醫療大數據挖掘與可視化

《醫療大數據挖掘與可視化》是2023年人民郵電出版社出版的圖書。

基本介紹

• 中文名：醫療大數據挖掘與可視化
• 作者：趙傑 、何賢英
• 語言：中文
• 出版時間：2023年9月1日
• 出版社：人民郵電出版社
• 頁數：188 頁
• 字數：280000字
• ISBN：9787115615749
• 開本：16 開
• 裝幀：平裝

內容簡介

普及醫療大數據挖掘與可視化技術，對提升醫療行業數據的質量與處理效率、實現數據價值的最佳化、推動精準醫療深入套用有著重要的作用。 本書內容立足於醫療大數據的挖掘與可視化，分為總體篇、數據挖掘篇、可視化篇、套用篇等5部分，共10章，包含醫療大數據及其平台的發展概況，醫療大數據的採集、清洗、融合，醫療大數據挖掘概述、工具與方法，醫療大數據可視化概述、工具與方法，以及用實例展示醫療大數據分析平台的設計與使用方法等。

圖書目錄

第 1 部分 總體篇

第 1 章 醫療大數據概述 2

1．1 大數據概述 2

1．1．1 大數據基礎知識 2

1．1．2 大數據關鍵技術 4

1．2 醫療大數據本質 5

1．2．1 醫療大數據產生的背景 5

1．2．2 醫療大數據來源與內容 6

1．2．3 醫療大數據的特徵 7

參考文獻 8

第 2 章 醫療大數據平台概述 9

2．1 醫療大數據平台簡介 9

2．1．1 醫療大數據平台的作用 9

2．1．2 大數據平台處理數據的步驟 9

2．1．3 大數據平台產品 10

2．2 醫療大數據平台架構 11

2．2．1 基本架構 11

2．2．2 數據採集層 12

2．2．3 數據處理層 13

2．2．4 數據分析層 13

2．2．5 數據訪問層 13

2．2．6 數據套用層 13

2．2．7 數據管理層 13

2．2．8 開源框架 14

2．3 醫療大數據平台的存儲技術 14

2．3．1 HDFS 14

2．3．2 NoSQL 資料庫 16

2．4 醫療大數據平台計算模式 19

2．4．1 大數據批處理計算 19

2．4．2 大數據查詢分析計算 20

2．4．3 大數據流計算 20

2．4．4 大數據疊代計算 21

2．4．5 大數據圖計算 22

2．5 醫療大數據平台其他組件 22

2．5．1 分散式資源管理器YARN 22

2．5．2 分散式協調服務ZooKeeper 22

2．5．3 分散式訊息佇列Kafka 23

2．5．4 集群管理與監控Ambari 23

2．5．5 工作流調度器Oozie 23

2．5．6 數據轉換工具Sqoop 23

2．5．7 日誌收集工具Flume 24

參考文獻 24

第 2 部分 數據基礎篇

第3 章 醫療大數據採集 28

3．1 醫療大數據採集的必要性與影響因素 28

3．1．1 醫療大數據採集的必要性 28

3．1．2 醫療大數據採集的影響因素 29

3．2 傳統數據採集技術及其局限性 29

3．2．1 感測器技術 30

3．2．2 射頻識別技術 30

3．2．3 條碼技術 30

3．2．4 日誌檔案 31

3．2．5 移動網際網路技術 31

3．2．6 網路爬蟲技術 31

3．2．7 檢索分類工具 32

3．2．8 傳統數據採集技術的局限性 32

3．3 面向醫療大數據的平台化數據採集 33

3．3．1 平台化技術 33

3．3．2 基於平台化技術的醫療大數據採集 34

3．3．3 平台化醫療大數據採集的流程 34

3．4 平台化醫療大數據採集的關鍵技術 36

3．4．1 SOA 36

3．4．2 ESB 36

3．4．3 數據倉庫 37

3．4．4 前置機 37

3．4．5 數據接口方案 38

3．4．6 其他 38

參考文獻 38

第4 章 醫療大數據清洗 41

4．1 醫療大數據清洗的必要性 41

4．1．1 髒數據的產生原因 41

4．1．2 髒數據的存在形式 42

4．2 醫療大數據清洗的含義 45

4．2．1 數據清洗的概念 45

4．2．2 數據清洗的評價標準 45

4．3 醫療大數據清洗過程簡述 47

4．4 醫療大數據的清洗流程 47

參考文獻 49

第5 章 醫療大數據融合 50

5．1 醫療大數據融合的必要性 50

5．1．1 數據融合的概念 50

5．1．2 數據融合的類型 51

5．1．3 數據融合的優勢 52

5．1．4 醫療大數據融合的必要性 52

5．2 傳統數據融合技術及其局限性 53

5．2．1 統計學方法 53

5．2．2 信號處理與估計理論方法 54

5．2．3 人工智慧方法 54

5．2．4 資訊理論方法 55

5．2．5 傳統數據融合技術的局限性 55

5．3 面向醫療大數據的數據融合 56

5．3．1 數據融合的原理 56

5．3．2 數據融合的一般步驟 56

5．4 醫療大數據融合的關鍵技術 58

5．4．1 數據預處理 58

5．4．2 不同類型數據的處理 59

5．4．3 OLAP 引擎 60

5．4．4 D-S 證據理論融合技術 61

5．4．5 基於深度學習的多源異構數據融合 61

5．5 醫療大數據融合的套用實踐 62

5．6 醫療大數據融合的支撐要素 63

參考文獻 63

第3 部分 數據挖掘篇

第6 章 醫療大數據挖掘概述 66

6．1 醫療大數據挖掘的相關概念與意義 66

6．1．1 醫療大數據挖掘的基礎知識 66

6．1．2 醫療大數據挖掘的意義 68

6．2 醫療大數據挖掘的原理與套用 69

6．2．1 醫療大數據挖掘的核心技術 69

6．2．2 醫療大數據挖掘的難點 71

6．2．3 醫療大數據挖掘的模型框架設計與流程 72

6．2．4 醫療大數據挖掘的套用 74

參考文獻 77

第7 章 醫療大數據挖掘工具與方法 78

7．1 醫療大數據挖掘工具 78

7．1．1 工具分類 78

7．1．2 開源工具 79

7．1．3 非開源工具 81

7．2 醫療大數據挖掘方法概述 82

7．2．1 關聯規則挖掘 82

7．2．2 分類挖掘分析 82

7．2．3 聚類分析 83

7．2．4 異常挖掘分析 83

7．2．5 流行病檢測和預報 84

7．3 基於傳統機器學習的醫療大數據挖掘方法 84

7．3．1 支持向量機 84

7．3．2 邏輯回歸 85

7．3．3 決策樹 85

7．3．4 貝葉斯網路 85

7．3．5 人工神經網路 86

7．4 基於深度學習的醫療大數據挖掘方法 86

7．4．1 深度學習模型 86

7．4．2 深度學習在醫療領域的套用 89

參考文獻 90

第4 部分 可視化篇

第8 章 醫療大數據可視化概述 92

8．1 醫療大數據可視化的概念與意義 92

8．1．1 相關概念 92

8．1．2 醫療大數據可視化的基礎 94

8．1．3 醫療大數據可視化的意義 95

8．2 醫療大數據可視化流程與設計 96

8．2．1 醫療大數據可視化的流程 96

8．2．2 醫療大數據可視化設計的基本原則 98

8．2．3 醫療大數據可視化設計框架 99

參考文獻 100

第9 章 醫療大數據可視化工具與方法 102

9．1 數據可視化的常用工具 102

9．1．1 初級可視化工具 102

9．1．2 信息圖表類可視化工具 103

9．1．3 地圖類可視化工具 104

9．1．4 編程類可視化工具 105

9．2 精準醫療數據可視化的工具 106

9．2．1 基因組的可視化工具 106

9．2．2 分子結構的可視化工具 110

9．3 醫療大數據可視化的常用方法 112

9．3．1 醫療數據可視化的常用統計圖 112

9．3．2 醫療文本數據的可視化方法 116

9．3．3 複雜醫療數據的可視化方法 120

參考文獻 123

第5 部分 套用篇

第 10 章 實例展示：醫療大數據可視化分析平台 126

10．1 醫療大數據可視化分析平台設計 126

10．1．1 平台設計目標 126

10．1．2 平台設計思路 126

10．1．3 平台總體架構 127

10．2 醫療大數據可視化分析平台的功能模組 127

10．2．1 “數據概覽”模組介紹 127

10．2．2 “我的研究”模組介紹 131

10．2．3 “數據分析”模組介紹 140

10．2．4 “智慧型搜尋”模組介紹 173

10．2．5 “病人360”模組介紹 174

10．3 醫療大數據可視化分析平台的管理模組 179

10．3．1 數據源配置 179

10．3．2 輸入建議配置 182

10．3．3 資源許可權配置 183

10．3．4 指標配置 184

10．3．5 用戶許可權配置 185

10．3．6 日誌瀏覽 186

10．3．7 修改密碼設定 186

10．4 醫療大數據可視化分析平台安全措施 187