大數(shù)據(jù)背景下醫(yī)療智能診斷數(shù)據(jù)分析與入院風(fēng)險(xiǎn)預(yù)測(cè)
定 價(jià):34 元
叢書名:財(cái)智睿讀
- 作者:楊成偉 著
- 出版時(shí)間:2020/8/1
- ISBN:9787514127294
- 出 版 社:經(jīng)濟(jì)科學(xué)出版社
- 中圖法分類:R199.2-39
- 頁(yè)碼:129
- 紙張:膠版紙
- 版次:1
- 開本:16開
《大數(shù)據(jù)背景下醫(yī)療智能診斷數(shù)據(jù)分析與入院風(fēng)險(xiǎn)預(yù)測(cè)》探討了統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘方法在疾病輔助診斷中的應(yīng)用,通過實(shí)地調(diào)研獲得了某醫(yī)院心臟病超聲心動(dòng)圖報(bào)告和500多份樣本數(shù)據(jù)。首先,運(yùn)用數(shù)據(jù)分析和挖掘的有關(guān)方法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理、數(shù)據(jù)篩選等操作;其次,選取了機(jī)器學(xué)習(xí)中的樸素貝葉斯、決策樹、BP神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林等方法進(jìn)行模型學(xué)習(xí)并對(duì)模型參數(shù)進(jìn)行調(diào)優(yōu);最后,分析了實(shí)驗(yàn)的結(jié)果,對(duì)各個(gè)模型的性能進(jìn)行比較,《大數(shù)據(jù)背景下醫(yī)療智能診斷數(shù)據(jù)分析與入院風(fēng)險(xiǎn)預(yù)測(cè)》在特征選取時(shí)進(jìn)行統(tǒng)計(jì)學(xué)檢驗(yàn)分析,利用機(jī)器學(xué)習(xí)技術(shù)進(jìn)行智能輔助診斷預(yù)測(cè)分析,提出了針對(duì)心臟病患者病情嚴(yán)重程度分級(jí)策略和入院治療風(fēng)險(xiǎn)的預(yù)測(cè)方法。
隨著生活質(zhì)量的提升和人口老齡化的加劇,各種疾病威脅著人類的健康,而現(xiàn)有的醫(yī)療資源和醫(yī)療水平還十分有限,且地區(qū)差異巨大,醫(yī)生的時(shí)間與精力也不能滿足眾多病人個(gè)性化的醫(yī)療需要。因此,輔助診斷技術(shù)開始逐漸被應(yīng)用到各種醫(yī)療診斷中,但是如何從大量醫(yī)療數(shù)據(jù)中挖掘各類病癥之間的聯(lián)系,為患者提供更好的輔助診斷服務(wù),仍需要深入研究和探索。
本書探討了統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘方法在疾病輔助診斷中的應(yīng)用,通過實(shí)地調(diào)研獲得了某醫(yī)院心臟病超聲心動(dòng)圖報(bào)告和500多份樣本數(shù)據(jù)。首先,運(yùn)用數(shù)據(jù)分析和挖掘的有關(guān)方法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理、數(shù)據(jù)篩選等操作;其次,選取了機(jī)器學(xué)習(xí)中的樸素貝葉斯、決策樹、BP神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林等方法進(jìn)行模型學(xué)習(xí)并對(duì)模型參數(shù)進(jìn)行調(diào)優(yōu);最后,分析了實(shí)驗(yàn)的結(jié)果,對(duì)各個(gè)模型的性能進(jìn)行比較,本書在特征選取時(shí)進(jìn)行統(tǒng)計(jì)學(xué)檢驗(yàn)分析,利用機(jī)器學(xué)習(xí)技術(shù)進(jìn)行智能輔助診斷預(yù)測(cè)分析,提出了針對(duì)心臟病患者病情嚴(yán)重程度分級(jí)策略和入院治療風(fēng)險(xiǎn)的預(yù)測(cè)方法。
本書創(chuàng)新之處:第一,從實(shí)地調(diào)研中采集了真實(shí)病人的數(shù)據(jù),并與醫(yī)生積極溝通,獲得了心臟病患者病情嚴(yán)重程度主要指標(biāo)及手術(shù)風(fēng)險(xiǎn)的評(píng)判標(biāo)準(zhǔn);第二,根據(jù)醫(yī)生經(jīng)驗(yàn)和特征構(gòu)建方法對(duì)實(shí)驗(yàn)數(shù)據(jù)的特征進(jìn)行降維處理,極大地降低了變量特征的維度,提高了實(shí)驗(yàn)結(jié)果的準(zhǔn)確性;第三,應(yīng)用數(shù)據(jù)科學(xué)的研究方法,在診斷分類和入院風(fēng)險(xiǎn)預(yù)測(cè)中將機(jī)器學(xué)習(xí)與統(tǒng)計(jì)分析兩種數(shù)據(jù)挖掘方法結(jié)合使用,提升了預(yù)測(cè)的準(zhǔn)確率。
本書共分7章,各章組織如下:第1章介紹醫(yī)療數(shù)據(jù)挖掘與智能輔助診斷系統(tǒng)概述;第2章介紹醫(yī)療數(shù)據(jù)挖掘方法及關(guān)鍵技術(shù);第3章介紹基于統(tǒng)計(jì)方法的醫(yī)療數(shù)據(jù)分析與挖掘;第4章介紹基于BP神經(jīng)網(wǎng)絡(luò)模型的醫(yī)療分類預(yù)測(cè);第5章介紹基于隨機(jī)森林模型的入院風(fēng)險(xiǎn)預(yù)測(cè);第6章介紹心臟病輔助診斷原型系統(tǒng)實(shí)現(xiàn);第7章是對(duì)本書的總結(jié)與展望。
楊成偉,男,出生于1981年11月,就職于管理科學(xué)與工程學(xué)院,任教師,學(xué)歷博士,主講文化產(chǎn)業(yè)項(xiàng)目設(shè)計(jì)與指導(dǎo)。
第1章 醫(yī)療數(shù)據(jù)挖掘與智能輔助診斷系統(tǒng)概述
1.1 研究背景及意義
1.2 研究目的及方法
1.3 國(guó)內(nèi)外研究現(xiàn)狀
1.4 本書的主要?jiǎng)?chuàng)新之處
1.5 本書組織結(jié)構(gòu)
1.6 本章小結(jié)
第2章 醫(yī)療數(shù)據(jù)挖掘方法與關(guān)鍵技術(shù)
2.1 醫(yī)療數(shù)據(jù)的基本特征
2.2 數(shù)據(jù)預(yù)處理方法
2.3 醫(yī)療數(shù)據(jù)挖掘的基本流程
2.4 醫(yī)療數(shù)據(jù)挖掘的關(guān)鍵技術(shù)
2.5 本章小結(jié)
第3章 基于統(tǒng)計(jì)方法的醫(yī)療數(shù)據(jù)分析與挖掘
3.1 基于統(tǒng)計(jì)分析的模型及方法
3.2 醫(yī)療數(shù)據(jù)挖掘的主要軟件和工具
3.3 基于心臟病數(shù)據(jù)的醫(yī)療統(tǒng)計(jì)分析與挖掘
3.4 本章小結(jié)
第4章 基于BP神經(jīng)網(wǎng)絡(luò)模型的醫(yī)療分類預(yù)測(cè)
4.1 神經(jīng)網(wǎng)絡(luò)
4.2 心臟病分類預(yù)測(cè)實(shí)驗(yàn)過程
4.3 本章小結(jié)
第5章 基于隨機(jī)森林模型的人院風(fēng)險(xiǎn)預(yù)測(cè)
5.1 隨機(jī)森林
5.2 入院風(fēng)險(xiǎn)預(yù)測(cè)實(shí)驗(yàn)過程
5.3 模型學(xué)習(xí)及參數(shù)調(diào)優(yōu)
5.4 模型評(píng)估
5.5 實(shí)驗(yàn)總結(jié)
5.6 本章小結(jié)
第6章 心臟病輔助診斷原型系統(tǒng)實(shí)現(xiàn)
6.1 背景及功能
6.2 開發(fā)環(huán)境
6.3 系統(tǒng)分析與設(shè)計(jì)
6.4 系統(tǒng)實(shí)現(xiàn)
6.5 系統(tǒng)問卷評(píng)估
6.6 本章小結(jié)
第7章 總結(jié)與展望
7.1 本書總結(jié)
7.2 不足與展望
附錄
附錄1 調(diào)查問卷
附錄2 對(duì)用戶輸入分詞預(yù)處理代碼
參考文獻(xiàn)