情感分析　149
8.4.6　谷歌BERT技術　149
8.5　自然語言處理在醫(yī)療領域的應用　152
8.5.1　生物醫(yī)學文本挖掘　 152
8.5.2　臨床決策支持系統(tǒng)　154
8.5.3　自動問答系統(tǒng)　154
參考文獻　156
第9章　醫(yī)療數(shù)據(jù)隱私保護　159
9.1　醫(yī)療數(shù)據(jù)隱私保護概述　159
9.1.1　醫(yī)療大數(shù)據(jù)的來源及潛在的隱私風險　160
9.1.2　全流程的醫(yī)療大數(shù)據(jù)隱私保護　161
9.2　匿名隱私保護　163
9.3　差分隱私及其應用　165
9.3.1　差分隱私的定義及相關概念　166
9.3.2　差分隱私的實現(xiàn)機制　169
9.4　其他隱私保護方法　171
9.4.1　機密計算　171
9.4.2　模型隱私　174
參考文獻　175
第10章　醫(yī)療經(jīng)濟概況與前景　179
10.1　醫(yī)療經(jīng)濟概況　179
10.2　醫(yī)療經(jīng)濟的市場分析　181
10.3　醫(yī)療大數(shù)據(jù)現(xiàn)狀　190
10.4　醫(yī)療經(jīng)濟的前景　190