掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
人工智能在腫瘤計算上的應用 版權信息
- ISBN：9787030617996
- 條形碼：9787030617996 ; 978-7-03-061799-6
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人工智能在腫瘤計算上的應用 內容簡介
本書以作者多年來從事的計算生物學項目為具體范例，具體介紹人工智能在計算生物學中的具體實踐。本書的部分以基因、生存分析和生物熱傳導計算為例討論人工智能在計算生物學的實踐。本書的第二部分分別使用圖形卡和Hadoop計算的范例來介紹如何使用單指令多數據和多指令多數據并行編程模型，改進現有串行計算模式下的計算生物模型，以此為例討論人工智能在體系結構學科上的應用。本書的第三部分分別描述如何使用語義數據庫集成管理D-NetWeaver軟件以及如何建立LAUPs序列在線大數據分析WebServices平臺，以此為例討論人工智能在計算生物學數據庫服務上的應用。
人工智能在腫瘤計算上的應用 目錄
目錄
**篇 人工智能在計算生物學上的實踐
第1章 計算生物學方法模擬生物熱傳導過程 3
1.1 微分方程模擬激光治療皮膚癌 3
1.2 模擬激光治療的數學模型 4
1.3 模擬激光治療的數值方法 6
1.4 模擬激光治療的計算實驗 8
1.5 模擬激光治療的結論 15
1.6 模擬激光治療的進一步研究 15
參考文獻 17
第2章 基于數據挖掘的計算生物學研究 19
2.1 尋找腦膠質癌致病基因和相關信號通路 19
2.1.1 探索腦膠質癌致病基因和相關信號通路的方法 21
2.1.2 探索腦膠質癌致病基因和相關信號通路的結果 25
2.1.3 模型的預測性能比較 26
2.1.4 模型的擬合性能比較 28
2.1.5 多種策略分別探索與腦膠質癌存活時間相關的信號通路 29
2.1.6 探索腦膠質癌致病基因和相關信號通路的討論 30
2.1.7 探索腦膠質癌致病基因和相關信號通路的結論 31
2.2 建立一個穩健預測結直腸癌患病風險的數學模型 31
2.2.1 結直腸癌患病風險的數學模型簡介 31
2.2.2 結直腸癌患病風險的數學模型所需的材料和方法 32
2.2.3 結直腸癌患病風險的數學模型的研究結果 39
參考文獻 47
第3章 結合數據挖掘和模擬仿真的多尺度混合模型 56
3.1 骨重建模擬仿真多尺度混合模型 56
3.2 骨重建模擬仿真多尺度混合模型的方法 57
3.2.1 分子尺度：信號通路 58
3.2.2 細胞尺度：細胞活動 59
3.2.3 支架尺度：支架降解和生長因子釋放 62
3.2.4 骨組織尺度：血管生成和氧運輸 63
3.2.5 建立Abaqus的計算模型 63
3.2.6 模型培養和測試 64
3.3 骨重建模擬仿真多尺度混合模型的結果 65
3.3.1 三維血管化骨再生模擬 65
3.3.2 模型的訓練和測試 67
3.3.3 模型中的參數敏感性分析 69
3.3.4 生長因子對骨形成的重要影響 70
3.4 骨重建模擬仿真多尺度混合模型的討論 71
參考文獻 72
第二篇 人工智能在計算生物學計算加速上的應用
第4章 使用GPU并行擴散方程的數值算法 77
4.1 生物醫學工程研究中的擴散方程 77
4.2 擴散方程的數學模型 78
4.2.1 ADI方案 78
4.2.2 Thomas算法 79
4.2.3 域分解 80
4.3 域分解ADI的GPU實現 81
4.3.1 并行計算算法的性能和準確性分析 81
4.3.2 并行計算算法加速擴散求解器 84
4.4 擴散方程的研究結果 91
4.4.1 比較PGM和串行計算時間 91
4.4.2 比較PSGMC和PGM的計算時間 92
4.4.3 比較PSGMG和PSGMC的計算時間 93
4.4.4 比較PGM、PSGMC、PSGMG和串行計算中的*佳計算時間 95
4.4.5 檢驗并行和串行計算之間的準確性 95
4.4.6 考察其他基于GPU的計算方案的計算時間 95
4.5 討論與總結 96
參考文獻 98
第5章 對譜系相關代表數目不足序列的分布式并行加速 102
5.1 譜系相關代表數目不足序列定義 102
5.2 物種LAUPs計算方法研究 102
5.2.1 k-mer計算算法簡介 103
5.2.2 Jellyfish算法架構 105
5.2.3 Jellyfish算法優化 108
5.2.4 譜系相關的代表數目不足序列計算算法 110
5.2.5 譜系相關多物種共同LAUPs計算 111
5.3 JBLC算法性能評估與分析 112
5.3.1 時間空間復雜度分析 112
5.3.2 實驗對比分析 113
5.4 基于Hadoop的LAUPs算法并行加速研究 114
5.4.1 問題分析與解決方法 114
5.4.2 Hadoop Streaming框架 116
5.4.3 基于Hadoop的LAUPs分布式計算模型MR-JBLC 117
5.5 MR-JBLC性能評估與結果分析 119
5.5.1 Hadoop大數據平臺搭建 119
5.5.2 并行性能評估與實驗分析 119
參考文獻 123
第三篇 人工智能在計算生物學數據庫服務上的應用
第6章 構建集成D-NetWeaver軟件的語義數據庫 127
6.1 D-NetWeaver軟件介紹 127
6.2 語義數據庫構建 128
6.2.1 URI的編碼和ontology 129
6.2.2 數據庫開發工具 130
6.2.3 Bio-GRAPH生成 130
6.2.4 原始文件系統的語義擴展 130
6.2.5 生物數據庫的SPARQL查詢功能 131
6.2.6 生物圖形可視化 131
6.3 討論與結論 132
參考文獻 132
第7章 LAUPs序列大數據分析平臺：WSLAUP 134
7.1 LAUPs相關背景 134
7.2 總體架構設計 135
7.3 平臺關鍵技術 136
7.4 平臺結果與討論 137
參考文獻 143
附錄 Hadoop大數據分析平臺環境搭建步驟 145
補充文獻 150
**篇 人工智能在計算生物學上的實踐
第1章 計算生物學方法模擬生物熱傳導過程 3
1.1 微分方程模擬激光治療皮膚癌 3
1.2 模擬激光治療的數學模型 4
1.3 模擬激光治療的數值方法 6
1.4 模擬激光治療的計算實驗 8
1.5 模擬激光治療的結論 15
1.6 模擬激光治療的進一步研究 15
參考文獻 17
第2章 基于數據挖掘的計算生物學研究 19
2.1 尋找腦膠質癌致病基因和相關信號通路 19
2.1.1 探索腦膠質癌致病基因和相關信號通路的方法 21
2.1.2 探索腦膠質癌致病基因和相關信號通路的結果 25
2.1.3 模型的預測性能比較 26
2.1.4 模型的擬合性能比較 28
2.1.5 多種策略分別探索與腦膠質癌存活時間相關的信號通路 29
2.1.6 探索腦膠質癌致病基因和相關信號通路的討論 30
2.1.7 探索腦膠質癌致病基因和相關信號通路的結論 31
2.2 建立一個穩健預測結直腸癌患病風險的數學模型 31
2.2.1 結直腸癌患病風險的數學模型簡介 31
2.2.2 結直腸癌患病風險的數學模型所需的材料和方法 32
2.2.3 結直腸癌患病風險的數學模型的研究結果 39
參考文獻 47
第3章 結合數據挖掘和模擬仿真的多尺度混合模型 56
3.1 骨重建模擬仿真多尺度混合模型 56
3.2 骨重建模擬仿真多尺度混合模型的方法 57
3.2.1 分子尺度：信號通路 58
3.2.2 細胞尺度：細胞活動 59
3.2.3 支架尺度：支架降解和生長因子釋放 62
3.2.4 骨組織尺度：血管生成和氧運輸 63
3.2.5 建立Abaqus的計算模型 63
3.2.6 模型培養和測試 64
3.3 骨重建模擬仿真多尺度混合模型的結果 65
3.3.1 三維血管化骨再生模擬 65
3.3.2 模型的訓練和測試 67
3.3.3 模型中的參數敏感性分析 69
3.3.4 生長因子對骨形成的重要影響 70
3.4 骨重建模擬仿真多尺度混合模型的討論 71
參考文獻 72
第二篇 人工智能在計算生物學計算加速上的應用
第4章 使用GPU并行擴散方程的數值算法 77
4.1 生物醫學工程研究中的擴散方程 77
4.2 擴散方程的數學模型 78
4.2.1 ADI方案 78
4.2.2 Thomas算法 79
4.2.3 域分解 80
4.3 域分解ADI的GPU實現 81
4.3.1 并行計算算法的性能和準確性分析 81
4.3.2 并行計算算法加速擴散求解器 84
4.4 擴散方程的研究結果 91
4.4.1 比較PGM和串行計算時間 91
4.4.2 比較PSGMC和PGM的計算時間 92
4.4.3 比較PSGMG和PSGMC的計算時間 93
4.4.4 比較PGM、PSGMC、PSGMG和串行計算中的*佳計算時間 95
4.4.5 檢驗并行和串行計算之間的準確性 95
4.4.6 考察其他基于GPU的計算方案的計算時間 95
4.5 討論與總結 96
參考文獻 98
第5章 對譜系相關代表數目不足序列的分布式并行加速 102
5.1 譜系相關代表數目不足序列定義 102
5.2 物種LAUPs計算方法研究 102
5.2.1 k-mer計算算法簡介 103
5.2.2 Jellyfish算法架構 105
5.2.3 Jellyfish算法優化 108
5.2.4 譜系相關的代表數目不足序列計算算法 110
5.2.5 譜系相關多物種共同LAUPs計算 111
5.3 JBLC算法性能評估與分析 112
5.3.1 時間空間復雜度分析 112
5.3.2 實驗對比分析 113
5.4 基于Hadoop的LAUPs算法并行加速研究 114
5.4.1 問題分析與解決方法 114
5.4.2 Hadoop Streaming框架 116
5.4.3 基于Hadoop的LAUPs分布式計算模型MR-JBLC 117
5.5 MR-JBLC性能評估與結果分析 119
5.5.1 Hadoop大數據平臺搭建 119
5.5.2 并行性能評估與實驗分析 119
參考文獻 123
第三篇 人工智能在計算生物學數據庫服務上的應用
第6章 構建集成D-NetWeaver軟件的語義數據庫 127
6.1 D-NetWeaver軟件介紹 127
6.2 語義數據庫構建 128
6.2.1 URI的編碼和ontology 129
6.2.2 數據庫開發工具 130
6.2.3 Bio-GRAPH生成 130
6.2.4 原始文件系統的語義擴展 130
6.2.5 生物數據庫的SPARQL查詢功能 131
6.2.6 生物圖形可視化 131
6.3 討論與結論 132
參考文獻 132
第7章 LAUPs序列大數據分析平臺：WSLAUP 134
7.1 LAUPs相關背景 134
7.2 總體架構設計 135
7.3 平臺關鍵技術 136
7.4 平臺結果與討論 137
參考文獻 143
附錄 Hadoop大數據分析平臺環境搭建步驟 145
補充文獻 150
展開全部
書友推薦
- >
史學評論
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
我從未如此眷戀人間
- >
莉莉和章魚
- >
詩經-先民的歌唱
- >
伯納黛特,你要去哪(2021新版)
- >
中國歷史的瞬間
- >
隨園食單
本類暢銷
