大数据医疗2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

大数据医疗PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

上篇 基于认知计算的智能医疗决策2

第1章 智能医疗的兴起2

1.1 人工智能带来全新的医疗体验2

1.2 大数据催生精准医疗3

1.3 均衡医疗资源，减少医疗事故3

1.4 全员、全数据、全工作流医疗数据5

1.5 医疗与健康决策支持6

1.6 智能诊断的背后10

1.7 结构与特色16

1.7.1 体系结构16

1.7.2 特色与创新17

参考文献19

第2章 医疗服务的品质与效率22

2.1 基于行为级的管理改善22

2.1.1 工作流管理22

2.1.2 人的可靠性24

2.1.3 风险的防控25

2.2 基于逻辑级的鲁棒性决策26

2.2.1 鲁棒性优化26

2.2.2 鲁棒性推理29

2.3 基于大数据分析与处理的医疗与健康决策支持31

2.3.1 异构实体数据的融合31

2.3.2 多模态数据管理模式34

2.3.3 大数据分治方法36

2.4 诊疗智能辅助系统37

参考文献40

第3章 智能医疗的本质51

3.1 数据驱动决策的特征51

3.1.1 决策数据的特征52

3.1.2 融合推理的特征55

3.2 融合推理模型构建57

3.2.1 融合推理模型要素57

3.2.2 融合推理相关命题58

3.2.3 基于融合推理的多准则分类决策60

3.3 融合推理的数据预处理61

3.3.1 数据分治62

3.3.2 可解释性推理62

3.3.3 预处理方法64

3.4 融合推理的决策鲁棒性分析66

3.4.1 融合推理中两类不确定性66

3.4.2 决策鲁棒性67

3.4.3 推理模型的鲁棒性约束68

3.5 小结69

参考文献70

第4章 医疗急救决策：全员、全流程、全数据空间73

4.1 背景73

4.2 心脏病急救决策流程及数据74

4.2.1 流程74

4.2.2 急救决策推理的网链结构74

4.2.3 数据类型77

4.2.4 数据的不确定性78

4.2.5 不确定性推理79

4.3 医疗决策全数据空间框架80

4.3.1 心脏病急救决策病例维80

4.3.2 心脏病急救决策规则维83

4.3.3 心脏病急救决策资源维85

4.3.4 心脏病急救决策时间窗86

4.4 医疗决策推理的静态分析86

4.4.1 急救决策状态空间87

4.4.2 决策空间的静态结构87

4.4.3 状态空间的映射88

4.4.4 数据子空间89

4.5 医疗决策推理的动态性能90

4.5.1 状态空间的范数90

4.5.2 急救决策特征空间的状态链91

4.5.3 急救决策推理的脆弱性92

4.6 小结93

参考文献94

第5章 层次关联证据链推理的多属性群决策分类95

5.1 引言95

5.1.1 群决策分类特点95

5.1.2 群决策分类推理97

5.2 决策状态空间与证据链98

5.2.1 命题空间与可信度性质98

5.2.2 决策状态与证据链99

5.3 层次关联证据链推理模型FUER101

5.3.1 层次关联101

5.3.2 相似性度量102

5.3.3 可信度集成103

5.4 类别误标下证据链的推理方法104

5.4.1 证据链推理的混合整数优化模型104

5.4.2 模型推理必要条件和敏感性分析105

5.4.3 类别误标下模型推断107

5.4.4 干扰下模型参数学习108

5.4.5 相似度加权近邻算法sf-NN110

5.4.6 鲁棒性分析111

5.5 小结112

参考文献112

第6章 基于鲁棒性阈值的CBR／RBR融合推理机制115

6.1 引言115

6.2 CBR／RBR及其融合推理116

6.2.1 CBR推理116

6.2.2 RBR推理120

6.2.3 多分类器集成的决策树优化方法121

6.2.4 CBR／RBR融合推理122

6.3 融合酉空间及矩阵奇异值分解124

6.3.1 融合酉空间124

6.3.2 融合酉空间的奇异值分解125

6.4 鲁棒阈值方法131

6.4.1 融合推理空间鲁棒性解集131

6.4.2 知识关联性132

6.4.3 相似度计算133

6.4.4 知识粒度及推理信度计算133

6.4.5 阈值的鲁棒性134

6.5 融合推理策略及步骤135

6.5.1 融合推理策略与融合推理解135

6.5.2 融合推理执行步骤137

6.6 小结138

参考文献139

第7章 基于贝叶斯网络的CBR／RBR融合推理机制与方法142

7.1 引言142

7.2 不确定信息条件下的推理机制及建模143

7.2.1 稳健随机混合法143

7.2.2 随机项建模145

7.3 推理模型的贝叶斯网络构建148

7.3.1 贝叶斯网络148

7.3.2 贝叶斯网络学习149

7.3.3 贝叶斯网络构建153

7.4 BN-CBR／RBR推理模型156

7.4.1 相似度评价函数156

7.4.2 鲁棒BN-CBR／RBR模型构建156

7.4.3 改进的K-D树（K-D Tree）方法157

7.4.4 代价敏感学习158

7.5 基于多属性决策的BN-CBR／RBR优化协同160

7.5.1 多属性的人机融合决策模式160

7.5.2 基于Vague集的优化模型163

7.5.3 基于Vague集的嵌入式算法165

7.6 小结166

参考文献166

第8章 同态推理空间下的互信息属性特征建模168

8.1 引言168

8.2 空间的同态理论与信息场169

8.2.1 状态空间同态170

8.2.2 同态下推理空间的性质171

8.2.3 推理状态空间的信息场172

8.2.4 信息增益173

8.3 同态下的属性特征选择及互信息174

8.3.1 属性特征选择174

8.3.2 属性互信息175

8.4 同态推理状态空间中的互信息判据177

8.4.1 互信息的归一化测度177

8.4.2 互信息判据结构与性质179

8.5 基于互信息的属性特征选择模型180

8.5.1 MIFS-U属性特征选择模型181

8.5.2 mRMR属性特征选择模型183

8.6 同态下的鲁棒属性特征选择模型184

8.6.1 鲁棒属性特征选择模型（R2CMIFS）185

8.6.2 同态下的鲁棒属性特征选择机制188

8.7 小结189

参考文献190

第9章 基于证据链推理和信息价值最大化决策192

9.1 引言192

9.1.1 时态数据的多尺度决策问题分析192

9.1.2 多尺度决策推理模型的相关研究193

9.2 时间窗与价值转移194

9.2.1 数据驱动决策的时间窗194

9.2.2 信息转移价值195

9.2.3 管理熵196

9.3 单一尺度证据链与多尺度证据链197

9.3.1 时态数据197

9.3.2 时间尺度及多尺度证据链197

9.4 多尺度特征的证据链推理模型（msFUER）及决策框架199

9.4.1 数据预处理与特征量提取200

9.4.2 多尺度特征量重构及互信息矩阵202

9.4.3 多尺度特征信息价值最大化的决策204

9.4.4 时态相似度的最近邻算法ms-NN206

9.5 小结209

参考文献210

第10章 实体异构性下多数据表证据链推理的机制212

10.1 引言212

10.1.1 数据异构性的决策方法212

10.1.2 多数据表融合的决策推理213

10.2 单数据表证据链关联与多数据表证据链关联215

10.2.1 多专家并行推理的知识表述215

10.2.2 局域数据融合推理方法216

10.2.3 基于数据分治方法的推理框架216

10.3 证据链并行推理模型（mrFUER）218

10.3.1 异构性实体相似关联218

10.3.2 证据链融合推理参数优化学习219

10.3.3 多数据集中证据链融合220

10.4 模型性能分析与求解步骤221

10.4.1 稳定性与鲁棒性分析221

10.4.2 多源证据链关联算法xD-NN223

10.4.3 决策启示224

10.5 小结226

参考文献226

第11章 过程感知数据下证据链推理的可信度更新模型228

11.1 引言228

11.1.1 过程感知的决策模糊性228

11.1.2 相关研究229

11.2 过程感知的证据链推理模型（sdFUER）230

11.2.1 部分信息下的融合推理模型230

11.2.2 部分证据融合及观测概率获取233

11.2.3 转移概率获取235

11.2.4 停止策略：决策或继续感知特征数据237

11.2.5 基于狄利克雷函数的可信度更新算法df-BU238

11.3 模型分析及解的讨论239

11.3.1 推理深度及解空间性质239

11.3.2 不同先验概率p0对推理的作用242

11.3.3 与相似频率直接更新可信度的比较243

11.4 小结245

参考文献245

下篇 智能医疗决策实践案例248

第12章 智能病人机器人与数字化人体仿真决策机制248

12.1 背景248

12.2 智能病人机器人感知系统249

12.2.1 智能病人机器人硬件及交互249

12.2.2 智能病人机器人传感器网络250

12.2.3 医师主控机251

12.3 智能病人机器人数字化仿真系统251

12.4 智能病人机器人通信系统253

12.5 智能病人机器人数据采集及分析系统254

12.5.1 样本总体及统计分析256

12.5.2 波形信号的粗粒化处理与实体特征提取256

12.5.3 电子病程记录中提取的决策数据258

12.6 智能病人机器人决策支持系统259

12.6.1 推理机的模型集259

12.6.2 FUER-CDSS系统框架260

12.6.3 推理机261

12.6.4 FUER证据链训练模块261

12.6.5 诊断查询的数值仿真263

12.7 数字化人体及智能病人机器人应用264

12.8 小结267

参考文献267

第13章 医疗诊断决策数据特征选择用例268

13.1 背景268

13.2 医疗决策过程中的诊断数据获取268

13.2.1 诊断过程数据采集268

13.2.2 数据集和数据结构273

13.3 数据空间特征选择用例273

13.3.1 基于归一化二次Renyi互信息的特征选择273

13.3.2 实验结果的鲁棒性分析274

13.4 小结277

参考文献277

第14章 基于证据链推理模型用例278

14.1 背景278

14.2 基于证据链的电子健康档案构建279

14.2.1 基于证据链的知识库279

14.2.2 知识库数据结构281

14.2.3 数据预处理283

14.2.4 证据链的属性信息积累284

14.3 基于证据链推理的决策可信度更新286

14.3.1 基于经验知识的CHD风险评估286

14.3.2 基于动态检查数据的可信度更新286

14.4 类别误标下基于证据链推理模型的诊断决策289

14.4.1 诊断实体相似度关联289

14.4.2 类别误标的推理结果分析290

14.5 小结292

参考文献292

第15章 CBR／RBR融合推理用例293

15.1 背景293

15.2 CBR／RBR融合实验294

15.2.1 心脏病病例数据选取294

15.2.2 心脏病病例特征选择295

15.2.3 心脏病病案特征权重计算296

15.2.4 基于K-D树的心脏病病案检索297

15.2.5 基于Bagging-C4.5决策树的诊断推理298

15.2.6 结果299

15.3 CBR／RBR融合效率和准确性分析299

15.3.1 K-D树检索效率分析299

15.3.2 CBR／RBR融合模型推理性能分析301

15.3.3 与其他模型对比分析301

15.4 鲁棒阈值的CBR／RBR融合303

15.4.1 融合推理过程303

15.4.2 推理性能分析305

15.5 小结306

参考文献306

第16章 不确定性数据融合用例308

16.1 背景308

16.2 病历数据的关联处理309

16.3 BN-CBR诊断案例311

16.3.1 基于BN的案例推理311

16.3.2 贝叶斯网络学习313

16.3.3 CBR检索314

16.3.4 结果分析316

16.4 鲁棒BN-CBR／RBR模型实验317

16.4.1 实验数据说明317

16.4.2 实验步骤320

16.4.3 仿真效果对比321

16.5 小结321

参考文献322

第17章 多机构数据融合用例323

17.1 背景323

17.2 三类临床决策诊断模式324

17.2.1 模式Ⅰ：医生诊断决策的传统模式325

17.2.2 模式Ⅱ：基于推理模型集的诊断决策系统326

17.2.3 模式Ⅲ：辅助医疗决策支持系统融合决策326

17.2.4 多模式诊断鲁棒性分析328

17.2.5 证据链长度的结果比较分析332

17.3 分块数据融合的决策支持333

17.3.1 基于MapReduce的数据处理333

17.3.2 实体异构性信息的决策支持335

17.3.3 考虑代价敏感性推理结果337

17.4 VBN-CBR／RBR338

17.4.1 基于Vague集的BN-CBR／RBR优化机制实验338

17.4.2 仿真效果对比341

17.4.3 结果分析341

17.5 小结343

参考文献343

第18章 心脏病急救流程优化用例345

18.1 背景345

18.2 心脏病急救流程346

18.2.1 心脏病急救特点346

18.2.2 心脏病急救模式346

18.2.3 心脏病急救全过程348

18.2.4 心脏病急救流程存在的问题351

18.3 心脏病急救流程优化原则354

18.3.1 核心原则354

18.3.2 操作性原则354

18.3.3 基本方法355

18.4 基于Petri网的心脏病急救流程优化357

18.4.1 Petri网357

18.4.2 模型构建359

18.4.3 模型验证361

18.5 案例分析363

18.5.1 流程优化实施方案363

18.5.2 流程优化效果评价367

18.6 小结368

参考文献368

第19章 心脏病急救风险管理用例371

19.1 心脏病急救风险管理流程371

19.2 心脏病急救风险的根源及特点372

19.3 急救相关部门373

19.4 心脏病急救中的人为失误375

19.4.1 心脏病急救中的人为失误分类377

19.4.2 心脏病急救中的人为失误原因层次分析380

19.5 风险评价382

19.6 应用案例383

19.6.1 数据来源383

19.6.2 研究方法383

19.6.3 结果分析383

19.7 小结385

参考文献385

第20章 Web3.0下的医疗与健康服务387

20.1 医疗社区网络388

20.1.1 医疗与健康网络社区服务388

20.1.2 云医疗健康信息平台389

20.2 个性化医疗与健康服务391

20.2.1 数据驱动的个性化精准医疗391

20.2.2 医疗推荐系统393

20.3 远程医疗393

20.3.1 远程医疗服务就诊平台394

20.3.2 远程医疗O2O模式395

20.3.3 APD远程监控系统396

20.3.4 MyHealth远程监控系统396

20.4 小结397

参考文献397

第21章 医疗APP应用399

21.1 背景399

21.2 基于推理模型的应用系统APP399

21.2.1 基于证据链推理模型的应用系统399

21.2.2 医疗与健康决策支持APP400

21.2.3 决策支持系统APP反馈402

21.3 相关产品生态链403

21.3.1 移动医疗数据感知403

21.3.2 智能医疗的诊断机器人404

21.3.3 医患实体关联的社交网络405

21.3.4 以患者需求为中心的利益相关者406

21.4 相关产品应用前景及效益407

21.5 小结409

参考文献409

第22章 数字医疗纵览410

22.1 内容回顾410

22.2 数字医疗的治理策略412

22.3 可扩展的理论与应用414