健康医疗大数据建模方法与应用

附录三 中英文名词对照表

附录二 R软件和Python软件简介

附录一 练习题答案

附录

练习题

本章小结

第三节 Hub基因挖掘方法与应用

第二节 生物信息大数据建模

第一节 生物信息大数据概述

第十四章 生物信息大数据建模方法与应用

练习题

本章小结

第四节 因果通路识别和因果网络构建

第三节 控制选择性偏倚的因果推断方法

第二节 控制混杂偏倚的因果推断方法

第一节 健康医疗大数据因果推断概述

第十三章 健康医疗大数据背景下的因果推断

练习题

本章小结

第六节 时空网络分析

第五节 时空回归分析

第四节 时空扫描分析

第三节 时空热点分析

第二节 时空相关分析

第一节 时空建模方法概述

第十二章 健康医疗大数据的时空建模方法

练习题

本章小结

第四节 深度循环网络模型

第三节 支持向量机

第二节 病例交叉设计和广义可加模型

第一节 健康医疗大数据时间序列的分析方法概述

第十一章 健康医疗时间序列大数据的建模方法

练习题

本章小结

第四节 深度生成模型

第三节 自编码器

第二节 卷积神经网络

第一节 健康医疗中的深度学习概述

第十章 健康医疗大数据深度学习方法

练习题

本章小结

第四节 人工神经网络回归

第三节 高斯过程回归

第二节 支持向量回归

第一节 广义线性回归

第九章 回归预测常用的数据挖掘方法

练习题

本章小结

第四节 高斯过程

第三节 随机森林

第二节 决策树

第一节 支持向量机

第八章 分类诊断常用的数据挖掘方法

练习题

本章小结

第三节 复杂网络

第二节 推荐系统

第一节 关联规则

第七章 健康医疗大数据的关联分析

练习题

本章小结

第三节 健康医疗知识图谱

第二节 互联网健康医疗大数据爬取

第一节 互联网健康医疗大数据应用

第六章 互联网健康医疗大数据的获取

练习题

本章小结

第三节 弹性网

第二节 随机森林

第一节 LASSO

第五章 健康医疗高维大数据常用降维方法

练习题

本章小结

第四节 医学语音处理技术

第三节 医学语音数据概述

第二节 医学文本挖掘技术

第一节 医学文本数据及文本挖掘概述

第四章 医学文本与语音大数据的处理方法

练习题

本章小结

第四节 医学图像纹理特征的提取方法

第三节 医学图像特征指标

第二节 医学图像感兴趣区域的分割

第一节 医学图像概述

第三章 医学图像大数据的结构化处理方法

练习题

本章小结

第四节 大数据的安全与隐私保护技术

第三节 大数据预处理技术

第二节 Hadoop生态系统

第一节 概述

第二章 大数据存储与管理技术

练习题

本章小结

第四节 健康医疗大数据建模方法与应用概述

第三节 健康医疗大数据的现状与挑战

第二节 健康医疗大数据的分类与应用

第一节 健康医疗大数据的概念与属性

第一章 绪论

前言

序言

内容提要

版权信息

封面

封面

版权信息

内容提要

序言

前言

第一章 绪论

第一节 健康医疗大数据的概念与属性

第二节 健康医疗大数据的分类与应用

第三节 健康医疗大数据的现状与挑战

第四节 健康医疗大数据建模方法与应用概述

本章小结

练习题

第二章 大数据存储与管理技术

第一节 概述

第二节 Hadoop生态系统

第三节 大数据预处理技术

第四节 大数据的安全与隐私保护技术

本章小结

练习题

第三章 医学图像大数据的结构化处理方法

第一节 医学图像概述

第二节 医学图像感兴趣区域的分割

第三节 医学图像特征指标

第四节 医学图像纹理特征的提取方法

本章小结

练习题

第四章 医学文本与语音大数据的处理方法

第一节 医学文本数据及文本挖掘概述

第二节 医学文本挖掘技术

第三节 医学语音数据概述

第四节 医学语音处理技术

本章小结

练习题

第五章 健康医疗高维大数据常用降维方法

第一节 LASSO

第二节 随机森林

第三节 弹性网

本章小结

练习题

第六章 互联网健康医疗大数据的获取

第一节 互联网健康医疗大数据应用

第二节 互联网健康医疗大数据爬取

第三节 健康医疗知识图谱

本章小结

练习题

第七章 健康医疗大数据的关联分析

第一节 关联规则

第二节 推荐系统

第三节 复杂网络

本章小结

练习题

第八章 分类诊断常用的数据挖掘方法

第一节 支持向量机

第二节 决策树

第三节 随机森林

第四节 高斯过程

本章小结

练习题

第九章 回归预测常用的数据挖掘方法

第一节 广义线性回归

第二节 支持向量回归

第三节 高斯过程回归

第四节 人工神经网络回归

本章小结

练习题

第十章 健康医疗大数据深度学习方法

第一节 健康医疗中的深度学习概述

第二节 卷积神经网络

第三节 自编码器

第四节 深度生成模型

本章小结

练习题

第十一章 健康医疗时间序列大数据的建模方法

第一节 健康医疗大数据时间序列的分析方法概述

第二节 病例交叉设计和广义可加模型

第三节 支持向量机

第四节 深度循环网络模型

本章小结

练习题

第十二章 健康医疗大数据的时空建模方法

第一节 时空建模方法概述

第二节 时空相关分析

第三节 时空热点分析

第四节 时空扫描分析

第五节 时空回归分析

第六节 时空网络分析

本章小结

练习题

第十三章 健康医疗大数据背景下的因果推断

第一节 健康医疗大数据因果推断概述

第二节 控制混杂偏倚的因果推断方法

第三节 控制选择性偏倚的因果推断方法

第四节 因果通路识别和因果网络构建

本章小结

练习题

第十四章 生物信息大数据建模方法与应用

第一节 生物信息大数据概述

第二节 生物信息大数据建模

第三节 Hub基因挖掘方法与应用

本章小结

练习题

附录

附录一 练习题答案

附录二 R软件和Python软件简介

附录三 中英文名词对照表