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

大數據挖掘技術理論與實踐(以生物醫學案例為例)

  • 作者：編者:餘輝//馬翔雲//李嬌//郭?//李奇峰等|責編:楊帆
  • 出版社：清華大學
  • ISBN：9787302697664
  • 出版日期：2025/09/01
  • 裝幀：平裝
  • 頁數：243
人民幣：RMB 69 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書結合生物醫學科學研究的前沿進展，通過若干實例，介紹大數據尤其生物醫學大數據的基本概念、大數據思維範式和主要挖掘方法。本書由生物醫學領域從事不同專業科學研究的一線高校教師共同完成編寫，眾位教師各自發揮專業特長，不僅使本書所介紹的專業範圍涉及較廣，更使各方面都達到一定深度。
    本書內容包括大數據基本概念和特徵，生理聲信號、呼吸慢病、人體生命體征監護信號的大數據挖掘與臨床應用，基於視頻的精子活動軌跡識別與運動能力的智能分析，冠狀動脈造影中血管分割智能演算法與臨床應用，光聲成像重建和臨床應用，基於影像組學的醫學大數據分析，基於腫瘤患者基因測序或RNA測序的數據進行生存分析，機器學習，食品安全和大數據時代可持續發展等。
    本書可作為高等院校相關專業本科生或研究生的教材或參考書，也可供相關科研工作者或廣大的大數據愛好者參考。
作者介紹
編者:餘輝//馬翔雲//李嬌//郭?//李奇峰等|責編:楊帆
目錄
第1章  大數據和生物醫學大數據概述
  1.1  大數據概述
    1.1.1  什麼是大數據
    1.1.2  大數據的特徵
    1.1.3  生活中的大數據
    1.1.4  大數據風險
  1.2  大數據挖掘
    1.2.1  大數據思維變革
    1.2.2  大數據時代的十大變化
    1.2.3  大數據挖掘的主要技術
  1.3  生物醫學大數據
    1.3.1  生物醫學大數據的特點
    1.3.2  生物醫學大數據面臨的主要問題
    1.3.3  生物醫學大數據的應用實例
    1.3.4  生物醫學大數據的未來發展方向
第2章  生理聲信號的大數據挖掘
  2.1  生理聲信號概述
    2.1.1  什麼是生理聲信號
    2.1.2  常見生理聲信號
    2.1.3  生理聲信號研究現狀
  2.2  基於深度學習的心音智能分析方案
    2.2.1  研究背景
    2.2.2  數據來源
    2.2.3  方案設計
    2.2.4  實驗結果與分析
  2.3  基於肺音的慢性阻塞性肺病嚴重程度診斷方案
    2.3.1  研究背景
    2.3.2  數據來源
    2.3.3  方案設計
    2.3.4  實驗結果與分析
  2.4  總結與展望
    2.4.1  心音信號
    2.4.2  肺音信號
第3章  呼吸慢病的大數據挖掘與臨床應用
  3.1  呼吸慢病概述
    3.1.1  什麼是呼吸慢病
    3.1.2  幾種常見呼吸慢病的介紹
    3.1.3  呼吸慢病研究現狀
  3.2  基於呼吸變異性數據挖掘的機器學習疾病分類方案
    3.2.1  數據來源
    3.2.2  方案設計
    3.2.3  實驗結果與分析
    3.2.4  分類性能評估
  3.3  基於呼吸變異性特徵圖譜的深度學習疾病分類方案
    3.3.1  方案設計
    3.3.2  實驗結果與分析
  3.4  基於LSTM-CNN的SAHS亞型分類方案
    3.4.1  方案設計
    3.4.2  實驗結果與分析
  3.5  呼吸慢病大數據的未來發展方向

第4章  人體生命體征監護信號的大數據挖掘
  4.1  人體生命體征監護信號
  4.2  PhysioNet資源介紹
    4.2.1  PhysioNet數據資源
    4.2.2  PhysioNet工具資源
  4.3  心電信號研究的數據與工具
    4.3.1  MIT-BIH心律失常庫
    4.3.2  心電信號研究工具
  4.4  心電信號研究實例
    4.4.1  R波檢測
    4.4.2  HRV分析
  4.5  總結與展望
第5章  基於視頻的精子活動軌跡識別與運動能力的智能分析
  5.1  精子活力概述
    5.1.1  什麼是精子活力
    5.1.2  精子活力的分型
  5.2  基於深度學習的精子活力分類方案
    5.2.1  數據來源
    5.2.2  數據預處理
    5.2.3  精子計數
    5.2.4  運動精子跟蹤
    5.2.5  運動精子篩選
    5.2.6  基於卷積神經網路的精子活力分類
  5.3  模型評估
    5.3.1  混淆矩陣
    5.3.2  ROC曲線
  5.4  總結與展望
第6章  冠狀動脈造影中血管分割智能演算法與臨床應用
  6.1  什麼是冠狀動脈血管分割
    6.1.1  什麼是冠心病
    6.1.2  冠狀動脈血管介紹
    6.1.3  冠狀動脈造影與血管分割
  6.2  基於多尺度的冠狀動脈血管分割
    6.2.1  數據來源
    6.2.2  血管增強：基於多尺度的Hessian矩陣的Frangi血管增強
    6.2.3  血管分割：基於多尺度區域生長法的冠狀動脈血管分割
  6.3  冠狀動脈分割演算法測試
    6.3.1  數據準備：冠狀動脈數據下載
    6.3.2  冠狀動脈血管增強演算法測試
    6.3.3  冠狀動脈血管分割演算法測試與結果分析
  6.4  總結與展望
第7章  基於智能演算法的光聲成像重建
  7.1  光聲成像
  7.2  匕聲成像的數學模型
    7.2.1  描述光在生物組織中輸運的主要數學模型
    7.2.2  光聲波在生物組織中傳播的波動方程以及求解
    7.2.3  光聲信號的初始聲壓重建
    7.2.4  光聲信號的光學參數重建
  7.3  基於智能學習的光聲聲學重建及圖像增強
    7.3.1  基於智能學習的聲學重建

    7.3.2  基於智能學習的圖像增強
  7.4  基於智能學習的光聲光學重建
    7.4.1  傳統光聲成像光學重建方法
    7.4.2  基於智能學習模擬域光聲成像光學重建
    7.4.3  基於智能學習在體組織光聲成像光學重建
第8章  基於智能演算法的光聲成像臨床應用
  8.1  基於智能演算法的光聲成像模式
  8.2  基於智能演算法的光聲成像組織分割
    8.2.1  研究背景
    8.2.2  組織分割
    8.2.3  血管分割
  8.3  基於智能演算法的光聲成像腫瘤識別
    8.3.1  研究背景
    8.3.2  方案設計
    8.3.3  數據來源
    8.3.4  神經網路
    8.3.5  識別結果
  8.4  基於智能演算法的光聲成像腫瘤分級
    8.4.1  乳腺癌分類分級
    8.4.2  早期子宮內膜癌分類分級
第9章  基於影像組學的醫學大數據分析
  9.1  影像組學的基本步驟
    9.1.1  圖像獲取及感興趣區域勾畫
    9.1.2  影像組學特徵提取
    9.1.3  特徵篩選
    9.1.4  模型建立
    9.1.5  模型評估指標
  9.2  影像組學的應用及實例
    9.2.1  影像組學的應用
    9.2.2  基於影像組的乳腺癌非前哨淋巴結轉移預測實例
  9.3  總結
第10章  基於腫瘤患者基因測序或RNA測序的數據進行生存分析
  10.1  基因測序與RNA測序
    10.1.1  基因測序
    10.1.2  RNA測序
    10.1.3  生存分析
  10.2  R語言實現基於腫瘤患者RNA測序數據的生存分析
    10.2.1  TCGA資料庫
    10.2.2  R語言環境
    10.2.3  安裝需要的包
    10.2.4  載人數據
    10.2.5  數據處理
    10.2.6  生存分析
  10.3  總結與展望
第11章  機器學習與生物醫學大數據
  11.1  機器學習簡介
  11.2  R語言簡介
  11.3  K近鄰演算法
  11.4  深度學習
  11.5  總結

第12章  大數據守衛「舌尖上的安全」
  12.1  食品安全大數據
    12.1.1  食品安全大數據特徵
    12.1.2  食品安全的數據收集
    12.1.3  食品安全大數據可視化
  12.2  食品安全溯源
    12.2.1  食品安全追溯系統的技術構成
    12.2.2  食品安全追溯系統的技術優勢
    12.2.3  國內食品安全溯源現狀
  12.3  大數據與食品安全預警
    12.3.1  食品安全預警體系
    12.3.2  數據挖掘技術在食品安全預警的應用
  12.4  大數據時代的食品安全智能化監管機制
    12.4.1  傳統食品安全監管模式
    12.4.2  大數據技術在食品監管中的應用
  12.5  案例：貴州大數據——食品安全雲
    12.5.1  利用輿情監測系統、檢測平台、大眾交流平台進行風險監測、
    預警及風險交流
    12.5.2  利用風險分析方法進行監管風險預警
第13章  大數據時代的可持續發展
  13.1  環境保護大數據解決方案
    13.1.1  大數據對可持續發展的意義
    13.1.2  環境大數據面臨的挑戰
  13.2  環境保護大數據應用案例
    13.2.1  大數據養活人類
    13.2.2  大數據監測地下水

  • 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