大數據醫療

《大數據醫療》是2017年機械工業出版社出版的圖書，作者是徐曼、沈江、余海燕。

基本介紹

• 中文名：大數據醫療
• 別名：big data medical
• 作者：徐曼 沈江 余海燕 
• 出版社：機械工業出版社
• 出版時間：2017年03月
• 定價：69 元
• 開本：16 開
• ISBN：9787111559771
• 版次：1/1

內容簡介

移動互聯、智慧型感測器、雲計算、機器人等新興信息通信技術與信息感知方式的發展和變化，深刻地改變著傳統的醫療與健康服務模式。大數據已成為公認的資源，快速發展的大數據產業，給企業帶來無限的上升空間。智慧型決策方法從追求計算速度逐漸轉變為更多地關注多模態數據融合中的推理能力、效率與準確性。提高醫療的精準諮詢，提高患者的知情權，同時使得自助醫療、家庭醫療有了實現的機會。 本書基於醫療行業的發展，系統介紹大數據在醫療行業行銷中的廣泛套用，論述嚴密、結構系統、邏輯性強，又不乏趣味性，為多層次醫療決策者提供智慧型決策支持，為大數據驅動的醫療魯棒性決策提供科學依據，為醫療行業發展和從事大數據工作的人員提供一本經典指導叢書。

目錄

序言

上篇基於認知計算的智慧型醫療決策

第1章智慧型醫療的興起//

11人工智慧帶來全新的醫療體驗//

12大數據催生精準醫療//

13均衡醫療資源，減少醫療事故//

14全員、全數據、全工作流醫療數據//

15醫療與健康決策支持//

16智慧型診斷的背後//

17結構與特色//

171體系結構//

172特色與創新//

參考文獻//

第2章醫療服務的品質與效率//

21基於行為級的管理改善//

211工作流管理//

212人的可靠性//

213風險的防控//

22基於邏輯級的魯棒性決策//

221魯棒性最佳化//

222魯棒性推理//

23基於大數據分析與處理的醫療與健康決策支持//

231異構實體數據的融合 //

232多模態數據管理模式//

233大數據分治方法//

24診療智慧型輔助系統//

參考文獻//

第3章智慧型醫療的本質//

31數據驅動決策的特徵//

311決策數據的特徵//

312融合推理的特徵//

32融合推理模型構建//

321融合推理模型要素//

322融合推理相關命題//

323基於融合推理的多準則分類決策//

33融合推理的數據預處理//

331數據分治//

332可解釋性推理//

333預處理方法//

34融合推理的決策魯棒性分析//

341融合推理中兩類不確定性//

342決策魯棒性//

343推理模型的魯棒性約束//

35小結//

參考文獻//

第4章醫療急救決策：全員、全流程、全數據空間//

41背景//

42心臟病急救決策流程及數據//

421流程//

422急救決策推理的網鏈結構//

423數據類型//

424數據的不確定性//

425不確定性推理//

43醫療決策全數據空間框架//

431心臟病急救決策病例維//

432心臟病急救決策規則維//

433心臟病急救決策資源維//

434心臟病急救決策時間窗//

44醫療決策推理的靜態分析//

441急救決策狀態空間//

442決策空間的靜態結構//

443狀態空間的映射//

444數據子空間//

45醫療決策推理的動態性能//

451狀態空間的範數//

452急救決策特徵空間的狀態鏈//

453急救決策推理的脆弱性//

46小結//

參考文獻//

第5章層次關聯證據鏈推理的多屬性群決策分類//

51引言//

511群決策分類特點//

512群決策分類推理//

52決策狀態空間與證據鏈//

521命題空間與可信度性質//

522決策狀態與證據鏈//

53層次關聯證據鏈推理模型FUER//

531層次關聯//

532相似性度量//

533可信度集成//

54類別誤標下證據鏈的推理方法//

541證據鏈推理的混合整數最佳化模型//

542模型推理必要條件和敏感性分析//

543類別誤標下模型推斷//

544干擾下模型參數學習//

545相似度加權近鄰算法sfNN//

546魯棒性分析//

55小結//

參考文獻//

第6章基於魯棒性閾值的CBR/RBR融合推理機制//

61引言//

62CBR/RBR及其融合推理//

621CBR推理//

622RBR推理//

623多分類器集成的決策樹最佳化方法//

624CBR/RBR融合推理//

63融合酉空間及矩陣奇異值分解//

631融合酉空間//

632融合酉空間的奇異值分解//

64魯棒閾值方法//

641融合推理空間魯棒性解集//

642知識關聯性//

643相似度計算//

644知識粒度及推理信度計算//

645閾值的魯棒性//

65融合推理策略及步驟//

651融合推理策略與融合推理解//

652融合推理執行步驟//

66小結//

參考文獻//

第7章基於貝葉斯網路的CBR/RBR融合推理機制與方法//

71引言//

72不確定信息條件下的推理機制及建模//

721穩健隨機混合法//

722隨機項建模//

73推理模型的貝葉斯網路構建//

731貝葉斯網路//

732貝葉斯網路學習//

733貝葉斯網路構建//

74BNCBR/RBR推理模型//

741相似度評價函式//

742魯棒BNCBR/RBR模型構建//

743改進的KD樹（KD Tree）方法//

744代價敏感學習//

75基於多屬性決策的BNCBR/RBR最佳化協同//

751多屬性的人機融合決策模式//

752基於Vague集的最佳化模型//

753基於Vague集的嵌入式算法//

76小結//

參考文獻//

第8章同態推理空間下的互信息屬性特徵建模//

81引言//

82空間的同態理論與信息場//

821狀態空間同態//

822同態下推理空間的性質//

823推理狀態空間的信息場//

824信息增益//

83同態下的屬性特徵選擇及互信息//

831屬性特徵選擇//

832屬性互信息//

84同態推理狀態空間中的互信息判據//

841互信息的歸一化測度//

842互信息判據結構與性質//

85基於互信息的屬性特徵選擇模型//

851MIFSU屬性特徵選擇模型//

852mRMR屬性特徵選擇模型//

86同態下的魯棒屬性特徵選擇模型//

861魯棒屬性特徵選擇模型（R2CMIFS）//

862同態下的魯棒屬性特徵選擇機制//

87小結//

參考文獻//

第9章基於證據鏈推理和信息價值最大化決策//

91引言//

911時態數據的多尺度決策問題分析//

912多尺度決策推理模型的相關研究//

92時間窗與價值轉移//

921數據驅動決策的時間窗//

922信息轉移價值//

923管理熵//

93單一尺度證據鏈與多尺度證據鏈//

931時態數據//

932時間尺度及多尺度證據鏈//

94多尺度特徵的證據鏈推理模型（msFUER）及決策框架//

941數據預處理與特徵量提取//

942多尺度特徵量重構及互信息矩陣//

943多尺度特徵信息價值最大化的決策//

944時態相似度的最近鄰算法msNN//

95小結//

參考文獻//

第10章實體異構性下多數據表證據鏈推理的機制//

101引言//

1011數據異構性的決策方法//

1012多數據表融合的決策推理//

102單數據表證據鏈關聯與多數據表證據鏈關聯//

1021多專家並行推理的知識表述//

1022局域數據融合推理方法//

1023基於數據分治方法的推理框架//

103證據鏈並行推理模型（mrFUER）//

1031異構性實體相似關聯//

1032證據鏈融合推理參數最佳化學習//

1033多數據集中證據鏈融合//

104模型性能分析與求解步驟//

1041穩定性與魯棒性分析//

1042多源證據鏈關聯算法xDNN//

1043決策啟示//

105小結//

參考文獻//

第11章過程感知數據下證據鏈推理的可信度更新模型//

111引言//

1111過程感知的決策模糊性//

1112相關研究//

112過程感知的證據鏈推理模型（sdFUER）//

1121部分信息下的融合推理模型//

1122部分證據融合及觀測機率獲取//

1123轉移機率獲取//

1124停止策略：決策或繼續感知特徵數據//

1125基於狄利克雷函式的可信度更新算法dfBU//

113模型分析及解的討論//

1131推理深度及解空間性質//

1132不同先驗機率p0對推理的作用//

1133與相似頻率直接更新可信度的比較//

114小結//

參考文獻//

下篇智慧型醫療決策實踐案例

第12章智慧型病人機器人與數位化人體仿真決策機制//

121背景//

122智慧型病人機器人感知系統//

1221智慧型病人機器人硬體及互動//

1222智慧型病人機器人感測器網路//

1223醫師主控機//

123智慧型病人機器人數位化仿真系統 //

124智慧型病人機器人通信系統 //

125智慧型病人機器人數據採集及分析系統 //

1251樣本總體及統計分析//

1252波形信號的粗粒化處理與實體特徵提取//

1253電子病程記錄中提取的決策數據//

126智慧型病人機器人決策支持系統//

1261推理機的模型集//

1262FUERCDSS系統框架//

1263推理機//

1264FUER證據鏈訓練模組//

1265診斷查詢的數值仿真//

127數位化人體及智慧型病人機器人套用 //

128小結//

參考文獻//

第13章醫療診斷決策數據特徵選擇用例//

131背景//

132醫療決策過程中的診斷數據獲取//

1321診斷過程數據採集//

1322數據集和數據結構//

133數據空間特徵選擇用例//

1331基於歸一化二次Renyi互信息的特徵選擇//

1332實驗結果的魯棒性分析//

134小結//

參考文獻//

第14章基於證據鏈推理模型用例//

141背景//

142基於證據鏈的電子健康檔案構建//

1421基於證據鏈的知識庫//

1422知識庫數據結構//

1423數據預處理//

1424證據鏈的屬性信息積累//

143基於證據鏈推理的決策可信度更新//

1431基於經驗知識的CHD風險評估//

1432基於動態檢查數據的可信度更新//

144類別誤標下基於證據鏈推理模型的診斷決策//

1441診斷實體相似度關聯//

1442類別誤標的推理結果分析//

145小結//

參考文獻//

第15章CBR/RBR融合推理用例//

151背景//

152CBR/RBR融合實驗//

1521心臟病病例數據選取//

1522心臟病病例特徵選擇//

1523心臟病病案特徵權重計算//

1524基於KD樹的心臟病病案檢索 //

1525基於BaggingC45決策樹的診斷推理//

1526結果//

153CBR/RBR融合效率和準確性分析//

1531KD樹檢索效率分析//

1532CBR/RBR融合模型推理性能分析//

1533與其他模型對比分析//

154魯棒閾值的CBR/RBR融合//

1541融合推理過程//

1542推理性能分析//

155小結//

參考文獻//

第16章不確定性數據融合用例//

161背景//

162病歷數據的關聯處理//

163BNCBR診斷案例//

1631基於BN的案例推理//

1632貝葉斯網路學習//

1633CBR檢索//

1634結果分析//

164魯棒BNCBR/RBR模型實驗//

1641實驗數據說明//

1642實驗步驟//

1643仿真效果對比//

165小結//

參考文獻//

第17章多機構數據融合用例//

171背景//

172三類臨床決策診斷模式//

1721模式Ⅰ：醫生診斷決策的傳統模式//

1722模式Ⅱ：基於推理模型集的診斷決策系統//

1723模式Ⅲ：輔助醫療決策支持系統融合決策//

1724多模式診斷魯棒性分析//

1725證據鏈長度的結果比較分析//

173分塊數據融合的決策支持//

1731基於MapReduce的數據處理//

1732實體異構性信息的決策支持//

1733考慮代價敏感性推理結果//

174VBNCBR/RBR//

1741基於Vague集的BNCBR/RBR最佳化機制實驗//

1742仿真效果對比//

1743結果分析//

175小結//

參考文獻//

第18章心臟病急救流程最佳化用例//

181背景//

182心臟病急救流程//

1821心臟病急救特點//

1822心臟病急救模式//

1823心臟病急救全過程//

1824心臟病急救流程存在的問題//

183心臟病急救流程最佳化原則//

1831核心原則//

1832操作性原則//

1833基本方法//

184基於Petri網的心臟病急救流程最佳化//

1841Petri網//

1842模型構建//

1843模型驗證//

185案例分析//

1851流程最佳化實施方案//

1852流程最佳化效果評價//

186小結//

參考文獻//

第19章心臟病急救風險管理用例//

191心臟病急救風險管理流程//

192心臟病急救風險的根源及特點//

193急救相關部門//

194心臟病急救中的人為失誤 //

1941心臟病急救中的人為失誤分類//

1942心臟病急救中的人為失誤原因層次分析//

195風險評價//

196套用案例//

1961數據來源//

1962研究方法//

1963結果分析//

197小結//

參考文獻//

第20章Web30下的醫療與健康服務//

201醫療社區網路//

2011醫療與健康網路社區服務//

2012雲醫療健康信息平台 //

202個性化醫療與健康服務//

2021數據驅動的個性化精準醫療//

2022醫療推薦系統//

203遠程醫療//

2031遠程醫療服務就診平台//

2032遠程醫療O2O模式//

2033APD遠程監控系統 //

2034MyHealth遠程監控系統//

204小結//

參考文獻//

第21章醫療APP套用//

211背景//

212基於推理模型的套用系統APP//

2121基於證據鏈推理模型的套用系統//

2122醫療與健康決策支持APP//

2123決策支持系統APP反饋//

213相關產品生態鏈//

2131移動醫療數據感知//

2132智慧型醫療的診斷機器人//

2133醫患實體關聯的社交網路//

2134以患者需求為中心的利益相關者//

214相關產品套用前景及效益//

215小結//

參考文獻//

第22章數字醫療縱覽//

221內容回顧 //

222數字醫療的治理策略//

223可擴展的理論與套用//