医疗大数据分析与应用

前言
第1章　医疗大数据概述　1
1.1　全球大数据现状与特点　2
1.2　医疗大数据简介　8
1.3　医疗大数据分析　11
1.4　医疗大数据产业划分　13
1.4.1　基础层　13
1.4.2　数据层　14
1.4.3　应用层　14
1.5　医疗大数据的挑战　15
1.6　大数据在医疗中的实例　17
参考文献　18
第2章　数据预处理　19
2.1　数据清洗　19
2.1.1　处理缺失值　20
2.1.2　处理异常值　21
2.1.3　处理噪声　22
2.2　大规模计算系统搭建　24
2.2.1　Hadoop　24
2.2.2　MapReduce　26
第3章　统计学在医疗领域的应用　29
3.1　回归模型　29
3.1.1　一元线性回归　29
3.1.2　多元线性回归　30
3.1.3　逻辑回归　32
3.2　假设检验　33
3.2.1　基本步骤　33
3.2.2　检验方法　37
3.3　统计软件概述　38
3.3.1　SPSS　39
3.3.2　SAS　44
3.3.3　R　45
第4章　经典传染病模型　49
4.1　传染病模型概述　49
4.1.1　传染病仓室模型　50
4.1.2　微分方程描述下的传染病仓室模型　53
4.1.3　传染病仓室模型的简单仿真　55
4.2　复杂网络传染病模型　58
4.2.1　网络的基本概念及度量　58
4.2.2　复杂网络上的传染病模型　63
参考文献　65
第5章　医疗数据挖掘　67
5.1　医疗数据挖掘的应用类型和过程　68
5.1.1　数据挖掘的应用类型　68
5.1.2　数据挖掘的过程　73
5.2　数据挖掘中的常用技术　75
5.2.1　聚类分析　75
5.2.2　K-means 层次聚类　76
5.2.3　主成分分析的数据降维　77
5.2.4　随机邻域嵌入原理及优化　78
5.2.5　t分布随机邻域嵌入原理及优化　79
5.2.6　t分布随机邻域嵌入示例　80
5.3　数据挖掘中需要注意的问题　81
参考文献　85
第6章　医疗数据可视化　87
6.1　数据可视化概述　87
6.1.1　数据可视化的概念　 87
6.1.2　数据可视化的目的　88
6.1.3　数据可视化的分类　89
6.2　医疗数据可视化技术　94
6.2.1　科学可视化应用　94
6.2.2　信息可视化应用　97
参考文献　112
第7章　大数据和医学影像　113
7.1　影像大数据中的5个V　113
7.2　影像数据的使用　114
7.3　深度学习过程所需的要素　120
7.4　在医学影像上开展深度学习研究　122
7.4.1　深度学习的几个步骤　122
7.4.2　如何衡量深度学习的成功　125
7.4.3　深度学习在医学影像上的应用　126
参考文献　134
第8章　医疗领域的自然语言处理　137
8.1　自然语言　137
8.2　自然语言处理概述　138
8.3　数据集的预处理　139
8.3.1　句法分析　 139
8.3.2　语义分析　 143
8.4　常见的自然语言处理技术　145
8.4.1　文本向量化　145
8.4.2　词云　146
8.4.3　知识图谱　147
8.4.4　自动文摘　147
8.4.5　情感分析　149
8.4.6　谷歌BERT技术　149
8.5　自然语言处理在医疗领域的应用　152
8.5.1　生物医学文本挖掘　 152
8.5.2　临床决策支持系统　154
8.5.3　自动问答系统　154
参考文献　156
第9章　医疗数据隐私保护　159
9.1　医疗数据隐私保护概述　159
9.1.1　医疗大数据的来源及潜在的隐私风险　160
9.1.2　全流程的医疗大数据隐私保护　161
9.2　匿名隐私保护　163
9.3　差分隐私及其应用　165
9.3.1　差分隐私的定义及相关概念　166
9.3.2　差分隐私的实现机制　169
9.4　其他隐私保护方法　171
9.4.1　机密计算　171
9.4.2　模型隐私　174
参考文献　175
第10章　医疗经济概况与前景　179
10.1　医疗经济概况　179
10.2　医疗经济的市场分析　181
10.3　医疗大数据现状　190
10.4　医疗经济的前景　190