健康医疗大数据建模方法与应用

第一章 绪论/ 1

第一节 健康医疗大数据的概念与属性 / 1

第二节 健康医疗大数据的分类与应用 / 3

第三节 健康医疗大数据的现状与挑战 / 5

第四节 健康医疗大数据建模方法与应用概述 / 6

第二章 大数据存储与管理技术/ 12

第一节 概述 / 12

第二节 Hadoop 生态系统 / 15

第三节 大数据预处理技术 / 19

第四节 大数据的安全与隐私保护技术 / 23

第三章 医学图像大数据的结构化处理方法/ 30

第一节 医学图像概述 / 30

第二节 医学图像感兴趣区域的分割 / 33

第三节 医学图像特征指标 / 36

第四节 医学图像纹理特征的提取方法 / 40

第四章 医学文本与语音大数据的处理方法/ 51

第一节 医学文本数据及文本挖掘概述 / 51

第二节 医学文本挖掘技术 / 54

第三节 医学语音数据概述 / 63

第四节 医学语音处理技术 / 66

第五章 健康医疗高维大数据常用降维方法/ 80

第一节 LASSO / 80

第二节 随机森林 / 92

第三节 弹性网 / 101

第六章 互联网健康医疗大数据的获取/ 109

第一节 互联网健康医疗大数据应用 / 109

第二节 互联网健康医疗大数据爬取 / 112

第三节 健康医疗知识图谱 / 122

第七章 健康医疗大数据的关联分析/ 128

第一节 关联规则 / 128

第二节 推荐系统 / 135

第三节 复杂网络 / 141

第八章 分类诊断常用的数据挖掘方法/ 153

第一节 支持向量机 / 153

第二节 决策树 / 160

第三节 随机森林 / 166

第四节 高斯过程 / 173

第九章 回归预测常用的数据挖掘方法/ 180

第一节 广义线性回归 / 180

第二节 支持向量回归 / 186

第三节 高斯过程回归 / 192

第四节 人工神经网络回归 / 203

第十章 健康医疗大数据深度学习方法/ 211

第一节 健康医疗中的深度学习概述 / 211

第二节 卷积神经网络 / 216

第三节 自编码器 / 226

第四节 深度生成模型 / 234

第十一章 健康医疗时间序列大数据的建模方法/ 243

第一节 健康医疗大数据时间序列的分析方法概述 / 243

第二节 病例交叉设计和广义可加模型 / 246

第三节 支持向量机 / 252

第四节 深度循环网络模型 / 257

第十二章 健康医疗大数据的时空建模方法/ 268

第一节 时空建模方法概述 / 268

第二节 时空相关分析 / 270

第三节 时空热点分析 / 273

第四节 时空扫描分析 / 275

第五节 时空回归分析 / 284

第六节 时空网络分析 / 290

第十三章 健康医疗大数据背景下的因果推断/ 298

第一节 健康医疗大数据因果推断概述 / 298

第二节 控制混杂偏倚的因果推断方法 / 300

第三节 控制选择性偏倚的因果推断方法 / 313

第四节 因果通路识别和因果网络构建 / 320

第十四章 生物信息大数据建模方法与应用/ 330

第一节 生物信息大数据概述 / 330

第二节 生物信息大数据建模 / 339

第三节 Hub 基因挖掘方法与应用 / 344

附录/ 364

附录一 练习题答案 / 364

附录二 R软件和Python 软件简介 / 364

附录三 中英文名词对照表 / 388

主要参考文献/ 401