医学信息分析与决策PDF电子书下载

第1章 医学信息分析与决策概论 1

1.1 决策与医学信息决策 2

1.1.1 决策的基本概念 2

1.1.2 医学信息决策 2

1.2 医学信息决策分析 2

1.2.1 医学信息决策的信息源 3

1.2.2 医学信息决策分类 3

1.2.3 医学信息分析与决策 4

1.3 医学信息决策方法概述 5

1.3.1 定性决策方法 5

1.3.2 定量决策方法 6

1.4 数字化的医学信息决策 6

1.4.1 数字化医学信息决策的原因 7

1.4.2 数字化医学信息决策的实现手段 7

1.5 医学信息决策的模式 8

1.6 医学信息分析与决策的发展趋势及挑战 9

本章小结 10

习题 10

第2章 确定型决策分析 13

2.1 什么是确定型决策 14

2.2 盈亏平衡分析法 14

2.2.1 盈亏平衡分析法的相关概念 14

2.2.2 线性盈亏决策模型 15

2.3 库存优化决策模型 17

2.3.1 库存费用分析 17

2.3.2 经济订货批量模型 18

2.4 线性规划决策法 21

2.4.1 线性规划问题 21

2.4.2 线性规划模型的求解 22

本章小结 25

习题 25

第3章 风险型决策分析 27

3.1 风险型决策的期望值准则及其应用 28

3.1.1 风险型决策分析 28

3.1.2 风险型决策分析的损益期望值模型 29

3.2 决策树分析方法 30

3.2.1 决策树基本分析法 31

3.2.2 案例解析 32

3.3 贝叶斯决策分析 34

3.3.1 贝叶斯决策的基本方法 35

3.3.2 贝叶斯决策分析的信息价值 36

3.3.3 贝叶斯决策分析案例 37

本章小结 37

问题讨论 37

习题 38

第4章 不确定型决策分析 41

4.1 不确定型决策的基本概念 42

4.2 几种不确定型决策分析方法案例 42

4.2.1 乐观决策准则 43

4.2.2 悲观决策准则 43

4.2.3 折中决策准则 44

4.2.4 后悔值决策准则 45

4.2.5 等概率决策准则 46

本章小结 46

问题讨论 47

习题 47

第5章 马尔可夫预测与决策 51

5.1 基本概念 52

5.1.1 随机过程与马尔可夫过程 52

5.1.2 马尔可夫链 53

5.2 状态转移矩阵 54

5.2.1 一步状态转移矩阵 54

5.2.2 k步状态转移矩阵 55

5.2.3 稳态概率 57

5.3 马尔可夫过程决策应用实例 59

5.3.1 市场占有率预测与决策 59

5.3.2 期望利润预测与决策 61

本章小结 66

习题 66

第6章 多指标决策 69

6.1 多指标决策概述 70

6.1.1 多指标决策的基本概念 70

6.1.2 多指标决策的特点 70

6.1.3 多指标决策的解 71

6.2 决策指标的标准化处理 71

6.2.1 定性指标的量化 71

6.2.2 不同量纲指标的标准化 72

6.3 决策指标权重的确定 75

6.3.1 德尔菲法 75

6.3.2 相对比较法 76

6.3.3 熵值法 76

6.4 多指标决策方法 78

6.4.1 简单线性加权法 78

6.4.2 理想解法 79

6.5 多指标决策应用案例 81

本章小结 84

习题 85

第7章 层次分析法 89

7.1 层次分析法的基本原理 90

7.2 层次分析法的基本步骤 90

7.2.1 建立层次分析结构模型 90

7.2.2 构造两两比较矩阵 92

7.2.3 判断矩阵的一致性检验 94

7.3 判断矩阵排序的计算 96

7.3.1 单一准则下的排序 96

7.3.2 层次总排序 97

7.4 层次分析法应用实例 97

7.4.1 构造层次分析结构 97

7.4.2 构造判断矩阵 98

7.4.3 计算权重系数及一致性检验 98

7.4.4 层次分析法在Excel上实现的过程 101

本章小结 103

习题 103

第8章 关联规则 107

8.1 关联规则概述 108

8.1.1 啤酒与尿布 108

8.1.2 基本概念与规则度量 108

8.2 关联规则算法 110

8.2.1 关联规则挖掘过程 110

8.2.2 Apriori算法 110

8.2.3 关联规则分类 114

8.3 关联规则应用案例 114

本章小结 116

习题 116

第9章 粗糙集方法与应用 121

9.1 粗糙集理论的基本概念 122

9.1.1 信息表与决策表 122

9.1.2 不可区分与知识划分 123

9.1.3 知识粒度与相对粒度 125

9.2 基于粗糙集的决策表属性约简 126

9.2.1 基于相对粒度的属性约简概念 126

9.2.2 基于相对粒度的属性约简算法 128

9.2.3 属性约简算法的SQL查询语句实现 129

9.3 医学诊断过程中的临床症状分析 130

9.3.1 数据准备 131

9.3.2 建立Excel电子表格 132

9.3.3 Excel软件中属性约简求解步骤 132

习题 135

第10章 人工神经网络 137

10.1 人工神经网络概述 138

10.1.1 生物神经网络简介 138

10.1.2 人工神经网络简介 139

10.2 人工神经网络的结构及工作原理 141

10.2.1 人工神经元模型 141

10.2.2 B-P神经网络 142

10.2.3 神经网络的学习方法 144

10.3 人工神经网络应用实例 145

习题 151

第11章 聚类分析 153

11.1 聚类分析相关概念 154

11.1.1 什么是聚类分析 154

11.1.2 相似性度量 154

11.1.3 类的定义与类间距离 155

11.1.4 类间距离度量方法 156

11.1.5 聚类的准则函数 156

11.2 聚类分析算法 157

11.2.1 聚类分析算法分类 157

11.2.2 聚类分析的常用算法 158

11.2.3 孤立点分析 162

11.3 聚类分析应用举例 162

11.3.1 聚类分析在医疗领域应用概述 162

11.3.2 聚类分析在医疗领域的应用案例 162

本章小结 168

习题 169

第12章 模糊决策 173

12.1 模糊决策的基本概念 174

12.1.1 模糊现象与模糊集合 174

12.1.2 隶属函数 175

12.1.3 模糊集合的运算 175

12.1.4 模糊集合的性质 176

12.1.5 λ截集与λ-截矩阵 176

12.2 模糊决策的方法 177

12.2.1 意见集中法 177

12.2.2 二元对比法 180

12.3 模糊决策应用案例 183

本章小结 185

习题 186

第13章 时间序列分析与预测 189

13.1 时间序列的基本概念 190

13.1.1 时间序列的种类 190

13.1.2 时间序列的编制原则 190

13.1.3 时间序列的基本分析 191

13.1.4 时间序列的分解与基本特征 193

13.2 时间序列的基本模型 194

13.2.1 确定性时间序列模型 194

13.2.2 随机性时间序列模型 196

13.3 时间序列分析与预测应用案例 198

本章小结 203

问题讨论 204

习题 204

第14章 计算机仿真决策 207

14.1 仿真决策的基本概念和模型构建 208

14.1.1 随机数产生器 210

14.1.2 生成服从离散概率分布的数值 211

14.1.3 生成服从连续概率分布的数值 213

14.1.4 仿真模型的构造 214

14.2 仿真模型的运用 217

14.2.1 利用样本数据进行分析 217

14.2.2 仿真决策与最优化问题 218

14.2.3 仿真决策的典型用途 219

14.3 案例分析 220

14.3.1 试验药品进药量调整的问题分析 220

14.3.2 合成药品进货问题的仿真模型 221

14.3.3 完成仿真模型的构造 221

14.3.4 对样本数据进行分析 222

本章小结 223

习题 224

参考文献 227