大數據挖掘技術理論與實踐——以生物醫學案例為例

目錄  

第1章大數據和生物醫學大數據概述1

1.1大數據概述1

1.1.1什麼是大數據1

1.1.2大數據的特征2

1.1.3生活中的大數據6

1.1.4大數據風險9

1.2大數據挖掘11

1.2.1大數據思維變革11

1.2.2大數據時代的十大變化13

1.2.3大數據挖掘的主要技術14

1.3生物醫學大數據18

1.3.1生物醫學大數據的特點18

1.3.2生物醫學大數據面臨的主要問題20

1.3.3生物醫學大數據的應用實例20

1.3.4生物醫學大數據的未來發展方向24

第2章生理聲信號的大數據挖掘26

2.1生理聲信號概述26

2.1.1什麼是生理聲信號26

2.1.2常見生理聲信號26

2.1.3生理聲信號研究現狀27

2.2基於深度學習的心音智能分析方案30

2.2.1研究背景30

2.2.2數據來源31

2.2.3方案設計32

2.2.4實驗結果與分析38

2.3基於肺音的慢性阻塞性肺病嚴重程度診斷方案40

2.3.1研究背景40

2.3.2數據來源41

2.3.3方案設計41

2.3.4實驗結果與分析42

2.4總結與展望48

2.4.1心音信號48

2.4.2肺音信號48

第3章呼吸慢病的大數據挖掘與臨床應用50

3.1呼吸慢病概述50

3.1.1什麼是呼吸慢病50

3.1.2幾種常見呼吸慢病的介紹50

3.1.3呼吸慢病研究現狀52

3.2基於呼吸變異性數據挖掘的機器學習疾病分類方案53

3.2.1數據來源53

3.2.2方案設計54

3.2.3實驗結果與分析56

3.2.4分類性能評估57

3.3基於呼吸變異性特征圖譜的深度學習疾病分類方案60

3.3.1方案設計60

3.3.2實驗結果與分析62

3.4基於LSTMCNN的SAHS亞型分類方案63

3.4.1方案設計63

3.4.2實驗結果與分析65

3.5呼吸慢病大數據的未來發展方向68

第4章人體生命體征監護信號的大數據挖掘69

4.1人體生命體征監護信號69

4.2PhysioNet資源介紹71

4.2.1PhysioNet數據資源71

4.2.2PhysioNet工具資源72

4.3心電信號研究的數據與工具73

4.3.1MITBIH心律失常庫73

4.3.2心電信號研究工具75

4.4心電信號研究實例75

4.4.1R波檢測75

4.4.2HRV分析78

4.5總結與展望80

第5章基於視頻的精子活動軌跡識別與運動能力的智能分析81

5.1精子活力概述81

5.1.1什麼是精子活力81

5.1.2精子活力的分型81

5.2基於深度學習的精子活力分類方案82

5.2.1數據來源82

5.2.2數據預處理83

5.2.3精子計數84

5.2.4運動精子跟蹤84

5.2.5運動精子篩選90

5.2.6基於卷積神經網絡的精子活力分類94

5.3模型評估98

5.3.1混淆矩陣98

5.3.2ROC曲線99

5.4總結與展望100

第6章冠狀動脈造影中血管分割智能算法與臨床應用101

6.1什麼是冠狀動脈血管分割101

6.1.1什麼是冠心病101

6.1.2冠狀動脈血管介紹102

6.1.3冠狀動脈造影與血管分割103

6.2基於多尺度的冠狀動脈血管分割105

6.2.1數據來源105

6.2.2血管增強: 基於多尺度的Hessian矩陣的Frangi血管增強105

6.2.3血管分割: 基於多尺度區域生長法的冠狀動脈血管分割108

6.3冠狀動脈分割算法測試109

6.3.1數據準備: 冠狀動脈數據下載109

6.3.2冠狀動脈血管增強算法測試110

6.3.3冠狀動脈血管分割算法測試與結果分析112

6.4總結與展望114

第7章基於智能算法的光聲成像重建116

7.1光聲成像116

7.2光聲成像的數學模型117

7.2.1描述光在生物組織中輸運的主要數學模型117

7.2.2光聲波在生物組織中傳播的波動方程以及求解119

7.2.3光聲信號的初始聲壓重建120

7.2.4光聲信號的光學參數重建122

7.3基於智能學習的光聲聲學重建及圖像增強124

7.3.1基於智能學習的聲學重建125

7.3.2基於智能學習的圖像增強130

7.4基於智能學習的光聲光學重建133

7.4.1傳統光聲成像光學重建方法133

7.4.2基於智能學習模擬域光聲成像光學重建134

7.4.3基於智能學習在體組織光聲成像光學重建134

第8章基於智能算法的光聲成像臨床應用140

8.1基於智能算法的光聲成像模式140

8.2基於智能算法的光聲成像組織分割140

8.2.1研究背景140

8.2.2組織分割141

8.2.3血管分割145

8.3基於智能算法的光聲成像腫瘤識別148

8.3.1研究背景148

8.3.2方案設計148

8.3.3數據來源148

8.3.4神經網絡150

8.3.5識別結果151

8.4基於智能算法的光聲成像腫瘤分級153

8.4.1乳腺癌分類分級153

8.4.2早期子宮內膜癌分類分級157

第9章基於影像組學的醫學大數據分析161

9.1影像組學的基本步驟161

9.1.1圖像獲取及感興趣區域勾畫161

9.1.2影像組學特征提取163

9.1.3特征篩選167

9.1.4模型建立168

9.1.5模型評估指標169

9.2影像組學的應用及實例170

9.2.1影像組學的應用170

9.2.2基於影像組的乳腺癌非前哨淋巴結轉移預測實例171

9.3總結176

第10章基於腫瘤患者基因測序或RNA測序的數據進行生存分析177

10.1基因測序與RNA測序177

10.1.1基因測序177

10.1.2RNA測序178

10.1.3生存分析178

10.2R語言實現基於腫瘤患者RNA測序數據的生存分析182

10.2.1TCGA數據庫182

10.2.2R語言環境191

10.2.3安裝需要的包191

10.2.4載入數據191

10.2.5數據處理193

10.2.6生存分析196

10.3總結與展望201

第11章機器學習與生物醫學大數據202

11.1機器學習簡介202

11.2R語言簡介202

11.3K近鄰算法203

11.4深度學習210

11.5總結214

第12章大數據守衛“舌尖上的安全”215

12.1食品安全大數據215

12.1.1食品安全大數據特征215

12.1.2食品安全的數據收集217

12.1.3食品安全大數據可視化218

12.2食品安全溯源219

12.2.1食品安全追溯系統的技術構成219

12.2.2食品安全追溯系統的技術優勢220

12.2.3國內食品安全溯源現狀220

12.3大數據與食品安全預警221

12.3.1食品安全預警體系221

12.3.2數據挖掘技術在食品安全預警的應用221

12.4大數據時代的食品安全智能化監管機制223

12.4.1傳統食品安全監管模式223

12.4.2大數據技術在食品監管中的應用223

12.5案例: 貴州大數據——食品安全雲224

12.5.1利用輿情監測系統、檢測平臺、大眾交流平臺進行風險監測、

預警及風險交流225

12.5.2利用風險分析方法進行監管風險預警225

第13章大數據時代的可持續發展230

13.1環境保護大數據解決方案230

13.1.1大數據對可持續發展的意義230

13.1.2環境大數據面臨的挑戰231

13.2環境保護大數據應用案例232

13.2.1大數據養活人類232

13.2.2大數據監測地下水237