醫療革命：醫學數據挖掘的理論與實踐 下載 mobi epub pdf 電子書 2024

産品特色

編輯推薦

　　本書重點探討數據挖掘技術如何與臨床醫學深度融閤，如何運用現代的數據挖掘理念、模式識彆與機器學習的基本方法解決臨床科研中的應用問題，包含大量案例與實證。

內容簡介

　　本書以數據挖掘與模式識彆的七大原理在臨床醫學中的運用案例為切入點，係統而全麵地介紹瞭醫學數據挖掘的基本方法與原理，對數據分析的常用算法進行瞭通俗易懂的講解。本書*大的特色是采用瞭案例分析與實證的方法，每一個原理、算法都在案例講解中生動地體現齣來。更重要的是，本書對臨床醫學的數據挖掘與模式識彆技術進行瞭開創性、係統性的討論，用案例展現瞭數據挖掘技術如何與臨床醫學相結閤，為廣大的醫生、醫學數據挖掘愛好者提供瞭很實用的技術示範、理念導入、係統思考。本書所有概念的講解基本結構為原理講解與案例實操的二元結構，兼顧初學者與專業人士的需要。本書重點探討瞭數據挖掘技術如何與臨床醫學深度融閤，如何運用現代的數據挖掘理念、模式識彆與機器學習的基本方法解決臨床科研中的應用問題，為廣大的科研型臨床醫生提供助力，為廣大的數據分析人員找到行業應用的範例，為廣大初學者提供努力學習的方嚮，更重要的是在這個大數據時代，我們可以親自見證數據技術是如何改變並深刻影響著臨床醫學的科研與教學。

作者簡介

　　邵學傑先生，是我國醫學大數據概念提齣的實踐者與先行者，2011年邵學傑先生與國傢衛生計生委醫政醫管局醫療質量監測中心HQMS閤作首度提齣建設“中國醫療雲”的設想。不僅如此，邵學傑先生還是我國醫學圖像人工智能識彆的先行者，於2012年建立**傢民營人工智能與深度學習研究機構，在醫學圖像的人工智能與機器深度學習方麵有豐富的實操經驗。邵學傑先生還是醫學數據挖掘的先行者，他領銜的研究團隊在研究胰腺癌與二型糖尿病的關聯規則，基綫靜息心率與心肌缺血事件的關聯性，低位保肛手術的隨訪大數據研究中取得重要進展。

目錄

第1章 數據分析與數據挖掘的力量 1
1．1　葡萄牙醫生解決世界新生兒齣生缺陷的故事 2
1．2　醫學數據挖掘的主要定義 5
1．2．1 數據挖掘的定義 5
1．2．2 醫學數據挖掘的故事 5
1．3　醫學數據模式識彆的七大原理與案例講解 6
1．3．1 什麼是模式識彆 6
1．3．2 7個小故事 7
1．4　臨床醫學領域的機器學習與人工智能 12
1．5　神經元網絡的基本原理 13
第2章 臨床醫學的數據挖掘 20
2．1　房顫與腎功能關聯現象的故事 21
2．2　支持嚮量機的算法原理與應用 30
2．2．1 一個故事的開場白 30
2．2．2 支持嚮量機的主要特點 31
2．2．3 支持嚮量機的應用案例 39
2．3　疾病規律與統計學革命 43
2．3．1 肝膽外科的統計學故事 43
2．3．2 雙盲實驗的誕生 44
2．3．3 幾則很有趣的醫學統計學故事 47
2．4　老年肺癌研究 50
2．4．1 數據的抓取與來源 50
2．4．2 癌癥與老齡化的相關性分析 51
2．4．3 老年人肺癌手術適用性評估關鍵詞頻率 53
2．4．4 老年肺腫瘤的數據分析 54
2．4．5 英國肺癌患者38年來死亡率研究 59
2．4．6 老齡肺癌死亡率數據的三維分析 59
2．5　臨床醫學與數據挖掘的邊緣學科 62
2．5．1 幾個實例 62
2．5．2 醫學統計學與醫學數據挖掘的區彆 69
2．5．3 有關數據挖掘是邊緣學科的幾個實例 72
2．5．4 一個醫學數據挖掘的案例 74
第3章 臨床醫學與數據技術的深度融閤 90
3．1　二型糖尿病與胰腺癌的故事 91
3．2　Cox迴歸的基本原理與應用 94
3．2．1 Cox迴歸的基本原理 94
3．2．2 晚期肺癌伴腦轉移患者的預後多因素Cox迴歸 95
3．2．3 本案例的幾點啓示 100
3．3　醫學數據分析中的故事 101
3．4　聚類的臨床醫學意義 103
3．4．1 聚類算法的基本定義 103
3．4．2 臨床醫學數據挖掘中聚類的意義 104
3．4．3 案例 112
3．5　貝葉斯算法的應用案例 113
3．5．1 一個流傳甚廣的故事 113
3．5．2 一個貝葉斯算法的醫學案例 114
第4章 臨床醫學的模式識彆 126
4．1　模式識彆是什麼 127
4．1．1 定義 127
4．1．2 臨床醫學模式識彆的故事 127
4．2　基綫靜息心率的故事 130
4．3　決策樹算法 132
4．4　最大期望（EM）算法 135
4．5　算法的規律與臨床醫學的本質 140
4．5．1 算法的本質是什麼 140
4．5．2 數據挖掘中醫學的本質 141
第5章 醫學數據挖掘的常用工具 146
5．1　SAS挖掘軟件運用案例 147
5．2　Weka軟件介紹 150
5．3　Matlab案例 152
5．4　R語言案例 162
5．5　臨床醫生如何用好挖掘工具 164
第6章 專業級醫學SCI論文中的統計工具 169
6．1　醫學數據中的T值與P值故事 170
6．2　K綫圖的故事 172
6．3　國際頂級期刊上的數據技術 174
6．4　SCI薈萃分析中的統計學工具 180
6．4．1 研究對象及入選標準 181
6．4．2 統計學處理 181

精彩書摘

　　醫學數據挖掘的故事

　　醫學數據挖掘一般是指從大量的醫學數據中通過算法搜索來認識隱藏於其中疾病新規律的過程。

　　今天這裏要講述一個關於腸道菌群與心血管疾病關聯性的故事。在微生物學誕生後不久，人們就發現，在動物的消化道中存在有不少微生物。例如在牛、羊、兔等食草動物的胃或盲腸中，就存在大量以細菌為主的微生物群體。由於食草動物攝入的植食性飼料中，縴維素、半縴維素等多糖難以依靠動物體自身分泌的酶液消化，而微生物群體中包含的縴維素消化菌、半縴維素消化菌等可以較好地將多糖轉化為低聚糖和寡糖，從而促進對這些營養物質的吸收。

　　隨著醫學的發展，人們也注意到，在人類的腸道，尤其是結腸（也就是平常所說的大腸）中，也存在著大量微生物。這些以細菌為主的微生物種類極多，數量極大。腸道菌群並非是生來就有的，它們實際上是“外來戶”。在母體子宮內，胎兒所處的是一個幾乎無菌的環境，因此胎兒腸道內也是無菌的。當胎兒齣生之後的幾天內，細菌通過分娩時陰道物質攝入、哺乳時的口腔攝入以及空氣吸入等途徑進入新生兒體內，並在腸道內定植，形成新生兒最初的腸道菌群。隨著嬰兒的成長，腸道菌群的種類結構逐漸趨於穩定，最終形成成熟的腸道菌群。這些微小的生物群體就這樣不知不覺地定居到人體之內，悄無聲息地與主人相隨一生。

　　近期的多項研究錶明，腸道菌群和人體的代謝疾病具有重要關係。腸道菌群失衡可能是造成肥胖、糖尿病等多種代謝異常的重要原因之一。造成代謝異常的主要原因，是失衡的腸道菌群産生的脂多糖等內毒素進入人體，被免疫細胞識彆後産生多種炎癥因子，使得機體進入低度炎癥狀態，從而産生代謝異常。例如，若長期進食高脂、高糖食物，可造成腸道菌群中條件緻病菌比例增加，而共生菌比例下降，從而使得食物中攝取的能量更容易轉化為脂肪纍積於皮下，造成肥胖。此外，低度炎癥還能促使機體對胰島素響應程度下降，造成胰島素抵抗，進而發展為糖尿病。

　　這些醫學觀察的結論完全得益於數據挖掘技術的進步，醫生們從醫治經驗中發現患有腸道疾病的人往往也同時患有心血管疾病。一開始醫生們並沒有注意到這個現象，當越來越多的病例記錄瞭同一現象時，醫生們開始懷疑兩者之間的關聯性。但是懷疑代替不瞭科學結論，需要定量化的數據支持，越來越多的病例數據匯總後經過關聯規則算法最終找到瞭大量的支持病例，最終現代醫學解開瞭這個秘密。腸道菌群與中風，原本風馬牛不相及的兩個病種終於確立瞭因果關係。

　　有意思的是，最新的醫學數據挖掘錶明，腸道菌群的數量分布居然與抑鬱癥有關聯，醫學科學傢正在試圖解開這個秘密。

　　這個故事生動地錶達瞭醫學數據挖掘的魅力與能量。利用大量的臨床醫學數據發現新的醫學疾病規律正是數據挖掘在醫學，特彆是臨床醫學領域的巨大意義。

　　……

前言/序言

　　序

　　Big Data（大數據）在這幾年突然火紅於日常生活的各項領域中，連臨床醫療也不例外，其實早期就存在許多通過數據來佐證或者分析預測結果的例子，但是當時在大多數的情況之下，統計運算不夠快速成為瞭資料分析的一大限製，因此大多數資料是被臨床研究工作者們放在一邊而從未思考該如何運用的。伴隨著信息科技的進步以及發達，能為我們所分析的數據將呈現爆炸性的成長，因此人們能從數據中學習的知識會更加豐富。和其他科學領域相比，需要透過大量臨床試驗的醫學領域算是進步較緩慢的學科。管仲曾說過：“不明於數欲舉大事，如舟之無楫而欲行於大海也。”意思是說在不清楚相關數據的情況下想做大事，無疑是沒有槳的船想航行於汪洋大海中一樣。也就是說，在醫療大數據的時代下，“dry lab”的醫療數據研究將會是協助醫學領域快速進步的一大重要關鍵。本書通過大量臨床醫學的實例，由淺入深地介紹各項數據分析以及數據挖掘的方法和工具，將大量的臨床醫學數據化繁為簡。相信無論是在校的學生或是臨床研究者，本書都將會是學習或科研路上不可或缺的好夥伴。

　　謝邦昌

　　颱北醫學大學管理學院及大數據研究中心 院長/主任

　　中華市場研究協會理事長

　　中華資料采礦協會榮譽理事長

　　前 言

　　在醫學大數據時代，數據技術帶來瞭臨床醫學科研的革命性進步。本書通過對醫療數據挖掘的基本理論的闡述，將現代統計學與數據挖掘技術有機結閤，講述瞭大量的醫學數據挖掘的案例，提供瞭大量的醫學數據挖掘的實操方法。醫學數據模式識彆的七大原理與案例講解是本書具有獨創性的對醫學數據技術的全麵概括與總結，七大原理的首次提齣也是醫學數據挖掘技術上升到係統理論的重要實踐與創新。無論是預測性建模、解釋性建模、知識性建模與描述性建模，抑或是序列模式建模、依賴關係建模、異常模式建模，模式識彆的類型規律躍然紙上，為專業人士或初學者厘清瞭數據挖掘與模式識彆的基本類型特徵。

　　不僅如此，本書選取的大量的醫學數據挖掘案例為本書的實用性增加瞭學以緻用的特色，凡認真閱讀本書的讀者都會從理論與實操兩個層麵全麵、係統、實用地瞭解醫學數據挖掘的原理與方法。本書以胰腺癌與二型糖尿病的關聯規則、乳腺癌圖片智能識彆的挖掘算法、心電信號大數據的人工智能識彆、低位前切保肛術的薈萃分析、貝葉斯網絡預測高血壓患者心血管風險、基綫靜息心率評估心血管事件、老年肺癌研究的薈萃分析等實用數據技術為切入點，使初學者能夠掌握醫學數據挖掘的基本理論與方法，因此是一本很好的入門級教科書。

　　對於資深的臨床醫生、醫學博士、論文寫作者而言，本書也是一本很好的案例參考書。特彆是對於醫學科研課題而言，本書提供瞭強大的實際操作技術培訓與案例講解，從頂級的國際期刊《自然》、《細胞》、《柳葉刀》等雜誌選取經典的數據分析案例，用生動的方法讓讀者可以學到醫學論文中數據、圖錶、算法的實際使用方法；因而對於專業人員而言，本書又是一本很好的資深級彆的專業用書。

　　我們相信，無論您是初學者還是資深的專業人士，本書都將為您提供極大的可讀性、趣味性和科學性。

大數據思維 從擲骰子到紙牌屋

內容還可以吧，不過不夠深入，有點淺

Web與網絡數據科學：建模技術在預測分析中的應用

有理論，有代碼，有案例，怎麼感覺還是差點什麼。

個人感覺還是挺不錯的。

很好很好很好很好很好很好很好

我老婆說看不懂，隔行如隔山啊?

超級喜歡這個牌子的東西。超級喜歡這個牌子的東西。

工作需要用書，能給我很多很多啓發