深度學習與醫學大數據

深度學習與醫學大數據

《深度學習與醫學大數據》是2020年上海科學技術出版社出版的圖書,作者是喬霓丹。

基本介紹

  • 中文名:深度學習與醫學大數據
  • 作者:喬霓丹
  • 出版社:上海科學技術出版社
  • 出版時間:2020年1月1日
  • 頁數:195 頁
  • 裝幀:精裝
  • ISBN:9787547845264
編輯推薦,內容簡介,圖書目錄,作者簡介,

編輯推薦

適讀人群 :各級醫學研究者、醫學院學生和教師
①一本針對醫學數據深度學習的內容十分全面且可實現操作性的圖書。②此書涉及模型內容前沿,極具前瞻性;文稿中有計算機編程的介紹,可按其操作。③所選案例不僅包括圖像數據,而且有臨床資料庫數據、基因數據、蛋白數據。期望讀者閱讀之後能在自己的數據中實現深度學習模型。④書稿中部分數據為作者工作成果,是作者在臨床中收集整理而來。

內容簡介

隨著數據量的幾何級數增長,近5年,以數據為導向的預測和因果推斷在學術界有著巨大的進展。本書將著重討論這兩方面的進展,以及如何套用這些成果進行醫學科學研究。
本書前半部分以重症監護治療室患者的數據為例介紹如何進行醫學數據的預處理,如何使用機器學習模型預測患者的死亡率。本書前半部分的重點在於深度學習,內容包括神經網路的基礎知識、利用卷積神經網路分類誘發電點陣圖像、利用遞歸神經網路預測疾病的復發以及利用自編碼算法去除圖像噪音以生**的模擬圖像。本書還涉及基礎醫學中深度學習的套用以及如何解釋機器學習模型。然而,醫學實踐中往往不只需要預測某個患者的某項結局,更需要知道哪些治療能夠改善結局。本書在神經網路模型之後將以膿毒症患者的治療為例介紹強化學習的概念,從而為進入因果推斷搭建橋樑。
本書最後2個專題著重討論如何通過因果關係圖直觀地判斷因果關係中的混雜因素、如何使用回歸控制混雜因素、如何利用傾向得分控制混雜因素以及如何利用逆機率加權控制混雜因素。結合強化學習的概念,最後將討論如何評估隨時間變化的治療,以及如何建立治療策略。
本書可作為各級醫學研究者、醫學院學生和教師的參考用書。

圖書目錄

1 機器學習基礎 / 1
1.1 數據概況 / 2
1.2 數據的預處理和特徵選取 / 3
1.3 缺失值的處理與插補 / 8
1.4 交叉驗證 / 12
1.5 模型建立 / 13
1.6 模型比較 / 20
2 梯度提升決策樹 / 23
2.1 超參數 / 26
2.2 特徵重要性 / 32
2.3 模型的臨床套用 / 33
2.4 模型集成 / 35
2.5 機器學習的報告要點 / 38
3 聚類算法 / 41
3.1 各種聚類算法 / 42
3.2 主成分分析 / 46
3.3 聚類算法的直觀顯示 / 48
4 神經網路 / 51
4.1 感知器 / 52
4.2 全連線神經網路的訓練 / 53
4.3 控制過擬合 / 58
4.4 公開數據來源 / 61
5 卷積神經網路 / 67
5.1 卷積運算 / 68
5.2 池化運算 / 71
5.3 簡單卷積神經網路的構建和訓練 / 71
5.4 圖像樣本量擴大 / 78
5.5 遷移學習 / 81
5.6 可解釋的卷積神經網路 / 86
5.7 開放圖像資料庫 / 88
5.8 卷積神經網路的意義與不足 / 89
6 自編碼和對抗生成神經網路 / 91
6.1 自編碼算法基礎 / 92
6.2 自編碼算法降噪 / 97
6.3 變分自編碼算法 / 100
6.4 變分自編碼算法生成虛擬圖像 / 104
6.5 對抗生成神經網路生成虛擬圖像 / 105
7 遞歸神經網路 / 107
7.1 遞歸神經網路原理 / 108
7.2 遞歸神經網路構建 / 109
7.3 長短期記憶網路 / 111
7.4 門控遞歸神經網路 / 113
7.5 LSTM和GRU的構建 / 113
7.6 卷積神經網路和遞歸神經網路的疊加 / 115
8 自然語言處理和電子病歷 / 119
8.1 從單詞到向量 / 120
8.2 利用傳統自然語言處理尋找腦外傷患者 / 122
8.3 利用神經網路尋找腦外傷患者 / 125
8.4 電子病歷系統中神經網路的套用 / 131
9 可解釋的機器學習 / 133
9.1 預測蛋白-蛋白間結合 / 134
9.2 預測基因-蛋白間結合 / 139
9.3 機器學習的解釋 / 145
10 深度強化學習 / 147
10.1 強化學習 / 148
10.2 利用Q學習預測膿毒症的治療策略 / 149
10.3 利用深度強化學習預測治療策略 / 154
10.4 強化學習的不足之處 / 161
11 因果推斷簡介 / 163
11.1 反事實模型 / 164
11.2 隨機對照研究 / 164
11.3 非隨機對照研究 / 165
11.4 因果推斷還是預測 / 165
11.5 因果關係圖 / 166
11.6 分層分析 / 167
11.7 回歸 / 170
11.8 互動作用 / 171
12 控制混雜因素的新方法 / 173
12.1 匹配分析 / 174
12.2 傾向得分 / 175
12.3 逆機率和穩定的逆機率加權 / 179
12.4 失訪偏差的校正 / 182
12.5 隨機對照研究中的偏差校正 / 183
12.6 工具變數 / 184
12.7 斷點回歸 / 185
12.8 隨時間變動的治療和混雜 / 188
12.9 動態治療方案 / 189
附錄:軟體安裝 / 193

作者簡介

喬霓丹,男,醫學博士,復旦大學華山醫院神經外科主治醫師。2012年博士畢業於復旦大學。 2009-2010年在日本京都大學北野醫院實習,方向為心血管與神經外科。2017—2019年在職攻讀美國哈佛醫學院臨床研究科學碩士,為美國麻省總醫院神經內分泌科研究員,上海醫師協會會員。至今發表SCI 30餘篇。負責上海市科委揚帆計畫1項,上海市科委基礎研究項目1項。參與譯著有《尤曼斯神經外科學》,參與編寫《垂體瘤疑難病例彙編》。

相關詞條

熱門詞條

聯絡我們