幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

實用健康醫療數據科學精要(精)

  • 作者：弓凱|責編:孫宇
  • 出版社：清華大學
  • ISBN：9787302647676
  • 出版日期：2023/12/01
  • 裝幀：精裝
  • 頁數：454
人民幣：RMB 298 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書分為道、術兩篇。道篇講述了數據科學與醫療全領域交互融合的底層邏輯，以及數據科學在醫療科、教、醫、研、管五個方面的角色和作用，建立適用於醫療人工智慧開發的ML－PICOS原則，並從建設角度，闡述了醫療大數據理、采、存、管、用的全過程。術篇普及了數據科學用於回歸、分類、聚類、關聯分析的基礎演算法，以及他們在醫療領域應用的場景和邏輯。本書可幫助讀者建立數據科學在醫療領域應用的體系化認知。讀者對象包括醫療全領域相關工作者以及想要涉足醫療領域的數據科學相關人士。
作者介紹
弓凱|責編:孫宇
    弓凱，北京大學醫學部臨床醫學系本碩博八年制連讀博士，神經外科副主任醫師，廈門市C類高層次人才，廈門大學附屬第一醫院電腦中心副主任，廈門大學附屬第一醫院醫療大數據中心創科人、負責人，廈門市第三醫院（廈門大學附屬第一醫院同安院區）信息辦總院派駐主任。現任中國數字醫療聯盟東南中心秘書長，Health Care Science雜誌青年編委，廈門市醫學會醫學信息分會常務理事、中國醫藥教育協會數字醫療專業委員會委員、中國研究型醫院協會互聯網醫院分會理事、中國衛生信息與健康醫療大數據學會專業委員會青年委員、廈門市衛健委規劃與項目管理專家庫成員等職務。
目錄
第1章  醫學發展與數據科學
  1.1  醫學認知的物質化、科學化和數據化
    1.1.1  從神靈主義走出的醫學
    1.1.2  醫學認知的物質化
    1.1.3  醫學認知的科學化
    1.1.4  醫學認知的數據化
  1.2  數據化或是傳統醫學現代化的必經之路
    1.2.1  現代醫學與傳統醫學的分歧
    1.2.2  數據科學助力傳統醫學融入現代
  1.3  以實踐和數據說話的循證醫學發展歷程
    1.3.1  理解循證醫學
    1.3.2  循證醫學證據體系建立的五個階段
  1.4  基於PICOS原則把臨床語言轉變為數據語言
  1.5  數據科學在循證醫學證據體系以外的應用
第2章  走進數據科學時代
  2.1  大數據的由來、定義和特徵
    2.1.1  大數據的由來和定義
    2.1.2  大數據的nV特徵
    2.1.3  走出數據以「大」論英雄的誤區
  2.2  大數據發展的數據工程問題
    2.2.1  硬體工程問題
    2.2.2  軟體技術問題
  2.3  大數據發展的數據科學問題
    2.3.1  統計學的由來與發展
    2.3.2  智能的內涵：知有所合謂之智，能有所合謂之能
    2.3.3  人工智慧的起落與輝煌
    2.3.4  發展人工智慧應堅守的造物觀：重己役物，致用利人
  2.4  大數據驅動的數據科學生態變革
    2.4.1  從統計學思維到應用型思維
    2.4.2  數據科學生態促使數據從業者角色分化
  2.5  大數據驅動的科學研究範式變革
    2.5.1  科學革命的結構
    2.5.2  第四範式與AI for science
  2.6  大數據驅動的日常生活變革
  2.7  數字經濟驅動數據要素價值變現
    2.7.1  互聯網泡沫破碎后的數字經濟重建
    2.7.2  理解數據要素化
    2.7.3  數據變現的路徑
第3章  健康醫療大數據與人工智慧
  3.1  健康醫療大數據的範圍
  3.2  健康醫療大數據的行業特徵
    3.2.1  醫療大數據的縱向和橫向孤島現象
    3.2.2  健康醫療大數據的多模態性、疾病主題特異性和動態性
    3.2.3  健康醫療大數據的主觀性和價值稀疏性
  3.3  大數據驅動的人工智慧在醫療領域的應用與角色
    3.3.1  人工智慧在醫療領域的應用
    3.3.2  從效率工具角度看待醫療人工智慧
    3.3.3  醫療AI開發中的困難與瓶頸
  3.4  模型的透明性和可問責性是醫療人工智慧廣泛落地的基礎
第4章  健康醫療大數據讓循證醫學走進真實世界

  4.1  以RCT為代表的理想世界研究的局限性
  4.2  基於真實世界數據的真實世界研究
    4.2.1  真實世界研究的定義
    4.2.2  真實世界研究的證據等級體系
  4.3  大數據時代下的真實世界人群隊列管理
第5章  基於真實世界數據的醫學統計
  5.1  醫療業務的數據化
  5.2  缺失值的識別和處理
  5.3  真實世界研究數據分析要點概述
  5.4  統計三件套：說一說、比一比、找關係
  5.5  從暴露到結局的單變數關係是經典循證醫學研究的基本關注點
    5.5.1  單變數之間的線性和廣義線性關係
    5.5.2  單變數之間的線性趨勢關係和非線性關係
    5.5.3  從辛普森悖論看為什麼研究單變數之間的關係同樣要做多因素分析
    5.5.4  單變數間的相關關係和因果關係
  5.6  單變數之間關係的論證邏輯結構
    5.6.1  從定性到定量：單變數關係研究需要回答的四個問題
    5.6.2  從一根杠桿看懂何為混雜和交互因素
    5.6.3  混雜因素的識別和控制
    5.6.4  交互因素的識別和控制
    5.6.5  傾向性評分：控制多個混雜的神器
第６章  由統計推導結論到智能預測
  6.1  從醫學統計到統計學習
    6.1.1  從效用統計到結局預測
    6.1.2  從人工智慧到機器學習
    6.1.3  人工智慧中的損失和優化
  6.2  臨床預測模型構建的基本思路
    6.2.1  建模前工作
    6.2.2  建模中工作
    6.2.3  建模后工作
  6.3  醫療機器學習的「PICOS」
第7章  統計學習的常見演算法淺析
  7.1  回歸分析中的多重共線性與Lasso回歸
    7.1.1  多重共線性的影響和識別
    7.1.2  Lasso回歸的原理
  7.2  通俗好用的樹模型和集成演算法
    7.2.1  用於分類任務的決策樹構建
    7.2.2  用於回歸任務的回歸樹和模型樹
    7.2.3  群策群力的集成學習
  7.3  人們日用而不自知的貝葉斯推理
    7.3.1  初識貝葉斯定理
    7.3.2  樸素貝葉斯演算法
    7.3.3  概率圖模型
  7.4  基於距離的機器學習分類與聚類
    7.4.1  K近鄰分類
    7.4.2  聚類演算法
  7.5  數據降維的藝術
    7.5.1  主成分分析
    7.5.2  因子分析
  7.6  支持向量機

    7.6.1  AI界的水果忍者
    7.6.2  SVM到底在優化什麼？
    7.6.3  核技巧是使SVM真正強大起來的原因
  7.7  挖掘數據共顯模式的關聯規則演算法
    7.7.1  驅動購物的關聯規則
    7.7.2  Apriori演算法
  7.8  時間序列分析
第8章  開啟多模態學習的深度學習
  8.1  人工神經網路與深度學習
    8.1.1  人工神經網路與深度學習入門
    8.1.2  神經網路在學習過程中，到底學到了什麼？
    8.1.3  如何更準確地選擇損失函數下降的方向
  8.2  卷積神經網路與機器視覺
    8.2.1  卷積神經網路的直觀理解
    8.2.2  卷積運算的數學解釋
    8.2.3  電腦視覺和卷積神經網路的發展脈絡
    8.2.4  醫學影像人工智慧
  8.3  給AI植入想象力的對抗生成網路和擴散模型
    8.3.1  對GAN原理的形象理解
    8.3.2  GAN訓練過程的演算法數學理解
    8.3.3  GAN的其他集中花式玩法
    8.3.4  擴散模型簡介
  8.4  使AI學會策略的強化學習
    8.4.1  理解決策過程
    8.4.2  如何學習Q值？
    8.4.3  理解整個策略學習過程
    8.4.4  理解深度強化學習之DQN
  8.5  循環神經網路與自然語言處理
    8.5.1  對RNN的形象理解
    8.5.2  對RNN的演算法理解
  8.6  基於深度學習的自然語言處理簡介
    8.6.1  詞的向量表示
    8.6.2  Encoder-Decoder和注意力機制
    8.6.3  從transformer到ChatGPT
    8.6.4  自然語言處理在醫學中的應用淺析
  8.7  大模型驅動的AIGC通用人工智慧時代
    8.7.1  AIGC緣起
    8.7.2  大力出奇跡：ChatGPT引爆了AIGC的奇點
    8.7.3  大模型的解封咒語：提示工程
第9章  日常診療與數據科學
  9.1  臨床推理中的雙重認知模式
  9.2  醫療與數據科學的認知協同
  9.3  人機決策與CDSS
  9.4  醫療從業者學習數據科學的必要性和可行性
第10章  精準醫學與數據科學
  10.1  精準醫學的由來
  10.2  精準醫學與組學研究
  10.3  以中心法則為主線開展的組學研究
  10.4  中心法則之外，拓寬組學的邊界
  10.5  始於差異，經由機制，終於臨床

第十一章  醫藥研發與數據科學
  11.1  新葯研發概述
  11.2  生物分子的化學表徵與計算
  11.3  基於不同分子表徵的模型計算
第12章  轉化醫學與數據科學
  12.1  轉化醫學的由來、階段和與數據科學的關係
  12.2  樹立合理的醫學科技創新觀念和轉化動機
  12.3  科技成果評價的主要方法和維度
  12.4  醫學科技成果的轉化途徑與過程
  12.5  醫學轉化案例之CRISPR-Cas9基因編輯技術
第13章  智慧健康醫療與數據科學
  13.1  智慧健康醫療概述
  13.2  智慧健康醫療衍射出的重要概念
  13.3  數據科學之於智慧醫療，是漁而非魚
第14章  合理醫療與數據科學
  14.1  合理醫療的大道理
  14.2  不合理醫療的小算盤
  14.3  合理醫療監管的外儒內法
  14.4  監管手段從形式之法到數據之法
  14.5  基於數據科學的合理醫療循證評價
第15章  醫院管理與數據科學
  15.1  指標化的醫院數字化管理
  15.2  基於數據科學的DRGs/DIP醫保費用管理
  15.3  基於數據科學方法的精細醫院運營管理
  15.4  基於數據科學的RBRVS績效評價體系構建
第16章  醫學人文與數據科學
  16.1  技術和人文是醫學發展的雙翼
  16.2  數據科學對醫學人文的潛在影響
  16.3  在醫學美學的指導下發展醫療數據科學
第17章  醫療大數據的理、采、存、管、用
  17.1  醫療機構數據應用的窘境
  17.2  醫療大數據平台的四層架構和五項功能
  17.3  醫療大數據的變現管理
  17.4  醫療大數據應用的安全體系
    17.4.1  信息安全是所有數據建設的基礎
    17.4.2  健康醫療大數據的合規管理
    17.4.3  隱私計算在促進醫療大數據合規應用的作用
    17.4.4  隱私計算融合區塊鏈提升數據協作全流程保護能力
    17.4.5  易被忽視的AI安全
  17.5  DataOps推動業務數據協作聯動
  17.6  警惕唯數據主義的陷阱
後記  精數道以明醫理，通仁術以踐仁心

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032