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
醫療大數據挖掘與可視化 版權信息
- ISBN：9787115615749
- 條形碼：9787115615749 ; 978-7-115-61574-9
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
醫療大數據挖掘與可視化 本書特色
1.專業作者：趙杰博士和何賢英高級統計師都是在醫療信息化、遠程醫療和臨床藥學方面具有豐富經驗和深厚背景的專家。兩位作者的專業知識和經驗，使得本書具有很高的參考價值。
2.內容全面：本書立足于醫療大數據的挖掘與可視化，分為總體篇、數據挖掘篇、可視化篇、應用篇等，內容包括醫療大數據及其平臺的發展概況，醫療大數據的采集、清洗、融合，以及通過實例展示醫療大數據分析平臺的設計與使用方法等。
3.實用性：本書不僅介紹了醫療行業數據的基礎知識，還重點介紹了數據挖掘與可視化的常用工具和方法，并通過實例展示了相關技術的臨床應用。對于想要了解和掌握醫療大數據技術的讀者來說，本書提供了一本全面、實用的指南。
4.深度結合醫療數據：本書將醫療數據和數據挖掘及可視化技術深度結合，從醫療數據本身出發，尋找適用于醫療數據挖掘與可視化的技術及常用工具和方法，為讀者提供可讀性高、操作性強的指南讀物。
5.對于新一代醫療工作者的價值：本書對于幫助新一代醫療工作者厘清并掌握醫療大數據技術，對含有未知意義的醫學數據進行專業化挖掘與可視化，實現醫療數據價值的優化具有重要意義。
醫療大數據挖掘與可視化 內容簡介
普及醫療大數據挖掘與可視化技術，對提升醫療行業數據的質量與處理效率、實現數據價值的優化、推動精準醫療深入應用有著重要的作用。 本書內容立足于醫療大數據的挖掘與可視化，分為總體篇、數據挖掘篇、可視化篇、應用篇等5部分，共10章，包含醫療大數據及其平臺的發展概況，醫療大數據的采集、清洗、融合，醫療大數據挖掘概述、工具與方法，醫療大數據可視化概述、工具與方法，以及用實例展示醫療大數據分析平臺的設計與使用方法等。
醫療大數據挖掘與可視化 目錄
第 1 部分 總體篇
第 1 章 醫療大數據概述 2
1.1 大數據概述 2
1.1.1 大數據基礎知識 2
1.1.2 大數據關鍵技術 4
1.2 醫療大數據本質 5
1.2.1 醫療大數據產生的背景 5
1.2.2 醫療大數據來源與內容 6
1.2.3 醫療大數據的特征 7
參考文獻 8
第 2 章 醫療大數據平臺概述 9
2.1 醫療大數據平臺簡介 9
2.1.1 醫療大數據平臺的作用 9
2.1.2 大數據平臺處理數據的步驟 9
2.1.3 大數據平臺產品 10
2.2 醫療大數據平臺架構 11
2.2.1 基本架構 11
2.2.2 數據采集層 12
2.2.3 數據處理層 13
2.2.4 數據分析層 13
2.2.5 數據訪問層 13
2.2.6 數據應用層 13
2.2.7 數據管理層 13
2.2.8 開源框架 14
2.3 醫療大數據平臺的存儲技術 14
2.3.1 HDFS 14
2.3.2 NoSQL 數據庫 16
2.4 醫療大數據平臺計算模式 19
2.4.1 大數據批處理計算 19
2.4.2 大數據查詢分析計算 20
2.4.3 大數據流計算 20
2.4.4 大數據迭代計算 21
2.4.5 大數據圖計算 22
2.5 醫療大數據平臺其他組件 22
2.5.1 分布式資源管理器YARN 22
2.5.2 分布式協調服務ZooKeeper 22
2.5.3 分布式消息隊列Kafka 23
2.5.4 集群管理與監控Ambari 23
2.5.5 工作流調度器Oozie 23
2.5.6 數據轉換工具Sqoop 23
2.5.7 日志收集工具Flume 24
參考文獻 24
第 2 部分 數據基礎篇
第3 章 醫療大數據采集 28
3.1 醫療大數據采集的必要性與影響因素 28
3.1.1 醫療大數據采集的必要性 28
3.1.2 醫療大數據采集的影響因素 29
3.2 傳統數據采集技術及其局限性 29
3.2.1 傳感器技術 30
3.2.2 射頻識別技術 30
3.2.3 條碼技術 30
3.2.4 日志文件 31
3.2.5 移動互聯網技術 31
3.2.6 網絡爬蟲技術 31
3.2.7 檢索分類工具 32
3.2.8 傳統數據采集技術的局限性 32
3.3 面向醫療大數據的平臺化數據采集 33
3.3.1 平臺化技術 33
3.3.2 基于平臺化技術的醫療大數據采集 34
3.3.3 平臺化醫療大數據采集的流程 34
3.4 平臺化醫療大數據采集的關鍵技術 36
3.4.1 SOA 36
3.4.2 ESB 36
3.4.3 數據倉庫 37
3.4.4 前置機 37
3.4.5 數據接口方案 38
3.4.6 其他 38
參考文獻 38
第4 章 醫療大數據清洗 41
4.1 醫療大數據清洗的必要性 41
4.1.1 臟數據的產生原因 41
4.1.2 臟數據的存在形式 42
4.2 醫療大數據清洗的含義 45
4.2.1 數據清洗的概念 45
4.2.2 數據清洗的評價標準 45
4.3 醫療大數據清洗過程簡述 47
4.4 醫療大數據的清洗流程 47
參考文獻 49
第5 章 醫療大數據融合 50
5.1 醫療大數據融合的必要性 50
5.1.1 數據融合的概念 50
5.1.2 數據融合的類型 51
5.1.3 數據融合的優勢 52
5.1.4 醫療大數據融合的必要性 52
5.2 傳統數據融合技術及其局限性 53
5.2.1 統計學方法 53
5.2.2 信號處理與估計理論方法 54
5.2.3 人工智能方法 54
5.2.4 信息論方法 55
5.2.5 傳統數據融合技術的局限性 55
5.3 面向醫療大數據的數據融合 56
5.3.1 數據融合的原理 56
5.3.2 數據融合的一般步驟 56
5.4 醫療大數據融合的關鍵技術 58
5.4.1 數據預處理 58
5.4.2 不同類型數據的處理 59
5.4.3 OLAP 引擎 60
5.4.4 D-S 證據理論融合技術 61
5.4.5 基于深度學習的多源異構數據融合 61
5.5 醫療大數據融合的應用實踐 62
5.6 醫療大數據融合的支撐要素 63
參考文獻 63
第3 部分 數據挖掘篇
第6 章 醫療大數據挖掘概述 66
6.1 醫療大數據挖掘的相關概念與意義 66
6.1.1 醫療大數據挖掘的基礎知識 66
6.1.2 醫療大數據挖掘的意義 68
6.2 醫療大數據挖掘的原理與應用 69
6.2.1 醫療大數據挖掘的核心技術 69
6.2.2 醫療大數據挖掘的難點 71
6.2.3 醫療大數據挖掘的模型框架設計與流程 72
6.2.4 醫療大數據挖掘的應用 74
參考文獻 77
第7 章 醫療大數據挖掘工具與方法 78
7.1 醫療大數據挖掘工具 78
7.1.1 工具分類 78
7.1.2 開源工具 79
7.1.3 非開源工具 81
7.2 醫療大數據挖掘方法概述 82
7.2.1 關聯規則挖掘 82
7.2.2 分類挖掘分析 82
7.2.3 聚類分析 83
7.2.4 異常挖掘分析 83
7.2.5 流行病檢測和預報 84
7.3 基于傳統機器學習的醫療大數據挖掘方法 84
7.3.1 支持向量機 84
7.3.2 邏輯回歸 85
7.3.3 決策樹 85
7.3.4 貝葉斯網絡 85
7.3.5 人工神經網絡 86
7.4 基于深度學習的醫療大數據挖掘方法 86
7.4.1 深度學習模型 86
7.4.2 深度學習在醫療領域的應用 89
參考文獻 90
第4 部分 可視化篇
第8 章 醫療大數據可視化概述 92
8.1 醫療大數據可視化的概念與意義 92
8.1.1 相關概念 92
8.1.2 醫療大數據可視化的基礎 94
8.1.3 醫療大數據可視化的意義 95
8.2 醫療大數據可視化流程與設計 96
8.2.1 醫療大數據可視化的流程 96
8.2.2 醫療大數據可視化設計的基本原則 98
8.2.3 醫療大數據可視化設計框架 99
參考文獻 100
第9 章 醫療大數據可視化工具與方法 102
9.1 數據可視化的常用工具 102
9.1.1 初級可視化工具 102
9.1.2 信息圖表類可視化工具 103
9.1.3 地圖類可視化工具 104
9.1.4 編程類可視化工具 105
9.2 精準醫療數據可視化的工具 106
9.2.1 基因組的可視化工具 106
9.2.2 分子結構的可視化工具 110
9.3 醫療大數據可視化的常用方法 112
9.3.1 醫療數據可視化的常用統計圖 112
9.3.2 醫療文本數據的可視化方法 116
9.3.3 復雜醫療數據的可視化方法 120
參考文獻 123
第5 部分 應用篇
第 10 章 實例展示：醫療大數據可視化分析平臺 126
10.1 醫療大數據可視化分析平臺設計 126
10.1.1 平臺設計目標 126
10.1.2 平臺設計思路 126
10.1.3 平臺總體架構 127
10.2 醫療大數據可視化分析平臺的功能模塊 127
10.2.1 “數據概覽”模塊介紹 127
10.2.2 “我的研究”模塊介紹 131
10.2.3 “數據分析”模塊介紹 140
10.2.4 “智能搜索”模塊介紹 173
10.2.5 “病人360”模塊介紹 174
10.3 醫療大數據可視化分析平臺的管理模塊 179
10.3.1 數據源配置 179
10.3.2 輸入建議配置 182
10.3.3 資源權限配置 183
10.3.4 指標配置 184
10.3.5 用戶權限配置 185
10.3.6 日志瀏覽 186
10.3.7 修改密碼設置 186
10.4 醫療大數據可視化分析平臺安全措施 187
第 1 章 醫療大數據概述 2
1.1 大數據概述 2
1.1.1 大數據基礎知識 2
1.1.2 大數據關鍵技術 4
1.2 醫療大數據本質 5
1.2.1 醫療大數據產生的背景 5
1.2.2 醫療大數據來源與內容 6
1.2.3 醫療大數據的特征 7
參考文獻 8
第 2 章 醫療大數據平臺概述 9
2.1 醫療大數據平臺簡介 9
2.1.1 醫療大數據平臺的作用 9
2.1.2 大數據平臺處理數據的步驟 9
2.1.3 大數據平臺產品 10
2.2 醫療大數據平臺架構 11
2.2.1 基本架構 11
2.2.2 數據采集層 12
2.2.3 數據處理層 13
2.2.4 數據分析層 13
2.2.5 數據訪問層 13
2.2.6 數據應用層 13
2.2.7 數據管理層 13
2.2.8 開源框架 14
2.3 醫療大數據平臺的存儲技術 14
2.3.1 HDFS 14
2.3.2 NoSQL 數據庫 16
2.4 醫療大數據平臺計算模式 19
2.4.1 大數據批處理計算 19
2.4.2 大數據查詢分析計算 20
2.4.3 大數據流計算 20
2.4.4 大數據迭代計算 21
2.4.5 大數據圖計算 22
2.5 醫療大數據平臺其他組件 22
2.5.1 分布式資源管理器YARN 22
2.5.2 分布式協調服務ZooKeeper 22
2.5.3 分布式消息隊列Kafka 23
2.5.4 集群管理與監控Ambari 23
2.5.5 工作流調度器Oozie 23
2.5.6 數據轉換工具Sqoop 23
2.5.7 日志收集工具Flume 24
參考文獻 24
第 2 部分 數據基礎篇
第3 章 醫療大數據采集 28
3.1 醫療大數據采集的必要性與影響因素 28
3.1.1 醫療大數據采集的必要性 28
3.1.2 醫療大數據采集的影響因素 29
3.2 傳統數據采集技術及其局限性 29
3.2.1 傳感器技術 30
3.2.2 射頻識別技術 30
3.2.3 條碼技術 30
3.2.4 日志文件 31
3.2.5 移動互聯網技術 31
3.2.6 網絡爬蟲技術 31
3.2.7 檢索分類工具 32
3.2.8 傳統數據采集技術的局限性 32
3.3 面向醫療大數據的平臺化數據采集 33
3.3.1 平臺化技術 33
3.3.2 基于平臺化技術的醫療大數據采集 34
3.3.3 平臺化醫療大數據采集的流程 34
3.4 平臺化醫療大數據采集的關鍵技術 36
3.4.1 SOA 36
3.4.2 ESB 36
3.4.3 數據倉庫 37
3.4.4 前置機 37
3.4.5 數據接口方案 38
3.4.6 其他 38
參考文獻 38
第4 章 醫療大數據清洗 41
4.1 醫療大數據清洗的必要性 41
4.1.1 臟數據的產生原因 41
4.1.2 臟數據的存在形式 42
4.2 醫療大數據清洗的含義 45
4.2.1 數據清洗的概念 45
4.2.2 數據清洗的評價標準 45
4.3 醫療大數據清洗過程簡述 47
4.4 醫療大數據的清洗流程 47
參考文獻 49
第5 章 醫療大數據融合 50
5.1 醫療大數據融合的必要性 50
5.1.1 數據融合的概念 50
5.1.2 數據融合的類型 51
5.1.3 數據融合的優勢 52
5.1.4 醫療大數據融合的必要性 52
5.2 傳統數據融合技術及其局限性 53
5.2.1 統計學方法 53
5.2.2 信號處理與估計理論方法 54
5.2.3 人工智能方法 54
5.2.4 信息論方法 55
5.2.5 傳統數據融合技術的局限性 55
5.3 面向醫療大數據的數據融合 56
5.3.1 數據融合的原理 56
5.3.2 數據融合的一般步驟 56
5.4 醫療大數據融合的關鍵技術 58
5.4.1 數據預處理 58
5.4.2 不同類型數據的處理 59
5.4.3 OLAP 引擎 60
5.4.4 D-S 證據理論融合技術 61
5.4.5 基于深度學習的多源異構數據融合 61
5.5 醫療大數據融合的應用實踐 62
5.6 醫療大數據融合的支撐要素 63
參考文獻 63
第3 部分 數據挖掘篇
第6 章 醫療大數據挖掘概述 66
6.1 醫療大數據挖掘的相關概念與意義 66
6.1.1 醫療大數據挖掘的基礎知識 66
6.1.2 醫療大數據挖掘的意義 68
6.2 醫療大數據挖掘的原理與應用 69
6.2.1 醫療大數據挖掘的核心技術 69
6.2.2 醫療大數據挖掘的難點 71
6.2.3 醫療大數據挖掘的模型框架設計與流程 72
6.2.4 醫療大數據挖掘的應用 74
參考文獻 77
第7 章 醫療大數據挖掘工具與方法 78
7.1 醫療大數據挖掘工具 78
7.1.1 工具分類 78
7.1.2 開源工具 79
7.1.3 非開源工具 81
7.2 醫療大數據挖掘方法概述 82
7.2.1 關聯規則挖掘 82
7.2.2 分類挖掘分析 82
7.2.3 聚類分析 83
7.2.4 異常挖掘分析 83
7.2.5 流行病檢測和預報 84
7.3 基于傳統機器學習的醫療大數據挖掘方法 84
7.3.1 支持向量機 84
7.3.2 邏輯回歸 85
7.3.3 決策樹 85
7.3.4 貝葉斯網絡 85
7.3.5 人工神經網絡 86
7.4 基于深度學習的醫療大數據挖掘方法 86
7.4.1 深度學習模型 86
7.4.2 深度學習在醫療領域的應用 89
參考文獻 90
第4 部分 可視化篇
第8 章 醫療大數據可視化概述 92
8.1 醫療大數據可視化的概念與意義 92
8.1.1 相關概念 92
8.1.2 醫療大數據可視化的基礎 94
8.1.3 醫療大數據可視化的意義 95
8.2 醫療大數據可視化流程與設計 96
8.2.1 醫療大數據可視化的流程 96
8.2.2 醫療大數據可視化設計的基本原則 98
8.2.3 醫療大數據可視化設計框架 99
參考文獻 100
第9 章 醫療大數據可視化工具與方法 102
9.1 數據可視化的常用工具 102
9.1.1 初級可視化工具 102
9.1.2 信息圖表類可視化工具 103
9.1.3 地圖類可視化工具 104
9.1.4 編程類可視化工具 105
9.2 精準醫療數據可視化的工具 106
9.2.1 基因組的可視化工具 106
9.2.2 分子結構的可視化工具 110
9.3 醫療大數據可視化的常用方法 112
9.3.1 醫療數據可視化的常用統計圖 112
9.3.2 醫療文本數據的可視化方法 116
9.3.3 復雜醫療數據的可視化方法 120
參考文獻 123
第5 部分 應用篇
第 10 章 實例展示：醫療大數據可視化分析平臺 126
10.1 醫療大數據可視化分析平臺設計 126
10.1.1 平臺設計目標 126
10.1.2 平臺設計思路 126
10.1.3 平臺總體架構 127
10.2 醫療大數據可視化分析平臺的功能模塊 127
10.2.1 “數據概覽”模塊介紹 127
10.2.2 “我的研究”模塊介紹 131
10.2.3 “數據分析”模塊介紹 140
10.2.4 “智能搜索”模塊介紹 173
10.2.5 “病人360”模塊介紹 174
10.3 醫療大數據可視化分析平臺的管理模塊 179
10.3.1 數據源配置 179
10.3.2 輸入建議配置 182
10.3.3 資源權限配置 183
10.3.4 指標配置 184
10.3.5 用戶權限配置 185
10.3.6 日志瀏覽 186
10.3.7 修改密碼設置 186
10.4 醫療大數據可視化分析平臺安全措施 187
展開全部
醫療大數據挖掘與可視化 作者簡介
趙杰，博士、二級教授、博士生導師，享受國務院政府特殊津貼，全國五一勞動獎章獲得者，國家衛生計生突出貢獻中青年專家，國內醫療信息化、遠程醫療與臨床藥學的學科帶頭人，中國衛生信息與健康醫療大數據學會遠程醫療信息化專業委員會主任委員，中華醫學會臨床藥學分會主任委員，中國衛生健康信息與健康醫療大數據學會互聯網 遠程醫療聯盟常務副理事長。 何賢英，高級統計師，長期研究領域醫療大數據分析與應用，主持科研項目4項，獲河南省科技進步一等獎1項、二等獎1項，河南省科技成果獎一等獎1項，河南醫學科技獎一等獎1項，發表學術論文36篇，出版專著6部，獲批軟件著作權15項。
書友推薦
- >
唐代進士錄
- >
姑媽的寶刀
- >
李白與唐代文化
- >
巴金－再思錄
- >
山海經
- >
煙與鏡
- >
有舍有得是人生
- >
我從未如此眷戀人間
本類暢銷
