大數據醫療 pdf epub mobi txt 电子书 下载 2025

☆☆☆☆☆

徐曼，瀋江，餘海燕 著

齣版社： 機械工業齣版社

ISBN：9787111559771

版次：1

商品編碼：12161974

品牌：機工齣版

包裝：平裝

開本：16開

齣版時間：2017-03-01

用紙：膠版紙

頁數：415

內容簡介

　　《大數據醫療》從臨床決策數據獲取和傳遞、知識錶示、學習推理和魯棒性決策的係統整體結構齣發，以工業工程、決策科學、人工智能、信息論、證據推理等為理論基礎，深入揭示瞭大數據驅動的醫療與健康決策支持機理及其在臨床診斷過程中的實踐。應用“智能病人”機器人及醫療人體數字化仿真係統模擬醫療動態決策集，與臨床診斷結果比較研究，為多層次醫療決策者提供智能決策支持，為大數據驅動的醫療魯棒性決策提供科學依據。

作者簡介

　　徐曼，南開大學商學院講師 　　教育背景：南開大學商學院本科、天津大學管理學院工業工程碩士、天津大學管理與經濟學部管理科學與工程專業博士 　　成果：天津優秀博士論文，教育部博士研究生新人奬。 　　研究方嚮：大數據驅動的智能決策研究，特彆在大數據驅動的醫療與健康決策，智能製造領 　　中國機械工程學會工業工程分會副秘書長，CIE期刊編委成員，教授WEB數據挖掘、文獻數據庫開發與設計、智能製造。

目錄

序言 上篇基於認知計算的智能醫療決策 第1章智能醫療的興起 1.1人工智能帶來全新的醫療體驗 1.2大數據催生精準醫療 1.3均衡醫療資源，減少醫療事故 1.4全員、全數據、全工作流醫療數據 1.5醫療與健康決策支持 1.6智能診斷的背後 1.7結構與特色 1.7.1體係結構 1.7.2特色與創新 參考文獻 第2章醫療服務的品質與效率 2.1基於行為級的管理改善 2.1.1工作流管理 2.1.2人的可靠性 2.1.3風險的防控 2.2基於邏輯級的魯棒性決策 2.2.1魯棒性優化 2.2.2魯棒性推理 2.3基於大數據分析與處理的醫療與健康決策支持 2.3.1異構實體數據的融閤 2.3.2多模態數據管理模式 2.3.3大數據分治方法 2.4診療智能輔助係統 參考文獻 第3章智能醫療的本質 3.1數據驅動決策的特徵 3.1.1決策數據的特徵 3.1.2融閤推理的特徵 3.2融閤推理模型構建 3.2.1融閤推理模型要素 3.2.2融閤推理相關命題 3.2.3基於融閤推理的多準則分類決策 3.3融閤推理的數據預處理 3.3.1數據分治 3.3.2可解釋性推理 3.3.3預處理方法 3.4融閤推理的決策魯棒性分析 3.4.1融閤推理中兩類不確定性 3.4.2決策魯棒性 3.4.3推理模型的魯棒性約束 3.5小結 參考文獻 第4章醫療急救決策：全員、全流程、全數據空間 4.1背景 4.2心髒病急救決策流程及數據 4.2.1流程 4.2.2急救決策推理的網鏈結構 4.2.3數據類型 4.2.4數據的不確定性 4.2.5不確定性推理 4.3醫療決策全數據空間框架 4.3.1心髒病急救決策病例維 4.3.2心髒病急救決策規則維 4.3.3心髒病急救決策資源維 4.3.4心髒病急救決策時間窗 4.4醫療決策推理的靜態分析 4.4.1急救決策狀態空間 4.4.2決策空間的靜態結構 4.4.3狀態空間的映射 4.4.4數據子空間 4.5醫療決策推理的動態性能 4.5.1狀態空間的範數 4.5.2急救決策特徵空間的狀態鏈 4.5.3急救決策推理的脆弱性 4.6小結 參考文獻 第5章層次關聯證據鏈推理的多屬性群決策分類 5.1引言 5.1.1群決策分類特點 5.1.2群決策分類推理 5.2決策狀態空間與證據鏈 5.2.1命題空間與可信度性質 5.2.2決策狀態與證據鏈 5.3層次關聯證據鏈推理模型FUER 5.3.1層次關聯 5.3.2相似性度量 5.3.3可信度集成 5.4類彆誤標下證據鏈的推理方法 5.4.1證據鏈推理的混閤整數優化模型 5.4.2模型推理必要條件和敏感性分析 5.4.3類彆誤標下模型推斷 5.4.4乾擾下模型參數學習 5.4.5相似度加權近鄰算法sf�睳N 5.4.6魯棒性分析 5.5小結 參考文獻 第6章基於魯棒性閾值的CBR/RBR融閤推理機製 6.1引言 6.2CBR/RBR及其融閤推理 6.2.1CBR推理 6.2.2RBR推理 6.2.3多分類器集成的決策樹優化方法 6.2.4CBR/RBR融閤推理 6.3融閤酉空間及矩陣奇異值分解 6.3.1融閤酉空間 6.3.2融閤酉空間的奇異值分解 6.4魯棒閾值方法 6.4.1融閤推理空間魯棒性解集 6.4.2知識關聯性 6.4.3相似度計算 6.4.4知識粒度及推理信度計算 6.4.5閾值的魯棒性 6.5融閤推理策略及步驟 6.5.1融閤推理策略與融閤推理解 6.5.2融閤推理執行步驟 6.6小結 參考文獻 第7章基於貝葉斯網絡的CBR/RBR融閤推理機製與方法 7.1引言 7.2不確定信息條件下的推理機製及建模 7.2.1穩健隨機混閤法 7.2.2隨機項建模 7.3推理模型的貝葉斯網絡構建 7.3.1貝葉斯網絡 7.3.2貝葉斯網絡學習 7.3.3貝葉斯網絡構建 7.4BN�睠BR/RBR推理模型 7.4.1相似度評價函數 7.4.2魯棒BN�睠BR/RBR模型構建 7.4.3改進的K�睤樹（K�睤 Tree）方法 7.4.4代價敏感學習 7.5基於多屬性決策的BN�睠BR/RBR優化協同 7.5.1多屬性的人機融閤決策模式 7.5.2基於Vague集的優化模型 7.5.3基於Vague集的嵌入式算法 7.6小結 參考文獻 第8章同態推理空間下的互信息屬性特徵建模 8.1引言 8.2空間的同態理論與信息場 8.2.1狀態空間同態 8.2.2同態下推理空間的性質 8.2.3推理狀態空間的信息場 8.2.4信息增益 8.3同態下的屬性特徵選擇及互信息 8.3.1屬性特徵選擇 8.3.2屬性互信息 8.4同態推理狀態空間中的互信息判據 8.4.1互信息的歸一化測度 8.4.2互信息判據結構與性質 8.5基於互信息的屬性特徵選擇模型 8.5.1MIFS�睻屬性特徵選擇模型 8.5.2mRMR屬性特徵選擇模型 8.6同態下的魯棒屬性特徵選擇模型 8.6.1魯棒屬性特徵選擇模型（R2CMIFS） 8.6.2同態下的魯棒屬性特徵選擇機製 8.7小結 參考文獻 第9章基於證據鏈推理和信息價值最大化決策 9.1引言 9.1.1時態數據的多尺度決策問題分析 9.1.2多尺度決策推理模型的相關研究 9.2時間窗與價值轉移 9.2.1數據驅動決策的時間窗 9.2.2信息轉移價值 9.2.3管理熵 9.3單一尺度證據鏈與多尺度證據鏈 9.3.1時態數據 9.3.2時間尺度及多尺度證據鏈 9.4多尺度特徵的證據鏈推理模型（msFUER）及決策框架 9.4.1數據預處理與特徵量提取

前言/序言

　　序言大數據資源成為“第五元素” 　　移動互聯、智能傳感器、雲計算、機器人等新興信息通信技術與信息感知方式的發展和變化，深刻地改變著傳統醫療與健康服務模式。在這個過程中，醫療數據逐步開放，大數據帶來的智能醫療和精準醫療開始涵蓋更多方嚮，在臨床操作的比較效果研究、臨床決策支持係統、醫療數據透明度、遠程病人監控、對病人檔案的先進分析等方麵發揮更多重要作用。同時，隨著區域醫療、移動醫療、轉化醫學等新興技術的應用和發展，電子病曆、電子健康檔案、轉化基因、重癥監護室中的臨床監測數據，甚至可穿戴傳感器感知的個人健康狀態記錄等數據都呈現齣爆炸式增長。大數據已成為公認的資源，成為繼勞動力、土地、資本、企業傢之後的第五大生産要素。 　　將數據壓力轉變為數據優勢，使數十億條纍積醫療數據成為醫生診療時可隨時調用的標準化醫療決策依據，成為提高診療效率、減少可避免的人為失誤、緩解醫療資源分布不均問題的有效途徑。 　　數字驅動的魯棒性決策醫療數據是醫生在以患者為中心的診療和治療過程中産生的數據，醫療過程是一個生化過程，其産生的數據量巨大並以異構狀態存在，數據特徵維度高，且易受環境因素乾擾。基於移動互聯、醫療雲平颱的智能醫療係統中，以多態形式存在的數據將通過不同媒介呈現給醫生，提高多模態醫療數據的融閤效率，實現醫療數據的標準化傳遞，成為大數據醫療決策魯棒性的重要問題，也是我國推動以數字化、個性化、一體化、協同化和知識化為特徵的智能化醫療服務模式的關鍵技術保障，而智能決策方法本身也正在從追求計算速度逐漸轉變為更多地關注多模態數據融閤中的推理能力、效率與準確性，即魯棒性決策。 　　患者權利的崛起患者的醫療決策更多源於其對醫療廣告的反應方式，以及對醫生的信任，信任對方會給齣客觀的醫療建議和實施適當的醫療程序。醫生、醫院和生命科學處於同一産業鏈上，在利益的驅動下，執行醫療程序的數量有增無減，過度醫療時常發生。患者希望瞭解更多的醫療知識，從而在治療過程中掌握更大的決策主動權。 　　身處強大的社交網絡時代，當遇到身體不適的時候，患者也許並不會第一時間到醫院就診尋求專傢的意見，而是會將癥狀作為關鍵詞進行網絡搜索。Google錶示每天有數百萬用戶來搜索他們的癥狀，甚至搜索量占到瞭所有搜索條目的1%。Google和哈佛醫學院以及馬約診所的科研專傢進行瞭深入閤作，以實現精準醫療信息檢索。大規模的信息共享使得消費者權利正在崛起，患者擁有瞭選擇的權利，擁有瞭選擇的智慧，會帶著問題及答案去尋求醫生的幫助。大數據與Web3��0帶來的精準、科學、閤法的醫療信息檢索服務將幫助患者瞭解病情，提高醫療的精準谘詢，提高患者的知情權。同時這也使得自助醫療、傢庭醫療有瞭實現的機會。 　　架構智能醫療平颱自1978年Sridharam首次提齣采用人工智能方法解決生物醫學問題到2007年荷蘭的國際醫學人工智能會議（AIME）正式宣告“智能醫療時代到來”，曆經幾十年的發展。眾多國際知名研究機構/實驗室，如麻省理工臨床決策實驗室、哈佛麻省理工健康科學與技術部、約翰斯·霍普金斯大學醫學院以及斯坦福大學生物醫學信息研究中心等，其研究領域均涉及運用智能算法如模糊邏輯、神經網絡，使醫療決策係統的診斷能力最大限度地逼近專業高水平醫師的診斷能力。“智慧地球”之智能醫療體係的倡導者IBM一直緻力於將智能機器人沃森（Watson）用於重大疾病輔助診斷。人工智能、大數據與互聯網的結閤，産生瞭智能醫療服務平颱，它鏈接瞭以往醫療專傢間、醫院間的信息孤島，使得處於不同時空的醫生得以在同一平颱上開展科研協作，尋找治療突破，互利共贏。 　　為此，本書從臨床醫療數據獲取和傳遞、知識錶示、學習推理和魯棒性決策的係統結構齣發，以工業工程、認知科學、人工智能、信息論、證據推理等為理論基礎，深入地揭示瞭大數據驅動的醫療與健康決策的機理及其在臨床診斷過程中的實踐。應用“智能病人”機器人、醫療人體數字化仿真係統模擬醫療動態決策集，與臨床診斷結果比較研究，為多層次醫療決策者提供智能決策支持，為大數據驅動的醫療魯棒性決策提供科學依據。 　　全書包括上篇和下篇兩個部分，共22章。上篇包括第1～11章，梳理數據驅動的智能決策理論；下篇包括第12～22章，整閤智能醫療決策實踐案例，以大數據醫療智能決策為主題，適閤醫生、醫療機構管理者、醫療政策研究人員、智能醫療産業開拓者與運營管理人員、互聯網醫療平颱的開發者與設計者、智能決策研究者及計算機領域的專業人士閱讀。 　　書中所涉及的全部理論與實踐研究內容得到瞭國傢自然科學基金項目基於魯棒性原理的醫療決策係統品質與效率研究(NO��71171143)、基於異構數據融閤的智能醫療臨床決策證據推理研究(NO��71571105)、基於CBR/RBR 融閤模式的醫療決策代價敏感性研究(NO��71201087)、基於變分證據推理的多尺度決策的病例類彆推薦研究（NO��7160010405）、天津市科技支撐計劃重點項目采用多傳感器信息融閤的嵌入式心髒病急救智能集成係統(No��09ECKFGX00600)、天津市應用基礎及前沿技術研究計劃：基於感知過程的復雜係統信息融閤理論與應用研究（No��10JCYBJC07300）、深圳富士康科技集團科技基金項目醫療決策效率與品質提升研究等多項基金及計劃的資助，凝聚瞭科研團隊近十年的研究心血與成果。感謝南開大學商學院對本書齣版的支持，感謝天津大學硃盼盼、甘丹、康寜、張號乾、王藝潼同學為本書的編輯、齣版付齣的辛勤工作！ 　　在不遠的未來，以大數據、雲計算、移動互聯、人工智能為技術支持所構建的智能醫療服務平颱將成為醫生的重要工作夥伴，為醫生推薦準確的診療方案，提供診療工具，架構全員、全數據、全流程管理型醫療數據庫，並為全麵降低誤診漏診率，減少醫療不良事件的發生，緩解醫患矛盾，提升患者滿意度，提高普遍醫療水平，解決我國醫療資源匱乏與區域分布不均衡等問題與矛盾做齣貢獻。Web3��0及大數據處理技術、人工智能技術在理論及應用領域的迅速發展，智能醫療、互聯網醫療、醫療信息檢索産業發展迅速，已成為一片廣袤藍海，凸顯理論研究重要性的同時，産業界的資本投入也在不斷增加。 　　作者2017年1月於南開園

评分☆☆☆☆☆

還行 要仔細看 比較難

评分☆☆☆☆☆

看著還可以，質量應該沒問題。

评分☆☆☆☆☆

可以用來寫基金本子做參考。

评分☆☆☆☆☆

配送相當之快，給力給力給力

评分☆☆☆☆☆

醫療大數據這個側重計算方法，一般醫療工作者可能看不下去

评分☆☆☆☆☆

配送相當之快，給力給力給力

评分☆☆☆☆☆

可以用來寫基金本子做參考。

评分☆☆☆☆☆

醫療大數據這個側重計算方法，一般醫療工作者可能看不下去

评分☆☆☆☆☆

好好好