大数据医疗PDF电子书下载

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FUER 101

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-NN 110

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-NN 206

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-NN 223

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-BU 238

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／RBR 338

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APP 399

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APP 400

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