內容簡介
數據挖掘是在統計分析、模式識別、機器學習及資料庫技術等基礎上發展起來的一門獨立學科。該新興學科具有很強的理論性和實用性，其套用價值體現在：與包括生物醫學在內的其他學科相結合，為這些學科的發展提供了新穎的研究方法。
本書適合於醫學院校本科生及研究生、醫學基礎科研及臨床科研工作者、生物醫學工程專業學生及技術人員作為教材及參考資料使用。
目錄
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 數據挖掘的套用
1.2.1 套用
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數據預處理
2.2.1 數據預處理的目的
2.2.2 數據的分布特性
2.2.3數據清洗
2.2.4 數據整合
2.2.5數據變換
2.2.6 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 人工神經網路
3.2.4 回歸樹
3.3 回歸分析的套用一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 回歸分析的套用一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 關聯規則
4.1 關聯規則的功能
4.1.1 關聯規則的定義
4.1.2 關聯規則的質量和重要性
4.2 關聯規則的分析方法
4.2.1 關聯規則分析的基本方法
4.2.2 剪枝和合併
4.3 關聯規則的套用——睹尿病患者的篩查
4.3.1 研究目的分析
4.3.2 數據採集及預處理
4.3.3 數據挖掘與分析
4.4 關聯規則的套用一院內感染監測控制
4.4.1 研究目的分析
4.4.2 數據採集及預處理
4.4.3 數據挖掘與分析
第五章 時間序列分析
5.1 時間序列分析的功能
5.1.1 什麼是時間序列數據
5.1.2 時間序列分析的功能
5.2 時間序列分析的方法
5.2.1 時間序列數據的精簡和變換
5.2.2 時間序列數據的趨勢分析
5.2.3 時間序列數據中的相似性
5.3 時間序列分析的套用——I型糖尿病患者血糖水平變化規律
5.3.1 研究目標分析
5.3.2 數據的採集、處理及挖掘
第六章 序列分析
6.1 序列分析的功能
6.1.1 序列數據的基本概念
6.1.2 序列數據分析的功能
6.2 生物醫學中的序列分析方法
6.2.1 生物醫學中的序列數據
6.2.2 生物醫學序列數據的比對
6.3 序列分析的套用一妊娠期藥物副作用研究
6.3.1 研究目標分析
6.3.2 數據採集及預處理
6.3.3 數據挖掘與分析
第七章 分類
7.1 分類的功能
7.1.1 分類的定義和功能
7.1.2 分類的一般方法
7.2 分類的方法
7.2.1 分類方法的關鍵技術
7.2.2 特徵屬性的選擇
7.2.3 分類器的選擇
7.3 分類的套用一冠心病預測
7.3.1 研究目標
7.3.2 數據採集與處理
7.3.3 數據挖掘與分析
7.4 分類的套用一失語症分類
7.4.1 研究目標
7.4.2 數據採集與處理
7.4.3 數據挖掘與分析
第八章 聚類分析
8.1 聚類分析的功能
8.1.1 聚類分析的定義和作用
8.1.2 聚類分析中的相似性度量
8.2 聚類分析的方法
8.2.1 聚類分析方法
8.2.2 高維特徵空間中的聚類
8.3 聚類分析的套用——住院患者人群分類
8.3.1 研究目標
8.3.2 數據採集與處理
8.3.3 數據挖掘與分析
第九章 數據挖掘軟體
9.1 數據挖掘軟體產品
9.1.1 數據挖掘系統產品
9.1.2 如何選擇數據挖掘軟體
9.2 數據挖掘軟體的運行環境
9.2.1 輸入數據形式
9.2.2 數據輸出形式
9.3 數據挖掘軟體的功能構成
9.3.1 SAS/Enterprise Miner功能簡介
9.3.2 SPSS/CLEMENTINE功能簡介
參考文獻
