医学数据挖掘案例与实践

图书标准信息

• 作者 华琳、李林 编
• 出版社 清华大学出版社
• 出版时间 2016-09
• 版次 1
• ISBN 9787302441885
• 定价 30.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 186页
• 字数 273千字
• 正文语种 简体中文

【内容简介】

　　基于大数据时代生物医学数据的爆炸式增长，本书从医学科研中的实际问题出发，以案例的形式深入浅出地介绍了近年来崭新的医学数据挖掘技术，包括决策树模型、支持向量机、随机森林分类、关联规则、贝叶斯网络构建等，并详细介绍了数据挖掘软件(SPSS、SAS、R等)的操作步骤，重点突出实用性和可操作性，以期提高读者对医学科研数据的深层次处理与分析的能力。

　　本书主要取材于编者近年来从事生物医学数据深度挖掘方面的研究与教学工作内容，既适用于医学院校本科生及研究生、医学基础及临床科研工作者和相关技术人员作为教材，也可作为科学研究的参考用书。

【作者简介】

华琳，首都医科大学生物医学工程学院副教授，博士，硕士导师，研究方向为生物统计与生物信息学。主讲医学统计学、医用数据挖掘、医药数理统计方和生物信息学技术概论等课程。擅长统计研究设计、各类型数据统计分析、数据挖掘及生物信息学分析，近5年内在相关领域以第壹作者和通讯作者发表30余篇，其中sci近20篇，累计影响因子超过20.0。主持和参与多项、省部级和局级科研课题，与北京多家临床医院开展了数据分析方面的合作，并建立了良好的合作关系，目前是首都医科大学中青年骨和北京市中青年骨。

【目录】

第1章 数据预处理  1

1.1 异常值的常见处理方法  1

1.2 缺失值的填补  8

第2章 多元线性回归分析  14

2.1 多元线性回归的概念  14

2.2 多元线性回归的模型结构  14

2.3 多元逐步线性回归  17

第3章 Logistic回归分析  22

3.1 Logistic回归分析的基本概念  22

3.2 Logistic回归的模型结构  22

3.3 应用实例1：一般资料的Logistic回归  23

3.4 应用实例2：列联表资料的Logistic回归  27

3.5 应用实例3：多项Logistic回归分析  29

第4章 非线性回归拟合分析  32

4.1 非线性回归基本概念  32

4.2 应用实例1：对新增SARS病例数的预测分析  32

4.3 应用实例2：对累计SARS病例数的预测分析  37

第5章 生存分析  41

5.1 生存分析的基本概念  41

5.2 生存分析的资料特点  41

5.3 生存资料的分析方法  42

5.4 应用实例1：累积生存率的计算  42

5.5 应用实例2：小样本生存率的Kaplan-Meier估计  45

5.6 应用实例3：生存曲线比较的Log-rank检验  47

5.7 应用实例4：Cox回归  51

5.7.1 Cox模型结构与参数估计  51

5.7.2 应用实例：Cox回归分析  51

第6章 基于竞争风险模型的生存分析  56

6.1 竞争风险模型  56

6.2 应用实例：竞争风险模型的生存分析  56

第7章 Meta分析  62

7.1 Meta分析概述  62

7.2 Meta分析的方法与步骤  62

7.3 应用实例1：二分类资料的Meta分析  63

7.4 应用实例2：连续资料的Meta分析  71

第8章 剂量-反应模型的Meta分析  77

8.1 剂量-反应关系的数据结构  77

8.2 线性拟合  78

8.3 非线性拟合-三次曲线拟合  79

第9章 决策树模型分析  82

9.1 分类的概念  82

9.2 分类的步骤  82

9.3 分类器性能的评估  83

9.4 决策树分类器简介  83

9.5 应用实例：决策树分析  85

第10章 随机森林法提取特征属性  88

10.1 随机森林方法基本概念  88

10.2 基于平均基尼指数减少量的特征属性选择  88

10.3 应用实例：随机森林法提取特征属性  90

第11章 倾向性得分匹配方法  94

11.1 倾向性得分匹配方法  94

11.2 倾向性得分匹配方法的步骤  94

11.3 应用实例：倾向性得分匹配  95

第12章 用广义估计方程分析重复测量的定性资料  102

12.1 广义估计方程的基本概念  102

12.2 广义线性模型的结构  102

12.3 GEE算法  103

12.4 应用实例1：重复测量的实验数据  103

12.5 应用实例2：问卷调查中的多选题数据  105

第13章 基于支持向量机的微阵列数据分类  109

13.1 支持向量机简介  109

13.2 支持向量机的基本原理  109

13.3 应用实例：支持向量机分类  111

第14章 时间序列分析  113

14.1 时间序列分析的基本概念  113

14.2 时间序列分析的主要步骤  113

14.3 应用实例：时间序列分析  114

第15章 路径图分析  118

15.1 路径图分析基本理论  118

15.2 路径图分析的基本步骤  118

15.3 应用实例：路径图分析  119

15.3.1 第一个回归分析  119

15.3.2 第二个回归分析  121

15.3.3 第三个回归分析  122

第16章 主成分分析与因子分析  124

16.1 主成分分析概念  124

16.2 应用实例1：主成分分析  124

16.3 因子分析概念  129

16.4 应用实例2：因子分析  129

第17章 判别分析  134

17.1 判别分析的概念  134

17.2 常用的判别分析方法  134

17.3 判别函数的验证  135

17.4 应用实例：判别分析  135

第18章 聚类分析  144

18.1 聚类分析的概念  144

18.2 K均值聚类法  144

18.3 应用实例1：K均值聚类  145

18.4 系统聚类法  148

18.5 应用实例2：系统聚类  149

18.6 绘制双向聚类热图  153

第19章 关联规则  156

19.1 关联规则的基本概念  156

19.2 关联规则的质量和重要性  156

19.3 关联规则分析的基本方法  157

19.4 应用实例：关联规则分析  157

第20章 两组ROC曲线下的面积比较  161

20.1 ROC曲线的构建  161

20.2 ROC曲线下面积  162

20.3 两组ROC曲线下面积比较  162

20.4 应用实例：两组ROC曲线下面积比较  162

第21章 诊断准确性试验Meta分析  166

21.1 诊断准确性试验Meta分析基本概念  166

21.2 诊断准确性试验Meta分析的相关评价指标  166

21.3 应用实例：诊断准确性试验Meta分析  167

第22章 贝叶斯网络分析  173

22.1 贝叶斯网络的概念  173

22.2 应用实例：贝叶斯网络构建  174

第23章 偏最小二乘回归分析  179

23.1 偏最小二乘回归的基本步骤和原理  179

23.2 应用实例：偏最小二乘回归分析  180

参考文献  185