醫(yī)療大數(shù)據(jù)分析與應(yīng)用

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(diǎn)　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(chǔ)層　13
1.4.2　數(shù)據(jù)層　14
1.4.3　應(yīng)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(shí)例　17
參考文獻(xiàn)　18
第2章　數(shù)據(jù)預(yù)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(jì)算系統(tǒng)搭建　24
2.2.1　Hadoop　24
2.2.2　MapReduce　26
第3章　統(tǒng)計(jì)學(xué)在醫(yī)療領(lǐng)域的應(yīng)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(shè)檢驗(yàn)　33
3.2.1　基本步驟　33
3.2.2　檢驗(yàn)方法　37
3.3　統(tǒng)計(jì)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(fù)雜網(wǎng)絡(luò)傳染病模型　58
4.2.1　網(wǎng)絡(luò)的基本概念及度量　58
4.2.2　復(fù)雜網(wǎng)絡(luò)上的傳染病模型　63
參考文獻(xiàn)　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(yīng)用類型和過程　68
5.1.1　數(shù)據(jù)挖掘的應(yīng)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(shù)　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(jī)鄰域嵌入原理及優(yōu)化　78
5.2.5　t分布隨機(jī)鄰域嵌入原理及優(yōu)化　79
5.2.6　t分布隨機(jī)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(xiàn)　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(shù)　94
6.2.1　科學(xué)可視化應(yīng)用　94
6.2.2　信息可視化應(yīng)用　97
參考文獻(xiàn)　112
第7章　大數(shù)據(jù)和醫(yī)學(xué)影像　113
7.1　影像大數(shù)據(jù)中的5個(gè)V　113
7.2　影像數(shù)據(jù)的使用　114
7.3　深度學(xué)習(xí)過程所需的要素　120
7.4　在醫(yī)學(xué)影像上開展深度學(xué)習(xí)研究　122
7.4.1　深度學(xué)習(xí)的幾個(gè)步驟　122
7.4.2　如何衡量深度學(xué)習(xí)的成功　125
7.4.3　深度學(xué)習(xí)在醫(yī)學(xué)影像上的應(yīng)用　126
參考文獻(xiàn)　134
第8章　醫(yī)療領(lǐng)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(yù)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(shù)　145
8.4.1　文本向量化　145
8.4.2　詞云　146
8.4.3　知識(shí)圖譜　147
8.4.4　自動(dòng)文摘　147
8.4.5　情感分析　149
8.4.6　谷歌BERT技術(shù)　149
8.5　自然語言處理在醫(yī)療領(lǐng)域的應(yīng)用　152
8.5.1　生物醫(yī)學(xué)文本挖掘　 152
8.5.2　臨床決策支持系統(tǒng)　154
8.5.3　自動(dòng)問答系統(tǒng)　154
參考文獻(xiàn)　156
第9章　醫(yī)療數(shù)據(jù)隱私保護(hù)　159
9.1　醫(yī)療數(shù)據(jù)隱私保護(hù)概述　159
9.1.1　醫(yī)療大數(shù)據(jù)的來源及潛在的隱私風(fēng)險(xiǎn)　160
9.1.2　全流程的醫(yī)療大數(shù)據(jù)隱私保護(hù)　161
9.2　匿名隱私保護(hù)　163
9.3　差分隱私及其應(yīng)用　165
9.3.1　差分隱私的定義及相關(guān)概念　166
9.3.2　差分隱私的實(shí)現(xiàn)機(jī)制　169
9.4　其他隱私保護(hù)方法　171
9.4.1　機(jī)密計(jì)算　171
9.4.2　模型隱私　174
參考文獻(xiàn)　175
第10章　醫(yī)療經(jīng)濟(jì)概況與前景　179
10.1　醫(yī)療經(jīng)濟(jì)概況　179
10.2　醫(yī)療經(jīng)濟(jì)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(jì)的前景　190