生物醫學數據挖掘（第2版）

第一章 概論
1.1 什麼是數據挖掘
1.1.1 數據、信息和知識
1.1.2 數據挖掘的定義
1.2 數據挖掘的應用及方法
1.2.1 應用
1.2.2 方法
1.3 生物醫學數據挖掘的特殊性
1.3.1 醫學數據的特殊性
1.3.2 倫理、法律和社會等方面對私密敏感的問題
1.3.3 醫學的特殊性質
1.4 數據挖掘的評價
1.4.1 樣本的組織
1.4.2 有指導學習的評價
1.4.3 無指導學習的評價
1.5 數據挖掘的過程
第二章 醫學數據採集與準備
2.1 數據的採集與組織
2.1.1 數據的採集、存儲和管理
2.1.2 數據的組織
2.2 數據管理及數據管理系統的基本功能
2.2.1 數據管理
2.2.2 Excel的基本功能
2.2.3 關係數據庫管理系統的基本功能
2.3 數據預處理
2.3.1 數據預處理的目的
2.3.2 數據的分佈特性
2.3.3 數據清洗
2.3.4 數據整合
2.3.5 數據變換
2.3.6 數據精簡
第三章 回歸分析
3.1 回歸分析的功能
3.2 常用的回歸分析方法
3.2.1 線性回歸
3.2.2 Logistic回歸
3.2.3 人工神經網絡
3.2.4 回歸樹
3.3 回歸分析的應用——子宮頸癌患者生存率的預測
3.3.1 研究目標分析
3.3.2 數據採集及預處理
3.3.3 數據挖掘與分析
3.3.4 性能評價與比較
3.4 回歸分析的應用——乳腺癌患者的預後分析
3.4.1 研究目標分析
3.4.2 數據採集及預處理
3.4.3 數據挖掘與分析
3.4.4 性能評價與比較
第四章 分類
4.1 分類的功能
4.1.1 分類的定義和功能
4.1.2 分類的一般方法
4.2 分類的方法
4.2.1 分類方法的關鍵技術
4.2.2 特徵屬性的選擇
4.2.3 分類器的選擇
4.3 分類的應用——冠心病預測
4.3.1 研究目標
4.3.2 數據採集與處理
4.3.3 數據挖掘與分析
4.4 分類的應用——失語症分類
4.4.1 研究目標
4.4.2 數據採集與處理
4.4.3 數據挖掘與分析
第五章 聚類分析
5.1 聚類分析的功能
5.1.1 聚類分析的定義和作用
5.1.2 聚類分析中的相似性度量
5.2 聚類分析的方法
5.2.1 聚類分析方法
5.2.2 高維特徵空間中的聚類
5.3 聚類分析的應用——住院患者人群分類
5.3.1 研究目標
5.3.2 數據採集與處理
5.3.3 數據挖掘與分析
第六章 關聯規則
6.1 關聯規則的功能
6.1.1 關聯規則的定義
6.1.2 關聯規則的質量和重要性
6.2 關聯規則的分析方法
6.2.1 關聯規則分析的基本方法
6.2.2 剪枝和合併
6.3 關聯規則的應用——糖尿病患者的篩查
6.3.1 研究目的分析
6.3.2 數據採集及預處理
6.3.3 數據挖掘與分析
6.4 關聯規則的應用——院內感染監測控制
6.4.1 研究目的分析
6.4.2 數據採集及預處理
6.4.3 數據挖掘與分析
第七章 時間序列分析
7.1 時間序列分析的功能
7.1.1 什麼是時間序列數據
7.1.2 時間序列分析的功能
7.2 時間序列分析的方法
7.2.1 時間序列數據的精簡和變換
7.2.2 時間序列數據的趨勢分析
7.2.3 時間序列數據中的相似性
7.3 時間序列分析的應用——I型糖尿病患者血糖水平變化規律.
7.3.1 研究目標分析
7.3.2 數據的採集、處理及挖掘
第八章 序列分析
8.1 序列分析的功能
8.1.1 序列數據的基本概念
8.1.2 序列數據分析的功能
8.2 生物醫學中的序列分析方法
8.2.1 生物醫學中的序列數據
8.2.2 生物醫學序列數據的比對
8.3 序列分析的應用——妊娠期藥物副作用研究
8.3.1 研究目標分析
8.3.2 數據採集及預處理
8.3.3 數據挖掘與分析
參考文獻