基本介紹
- 書名：醫學大數據分析
- 作者：主編：齊惠穎、周珂、副主編：周再紅、王路漫、王江、王靜
- 類別：新醫科信息技術基礎系列規劃教材
- 出版社：高等教育出版社
- 出版時間：2022年3月14日
- 頁數：320 頁
- 開本：16 開
- 裝幀：平裝
- ISBN：9787040576580
- 版面字數：440千字
- CIP核字號：2022018793
成書過程,編寫背景,編寫情況,出版工作,內容簡介,教材目錄,教學資源,教材特色,作者簡介,
成書過程
編寫背景
中國國家大數據戰略的實施推動了醫學大數據的快速發展，利用大數據分析技術發掘醫學數據中的潛在價值對於推動醫學研究的進步，全面實施健康中國戰略，滿足人民民眾健康醫療需求都具有重要的促進作用。因此加強醫學大數據的套用發展，培養醫學生數據分析能力，推進醫學人才培養的改革創新變得很重要。
編寫情況
《醫學大數據分析》以面向醫學領域研究問題需求的數據分析方法為主線，以培養醫學生的數據思維能力為目標，以全新的視角組織內容，以數據分析方法和醫學套用實踐相結合的方式深入講解醫學大數據處理和分析的基本知識和實現技術。
該教材由齊惠穎、周珂任主編，周再紅、王路漫、王江、王靜任副主編。具體編寫分工如下：1.1~1.3節由齊惠穎編寫、1.4節由張海洪編寫，第2章由王晨編寫，3.1~3.3節由齊惠穎編寫、3.4節由王平章編寫、3.5節由郭建光編寫，第4章 、第8章 、第9章由王路漫編寫，第6章和第12章由周珂編寫，第7章由周珂和王江共同編寫，第5章和第10章由周再紅編寫，第11章由王江編寫，第13章由齊惠穎編寫，第14章由王靜編寫。熊剛強和蔡潔參與部分章節的審稿。空軍軍醫大學盧虹冰教授對該教材提出意見。
職務 | 姓名 |
|---|---|
主編 | 齊惠穎、周珂 |
副主編 | 周再紅、王路漫、王江、王靜 |
編者 | |
編寫秘書 | 白星月 |
出版工作
2022年3月14日，《醫學大數據分析》由高等教育出版社出版發行。
策劃編輯 | 責任編輯 | 特約編輯 | 封面設計 | 版式設計 | 插圖繪製 | 責任校對 | 責任印製 |
|---|---|---|---|---|---|---|---|
唐德凱 | 唐德凱 | 薛秋丕 | 李小璐 | 楊樹 | 黃雲燕 | 劉麗嫻 | 趙義民 |
內容簡介
《醫學大數據分析》總計14章，具體內容包括醫學大數據概述、常用大數據工具、醫學大數據的獲取、數據預處理、回歸分析、數據降維、關聯規則、分類方法、聚類分析方法、時間序列分析、人工神經網路、馬爾可夫預測、醫學文本數據分析、醫學圖像數據分析。該教材將理論與實踐操作相結合，系統講解常用的醫學大數據分析算法和不同類型數據的分析方法，通過大量的醫學案例幫助讀者快速掌握和套用大數據分析相關技術。
教材目錄
前輔文 第一章 醫學大數據概述 1.1 基礎知識 1.1.1 大數據的概念 1.1.2 醫學大數據的概念 1.1.3 醫學大數據的種類 1.1.4 醫學大數據的特徵 1.2 醫學大數據分析的特點 1.2.1 與傳統分析方法比較 1.2.2 大數據分析的類型 1.2.3 大數據分析技能 1.3 醫學大數據套用 1.4 醫學數據的倫理問題 1.4.1 醫學數據及其處理為何涉及倫理問題 1.4.2 醫學數據分析倫理的法律基礎 1.4.3 醫學數據相關研究的倫理審查 1.4.4 醫學數據相關研究的知情同意和知情同意豁免 1.4.5 醫學數據相關研究的倫理要求進一步解讀 思考題 第二章 常用大數據工具 2.1 Hadoop簡介 2.1.1 Hadoop結構 2.1.2 Hadoop特點 2.2 Python簡介 2.2.1 Python的特點 2.2.2 Python環境介紹 2.3 R語言簡介 2.3.1 R語言主要功能 2.3.2 R語言特點 2.3.3 R語言環境介紹 2.3.4 R語言基礎 2.4 MATLAB簡介 2.4.1 MATLAB主要功能 2.4.2 MATLAB特點 2.4.3 Matlab環境介紹 2.5 Weka簡介 思考題 第三章 醫學大數據的獲取 3.1 醫學大數據的來源 3.2 結構化數據的獲取 3.3 非結構化數據的獲取 3.3.1 網路爬蟲 3.3.2 基於API的數據獲取 3.3.3 APP數據的獲取 3.4 生物組學大數據的獲取 3.4.1 生物組學大數據的類型 3.4.2 組學大數據資源及獲取 3.5 醫學公共資料庫的獲取 思考題 第四章 數據預處理 4.1 為什麼要進行數據預處理 4.2 數據對象及數據描述 4.2.1 數據對象 4.2.2 屬性類型 4.2.3 數據的基本統計描述 4.3 數據預處理的主要方法 4.3.1 數據提取 4.3.2 數據集成 4.3.3 數據清理 4.3.4 數據變換 4.3.5 數據壓縮 4.4 數據預處理實例——乳腺癌數據集 思考題 第五章 回歸分析 5.1 回歸概述 5.2 線性回歸 5.2.1 一元線性回歸 5.2.2 多元線性回歸 5.2.3 最優回歸方程的選擇 5.3 非線性回歸 5.3.1 線性化方法 5.3.2 直接最小二乘法 5.3.3 二步法 5.3.4 多項式回歸法 5.4 logistic回歸 5.4.1 logistic回歸模型 5.4.2 logistic回歸參數的意義 5.4.3 logistic 回歸的參數估計 5.4.4 logistic 回歸的假設檢驗 5.4.5 logistic回歸在R中的實現 5.4.6 套用實例 思考題 第六章 數據降維 6.1 數據降維概述 6.2 主成分分析方法 6.2.1 主成分分析基本原理 6.2.2 主成分分析套用實例 6.3 Lasso算法* 6.3.1 Lasso算法基本原理 6.3.2 Lasso算法在R語言中的實現 6.3.3 Lasso算法的套用實例 思考題 第七章 關聯規則 7.1 關聯規則概述 7.2 關聯規則算法 7.2.1 Apriori算法 7.2.2 FP-Growth算法 7.3 關聯規則評估方法 7.3.1 強關聯規則的意義 7.3.2 從關聯分析到相關分析 7.4 關聯規則的R語言實現 7.4.1 關聯規則R語言用法 7.4.2 關聯規則套用實例 思考題 第八章 分類方法 | 8.1 什麼是分類 8.2 決策樹 8.2.1 決策樹概述 8.2.2 ID3算法 8.2.3 ID3算法在R中的實現 8.2.4 分類算法套用實例——乳腺癌患病預測 8.2.5 其他決策樹算法 8.3 隨機森林* 8.3.1 隨機森林概述 8.3.2 隨機森林算法在R中的實現 8.3.3 隨機森林算法套用實例——乳腺癌患病預測 8.4 樸素貝葉斯分類 8.4.1 樸素貝葉斯分類介紹 8.4.2 樸素貝葉斯分類在R中的實現 8.4.3 樸素貝葉斯分類套用實例——乳腺癌患病預測 8.5 分類算法評估 8.5.1 評估算法性能的度量——混淆矩陣 8.5.2 分類算法的評估方法 8.5.3 分類算法的評估實例 思考題 第九章 聚類分析方法 9.1 什麼是聚類分析方法 9.2 聚類分析方法與分類方法的區別 9.3 劃分方法 9.3.1 距離度量 9.3.2 k-均值聚類算法 9.3.3 k-中心點聚類 9.3.4 劃分方法在R中的實現 9.4 層次聚類 9.4.1 層次聚類算法概述 9.4.2 層次聚類算法在R中的實現 9.5 聚類算法的評估 9.5.1 確定簇數 9.5.2 測定聚類質量 思考題 第十章 時間序列分析* 10.1 時間序列概述 10.1.1 時間序列基本概念 10.1.2 時間序列的分類 10.1.3 時間序列的基本分析方法 10.1.4 時間序列的分解與基本特徵 10.2 時間序列基本模型 10.2.1 確定性時間序列模型 10.2.2 隨機性時間序列模型 思考題 第十一章 人工神經網路* 11.1 人工神經網路與深度學習概述 11.2 神經網路結構與工作原理 11.2.1 人工神經網路模型 11.2.2 基於誤差的反向傳播算法的神經網路 11.3 卷積神經網路 11.3.1 卷積神經網路簡介 11.3.2 卷積神經網路的結構 11.4 LSTM神經網路 11.4.1 遞歸神經網路 11.4.2 長短期記憶網路的原理及結構 11.5 神經網路部分算法的R語言實現 11.5.1 神經網路R語言用法 11.5.2 神經網路套用實例 思考題 第十二章 馬爾可夫預測* 12.1 基本概念 12.1.1 隨機過程和馬爾可夫過程 12.1.2 馬爾可夫鏈 12.1.3 馬爾可夫預測法 12.2 狀態轉移矩陣 12.2.1 狀態 12.2.2 狀態轉移機率矩陣 12.3 穩態機率 12.3.1 平穩分布 12.3.2 穩態分布 12.3.3 套用舉例 12.4 馬爾可夫預測 12.4.1 馬爾可夫預測的步驟 12.4.2 馬爾可夫預測套用實例 思考題 第十三章 醫學文本數據分析 13.1 文本數據分析概述 13.1.1 醫學文本數據的類型 13.1.2 醫學文本分析的難點 13.2 文本數據分析流程 13.2.1 分詞 13.2.2 停用詞 13.2.3 標準化 13.2.4 文本特徵提取 13.2.5 文本分析處理 13.3 文本分析套用實例——主題詞雲 思考題 第十四章 醫學圖像數據分析 14.1 醫學圖像數據分析概述 14.1.1 醫學圖像數據分析的意義 14.1.2 常見的醫學圖像 14.1.3 醫學圖像處理分析的特點 14.2 基於人工智慧的醫學圖像大數據分析 14.2.1 基於人工智慧的醫學圖像大數據分析流程 14.2.2 醫學圖像數據預處理技術 14.2.3 醫學圖像分割技術 14.2.4 醫學圖像大數據特徵提取技術 14.2.5 醫學圖像大數據智慧型診斷技術 14.3 基於人工智慧的醫學圖像輔助診斷實例——肝纖維化輔助診斷 14.3.1 數據介紹 14.3.2 系統框架 思考題 參考文獻 |
（註：目錄排版順序為從左列至右列）
教學資源
- 課程資源
《醫學大數據分析》的數字課程與紙質教材一體化設計，包括電子教案、微視頻、程式源碼等資源。
作品名稱 | 醫學大數據分析 |
|---|---|
作者 | 齊惠穎、周珂等 |
出版單位 | 高等教育出版社、高等教育電子音像出版社 |
策劃編輯 | 唐德凱 |
責任編輯 | 唐德凱 |
技術編輯 | 劉穎 |
《醫學大數據分析》配有的數位化資源。
教材特色
- 該教材既注重思維培養，又兼顧套用需求，在通俗易懂的前提下，追求知識體系的系統性，儘可能展示大數據分析的技術和方法在醫學領域不同層面的套用。
- 以醫學大數據分析的技術和方法為主線組織內容，由淺入深、循序漸進地引導讀者掌握大數據分析的常用方法，逐步培養讀者大數據分析的能力。
- 該教材選用醫學實際問題作為案例，易於理解，內容的講解由問題驅動，在案例講解的過程中，將大數據分析的思想滲透其中。
作者簡介
齊惠穎，女，1973年出生，博士研究生，北京大學醫學人文學院副教授，醫用理學系副主任。研究領域：醫學信息系統和健康數據的管理和分析。
周珂，廣東醫科大學信息工程學院副教授，廣東省高等學校公總計算機課程教學指導委員會委員。
周再紅，女，1971年出生，博士，湖南益陽人，廣東醫科大學信息工程學院講師，研究方向為網路與信息安全，分散式計算。
王路漫，女，醫學博士，北京大學醫學人文學院博士生導師。研究領域：機器學習與人工智慧、生物信息。
王江，廣東醫科大學信息工程學院教師。
王靜，女，1978年出生，博士，北京大學醫學人文學院副教授。研究領域：圖像處理和人工智慧。
