健康医疗大数据建模方法与应用

　　本书针对健康医疗领域大数据，从实际应用角度出发，深入浅出地介绍多种大数据建模方法，和基于R语言、Python语言等软件实现，共14章：绪论、大数据的存储与管理技术、医学图像大数据的结构化处理方法、医学文本与语音大数据的处理方法、健康医疗高维大数据的常用降维方法、互联网健康医疗大数据的获取、健康医疗大数据的关联分析、分类诊断常用的数据挖掘方法、回归预测常用的数据挖掘方法、健康医疗大数据深度学习方法、健康医疗时间序列大数据的建模方法、健康医疗大数据的时空建模方法、健康医疗大数据背景下的因果推断、生物信息大数据建模方法与应用。此外，附录部分增加了大数据分析软件简介等内容，书中例题的数据库、练习题答案等内容，以二维码形式展示。

　　中国工业统计教学研究会医疗健康大数据学会会长、中国现场统计生物统计学会副理事长，目前主持在研项目：国家科技部“十三五”课题、国家自然科学基金重点项目、面上项目、北京市科委重大项目等7项；以第一或责任作者发表科研论文350多篇，在国内外10多种杂志担任编委或审稿人

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