 |
-- 會員 / 註冊 --
|
 |
|
|
|
大數據醫療 ( 簡體 字) |
| 作者：徐曼 沈江 余海燕 | 類別：1. -> 程式設計 -> 大數據 |
| 譯者： |
| 出版社：機械工業出版社 |  3dWoo書號： 46460
詢問書籍請說出此書號！【有庫存】
NT售價： 345 元 |
| 出版日：3/27/2017 |
| 頁數：415 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787111559771 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
| 前言： |
內容簡介：本書從臨床決策數據獲取和傳遞、知識表示、學習推理和魯棒性決策的系統整體結構出發，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，深入揭示了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系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。 |
目錄：上篇基于認知計算的智能醫療決策
第1章智能醫療的興起
1杄1人工智能帶來全新的醫療體驗
1杄2大數據催生精準醫療
1杄3均衡醫療資源，減少醫療事故
1杄4全員、全數據、全工作流醫療數據
1杄5醫療與健康決策支持
1杄6智能診斷的背后
1杄7結構與特色
1杄7杄1體系結構
1杄7杄2特色與創新
參考文獻
第2章醫療服務的品質與效率
2杄1基于行為級的管理改善
2杄1杄1工作流管理
2杄1杄2人的可靠性
2杄1杄3風險的防控
2杄2基于邏輯級的魯棒性決策
2杄2杄1魯棒性優化
2杄2杄2魯棒性推理
2杄3基于大數據分析與處理的醫療與健康決策支持
2杄3杄1異構實體數據的融合
2杄3杄2多模態數據管理模式
2杄3杄3大數據分治方法
2杄4診療智能輔助系統
參考文獻
第3章智能醫療的本質
3杄1數據驅動決策的特征
3杄1杄1決策數據的特征
3杄1杄2融合推理的特征
3杄2融合推理模型構建
3杄2杄1融合推理模型要素
3杄2杄2融合推理相關命題
3杄2杄3基于融合推理的多準則分類決策
3杄3融合推理的數據預處理
3杄3杄1數據分治
3杄3杄2可解釋性推理
3杄3杄3預處理方法
3杄4融合推理的決策魯棒性分析
3杄4杄1融合推理中兩類不確定性
3杄4杄2決策魯棒性
3杄4杄3推理模型的魯棒性約束
3杄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杄1背景
4杄2心臟病急救決策流程及數據
4杄2杄1流程
4杄2杄2急救決策推理的網鏈結構
4杄2杄3數據類型
4杄2杄4數據的不確定性
4杄2杄5不確定性推理
4杄3醫療決策全數據空間框架
4杄3杄1心臟病急救決策病例維
4杄3杄2心臟病急救決策規則維
4杄3杄3心臟病急救決策資源維
4杄3杄4心臟病急救決策時間窗
4杄4醫療決策推理的靜態分析
4杄4杄1急救決策狀態空間
4杄4杄2決策空間的靜態結構
4杄4杄3狀態空間的映射
4杄4杄4數據子空間
4杄5醫療決策推理的動態性能
4杄5杄1狀態空間的范數
4杄5杄2急救決策特征空間的狀態鏈
4杄5杄3急救決策推理的脆弱性
4杄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杄1引言
5杄1杄1群決策分類特點
5杄1杄2群決策分類推理
5杄2決策狀態空間與證據鏈
5杄2杄1命題空間與可信度性質
5杄2杄2決策狀態與證據鏈
5杄3層次關聯證據鏈推理模型FUER
5杄3杄1層次關聯
5杄3杄2相似性度量
5杄3杄3可信度集成
5杄4類別誤標下證據鏈的推理方法
5杄4杄1證據鏈推理的混合整數優化模型
5杄4杄2模型推理必要條件和敏感性分析
5杄4杄3類別誤標下模型推斷
5杄4杄4干擾下模型參數學習
5杄4杄5相似度加權近鄰算法sf拟NN
5杄4杄6魯棒性分析
5杄5小結
參考文獻
第6章基于魯棒性閾值的CBR/RBR融合推理機制
6杄1引言
6杄2CBR/RBR及其融合推理
6杄2杄1CBR推理
6杄2杄2RBR推理
6杄2杄3多分類器集成的決策樹優化方法
6杄2杄4CBR/RBR融合推理
6杄3融合酉空間及矩陣奇異值分解
6杄3杄1融合酉空間
6杄3杄2融合酉空間的奇異值分解
6杄4魯棒閾值方法
6杄4杄1融合推理空間魯棒性解集
6杄4杄2知識關聯性
6杄4杄3相似度計算
6杄4杄4知識粒度及推理信度計算
6杄4杄5閾值的魯棒性
6杄5融合推理策略及步驟
6杄5杄1融合推理策略與融合推理解
6杄5杄2融合推理執行步驟
6杄6小結
參考文獻
第7章基于貝葉斯網絡的CBR/RBR融合推理機制與方法
7杄1引言
7杄2不確定信息條件下的推理機制及建模
7杄2杄1穩健隨機混合法
7杄2杄2隨機項建模
7杄3推理模型的貝葉斯網絡構建
7杄3杄1貝葉斯網絡
7杄3杄2貝葉斯網絡學習
7杄3杄3貝葉斯網絡構建
7杄4BN拟CBR/RBR推理模型
7杄4杄1相似度評價函數
7杄4杄2魯棒BN拟CBR/RBR模型構建
7杄4杄3改進的K拟D樹（K拟D Tree）方法
7杄4杄4代價敏感學習
7杄5基于多屬性決策的BN拟CBR/RBR優化協同
7杄5杄1多屬性的人機融合決策模式
7杄5杄2基于Vague集的優化模型
7杄5杄3基于Vague集的嵌入式算法
7杄6小結
參考文獻
第8章同態推理空間下的互信息屬性特征建模
8杄1引言
8杄2空間的同態理論與信息場
8杄2杄1狀態空間同態
8杄2杄2同態下推理空間的性質
8杄2杄3推理狀態空間的信息場
8杄2杄4信息增益
8杄3同態下的屬性特征選擇及互信息
8杄3杄1屬性特征選擇
8杄3杄2屬性互信息
8杄4同態推理狀態空間中的互信息判據
8杄4杄1互信息的歸一化測度
8杄4杄2互信息判據結構與性質
8杄5基于互信息的屬性特征選擇模型
8杄5杄1MIFS拟U屬性特征選擇模型
8杄5杄2mRMR屬性特征選擇模型
8杄6同態下的魯棒屬性特征選擇模型
8杄6杄1魯棒屬性特征選擇模型（R2CMIFS）
8杄6杄2同態下的魯棒屬性特征選擇機制
8杄7小結
參考文獻
第9章基于證據鏈推理和信息價值最大化決策
9杄1引言
9杄1杄1時態數據的多尺度決策問題分析
9杄1杄2多尺度決策推理模型的相關研究
9杄2時間窗與價值轉移
9杄2杄1數據驅動決策的時間窗
9杄2杄2信息轉移價值
9杄2杄3管理熵
9杄3單一尺度證據鏈與多尺度證據鏈
9杄3杄1時態數據
9杄3杄2時間尺度及多尺度證據鏈
9杄4多尺度特征的證據鏈推理模型（msFUER）及決策框架
9杄4杄1數據預處理與特征量提取
9杄4杄2多尺度特征量重構及互信息矩陣
9杄4杄3多尺度特征信息價值最大化的決策
9杄4杄4時態相似度的最近鄰算法ms拟NN
9杄5小結
參考文獻
第10章實體異構性下多數據表證據鏈推理的機制
10杄1引言
10杄1杄1數據異構性的決策方法
10杄1杄2多數據表融合的決策推理
10杄2單數據表證據鏈關聯與多數據表證據鏈關聯
10杄2杄1多專家并行推理的知識表述
10杄2杄2局域數據融合推理方法
10杄2杄3基于數據分治方法的推理框架
10杄3證據鏈并行推理模型（mrFUER）
10杄3杄1異構性實體相似關聯
10杄3杄2證據鏈融合推理參數優化學習
10杄3杄3多數據集中證據鏈融合
10杄4模型性能分析與求解步驟
10杄4杄1穩定性與魯棒性分析
10杄4杄2多源證據鏈關聯算法xD拟NN
10杄4杄3決策啟示
10杄5小結
參考文獻
第11章過程感知數據下證據鏈推理的可信度更新模型
11杄1引言
11杄1杄1過程感知的決策模糊性
11杄1杄2相關研究
11杄2過程感知的證據鏈推理模型（sdFUER）
11杄2杄1部分信息下的融合推理模型
11杄2杄2部分證據融合及觀測概率獲取
11杄2杄3轉移概率獲取
11杄2杄4停止策略：決策或繼續感知特征數據
11杄2杄5基于狄利克雷函數的可信度更新算法df拟BU
11杄3模型分析及解的討論
11杄3杄1推理深度及解空間性質
11杄3杄2不同先驗概率p0對推理的作用
11杄3杄3與相似頻率直接更新可信度的比較
11杄4小結
參考文獻
下篇智能醫療決策實踐案例
第12章智能病人機器人與數字化人體仿真決策機制
12杄1背景
12杄2智能病人機器人感知系統
12杄2杄1智能病人機器人硬件及交互
12杄2杄2智能病人機器人傳感器網絡
12杄2杄3醫師主控機
12杄3智能病人機器人數字化仿真系統
12杄4智能病人機器人通信系統
12杄5智能病人機器人數據采集及分析系統
12杄5杄1樣本總體及統計分析
12杄5杄2波形信號的粗粒化處理與實體特征提取
12杄5杄3電子病程記錄中提取的決策數據
12杄6智能病人機器人決策支持系統
12杄6杄1推理機的模型集
12杄6杄2FUER拟CDSS系統框架
12杄6杄3推理機
12杄6杄4FUER證據鏈訓練模塊
12杄6杄5診斷查詢的數值仿真
12杄7數字化人體及智能病人機器人應用
12杄8小結
參考文獻
第13章醫療診斷決策數據特征選擇用例
13杄1背景
13杄2醫療決策過程中的診斷數據獲取
13杄2杄1診斷過程數據采集
13杄2杄2數據集和數據結構
13杄3數據空間特征選擇用例
13杄3杄1基于歸一化二次Renyi互信息的特征選擇
13杄3杄2實驗結果的魯棒性分析
13杄4小結
參考文獻
第14章基于證據鏈推理模型用例
14杄1背景
14杄2基于證據鏈的電子健康檔案構建
14杄2杄1基于證據鏈的知識庫
14杄2杄2知識庫數據結構
14杄2杄3數據預處理
14杄2杄4證據鏈的屬性信息積累
14杄3基于證據鏈推理的決策可信度更新
14杄3杄1基于經驗知識的CHD風險評估
14杄3杄2基于動態檢查數據的可信度更新
14杄4類別誤標下基于證據鏈推理模型的診斷決策
14杄4杄1診斷實體相似度關聯
14杄4杄2類別誤標的推理結果分析
14杄5小結
參考文獻
第15章CBR/RBR融合推理用例
15杄1背景
15杄2CBR/RBR融合實驗
15杄2杄1心臟病病例數據選取
15杄2杄2心臟病病例特征選擇
15杄2杄3心臟病病案特征權重計算
15杄2杄4基于K拟D樹的心臟病病案檢索
15杄2杄5基于Bagging拟C4杄5決策樹的診斷推理
15杄2杄6結果
15杄3CBR/RBR融合效率和準確性分析
15杄3杄1K拟D樹檢索效率分析
15杄3杄2CBR/RBR融合模型推理性能分析
15杄3杄3與其他模型對比分析
15杄4魯棒閾值的CBR/RBR融合
15杄4杄1融合推理過程
15杄4杄2推理性能分析
15杄5小結
參考文獻
第16章不確定性數據融合用例
16杄1背景
16杄2病歷數據的關聯處理
16杄3BN拟CBR診斷案例
16杄3杄1基于BN的案例推理
16杄3杄2貝葉斯網絡學習
16杄3杄3CBR檢索
16杄3杄4結果分析
16杄4魯棒BN拟CBR/RBR模型實驗
16杄4杄1實驗數據說明
16杄4杄2實驗步驟
16杄4杄3仿真效果對比
16杄5小結
參考文獻
第17章多機構數據融合用例
17杄1背景
17杄2三類臨床決策診斷模式
17杄2杄1模式Ⅰ：醫生診斷決策的傳統模式
17杄2杄2模式Ⅱ：基于推理模型集的診斷決策系統
17杄2杄3模式Ⅲ：輔助醫療決策支持系統融合決策
17杄2杄4多模式診斷魯棒性分析
17杄2杄5證據鏈長度的結果比較分析
17杄3分塊數據融合的決策支持
17杄3杄1基于MapReduce的數據處理
17杄3杄2實體異構性信息的決策支持
17杄3杄3考慮代價敏感性推理結果
17杄4VBN拟CBR/RBR
17杄4杄1基于Vague集的BN拟CBR/RBR優化機制實驗
17杄4杄2仿真效果對比
17杄4杄3結果分析
17杄5小結
參考文獻
第18章心臟病急救流程優化用例
18杄1背景
18杄2心臟病急救流程
18杄2杄1心臟病急救特點
18杄2杄2心臟病急救模式
18杄2杄3心臟病急救全過程
18杄2杄4心臟病急救流程存在的問題
18杄3心臟病急救流程優化原則
18杄3杄1核心原則
18杄3杄2操作性原則
18杄3杄3基本方法
18杄4基于Petri網的心臟病急救流程優化
18杄4杄1Petri網
18杄4杄2模型構建
18杄4杄3模型驗證
18杄5案例分析
18杄5杄1流程優化實施方案
18杄5杄2流程優化效果評價
18杄6小結
參考文獻
第19章心臟病急救風險管理用例
19杄1心臟病急救風險管理流程
19杄2心臟病急救風險的根源及特點
19杄3急救相關部門
19杄4心臟病急救中的人為失誤
19杄4杄1心臟病急救中的人為失誤分類
19杄4杄2心臟病急救中的人為失誤原因層次分析
19杄5風險評價
19杄6應用案例
19杄6杄1數據來源
19杄6杄2研究方法
19杄6杄3結果分析
19杄7小結
參考文獻
第20章Web3杄0下的醫療與健康服務
20杄1醫療社區網絡
20杄1杄1醫療與健康網絡社區服務
20杄1杄2云醫療健康信息平臺
20杄2個性化醫療與健康服務
20杄2杄1數據驅動的個性化精準醫療
20杄2杄2醫療推薦系統
20杄3遠程醫療
20杄3杄1遠程醫療服務就診平臺
20杄3杄2遠程醫療O2O模式
20杄3杄3APD遠程監控系統
20杄3杄4MyHealth遠程監控系統
20杄4小結
參考文獻
第21章醫療APP應用
21杄1背景
21杄2基于推理模型的應用系統APP
21杄2杄1基于證據鏈推理模型的應用系統
21杄2杄2醫療與健康決策支持APP
21杄2杄3決策支持系統APP反饋
21杄3相關產品生態鏈
21杄3杄1移動醫療數據感知
21杄3杄2智能醫療的診斷機器人
21杄3杄3醫患實體關聯的社交網絡
21杄3杄4以患者需求為中心的利益相關者
21杄4相關產品應用前景及效益
21杄5小結
參考文獻
第22章數字醫療縱覽
22杄1內容回顧
22杄2數字醫療的治理策略
22杄3可擴展的理論與應用
|
| 序： |
|
