大数据挖掘技术理论与实践(以生物医学案例为例)

本书结合生物医学科学研究的前沿进展，通过若干实例，介绍大数据尤其生物医学大数据的基本概念、大数据思维范式和主要挖掘方法。本书由生物医学领域从事不同专业科学研究的一线高校教师共同完成编写，众位教师各自发挥专业特长，不仅使本书所介绍的专业范围涉及较广，更使各方面都达到一定深度。 本书内容包括大数据基本概念和特征，生理声信号、呼吸慢病、人体生命体征监护信号的大数据挖掘与临床应用，基于视频的精子活动轨迹识别与运动能力的智能分析，冠状动脉造影中血管分割智能算法与临床应用，光声成像重建和临床应用，基于影像组学的医学大数据分析，基于肿瘤患者基因测序或RNA测序的数据进行生存分析，机器学习，食品安全和大数据时代可持续发展等。 本书可作为高等院校相关专业本科生或研究生的教材或参考书，也可供相关科研工作者或广大的大数据爱好者参考。

天津大学精仪学院生物医学工程专业副教授，毕业于南开大学生物信息学专业（南开大学博士和博士后）。在计算机类课程一线教学多年，善于以通俗易懂的方式面向零基础非计算机专业学生授课，多次在各类讲课大赛中获奖。精通C语言、Visual Basic、Windows编程、MS Office等，有20余年编程和软件开发的实践经验。研究领域主要为生物信息学、生物医学工程、系统生物学等，在国内外高水平刊物发表论文50余篇，其中SCI收录40余篇，被引次数高，2015年被英国皇家化学会评为“Top 1%高被引中国作者”。主持国家自然科学基金等5项基金项目，另主持和参与横向基金项目多项。著有《老兵新传：Visual Basic核心编程及通用模块开发》、《C语言其实很简单》、《玩转Office轻松过二级》（由清华大学出版社出版）等。

第1章 大数据和生物医学大数据概述 1.1 大数据概述 1.1.1 什么是大数据 1.1.2 大数据的特征 1.1.3 生活中的大数据 1.1.4 大数据风险 1.2 大数据挖掘 1.2.1 大数据思维变革 1.2.2 大数据时代的十大变化 1.2.3 大数据挖掘的主要技术 1.3 生物医学大数据 1.3.1 生物医学大数据的特点 1.3.2 生物医学大数据面临的主要问题 1.3.3 生物医学大数据的应用实例 1.3.4 生物医学大数据的未来发展方向第2章 生理声信号的大数据挖掘 2.1 生理声信号概述 2.1.1 什么是生理声信号 2.1.2 常见生理声信号 2.1.3 生理声信号研究现状 2.2 基于深度学习的心音智能分析方案 2.2.1 研究背景 2.2.2 数据来源 2.2.3 方案设计 2.2.4 实验结果与分析 2.3 基于肺音的慢性阻塞性肺病严重程度诊断方案 2.3.1 研究背景 2.3.2 数据来源 2.3.3 方案设计 2.3.4 实验结果与分析 2.4 总结与展望 2.4.1 心音信号 2.4.2 肺音信号第3章 呼吸慢病的大数据挖掘与临床应用 3.1 呼吸慢病概述 3.1.1 什么是呼吸慢病 3.1.2 几种常见呼吸慢病的介绍 3.1.3 呼吸慢病研究现状 3.2 基于呼吸变异性数据挖掘的机器学习疾病分类方案 3.2.1 数据来源 3.2.2 方案设计 3.2.3 实验结果与分析 3.2.4 分类性能评估 3.3 基于呼吸变异性特征图谱的深度学习疾病分类方案 3.3.1 方案设计 3.3.2 实验结果与分析 3.4 基于LSTM-CNN的SAHS亚型分类方案 3.4.1 方案设计 3.4.2 实验结果与分析 3.5 呼吸慢病大数据的未来发展方向第4章 人体生命体征监护信号的大数据挖掘 4.1 人体生命体征监护信号 4.2 PhysioNet资源介绍 4.2.1 PhysioNet数据资源 4.2.2 PhysioNet工具资源 4.3 心电信号研究的数据与工具 4.3.1 MIT-BIH心律失常库 4.3.2 心电信号研究工具 4.4 心电信号研究实例 4.4.1 R波检测 4.4.2 HRV分析 4.5 总结与展望第5章 基于视频的精子活动轨迹识别与运动能力的智能分析 5.1 精子活力概述 5.1.1 什么是精子活力 5.1.2 精子活力的分型 5.2 基于深度学习的精子活力分类方案 5.2.1 数据来源 5.2.2 数据预处理 5.2.3 精子计数 5.2.4 运动精子跟踪 5.2.5 运动精子筛选 5.2.6 基于卷积神经网络的精子活力分类 5.3 模型评估 5.3.1 混淆矩阵 5.3.2 ROC曲线 5.4 总结与展望第6章 冠状动脉造影中血管分割智能算法与临床应用 6.1 什么是冠状动脉血管分割 6.1.1 什么是冠心病 6.1.2 冠状动脉血管介绍 6.1.3 冠状动脉造影与血管分割 6.2 基于多尺度的冠状动脉血管分割 6.2.1 数据来源 6.2.2 血管增强：基于多尺度的Hessian矩阵的Frangi血管增强 6.2.3 血管分割：基于多尺度区域生长法的冠状动脉血管分割 6.3 冠状动脉分割算法测试 6.3.1 数据准备：冠状动脉数据下载 6.3.2 冠状动脉血管增强算法测试 6.3.3 冠状动脉血管分割算法测试与结果分析 6.4 总结与展望第7章 基于智能算法的光声成像重建 7.1 光声成像 7.2 匕声成像的数学模型 7.2.1 描述光在生物组织中输运的主要数学模型 7.2.2 光声波在生物组织中传播的波动方程以及求解 7.2.3 光声信号的初始声压重建 7.2.4 光声信号的光学参数重建 7.3 基于智能学习的光声声学重建及图像增强 7.3.1 基于智能学习的声学重建 7.3.2 基于智能学习的图像增强 7.4 基于智能学习的光声光学重建 7.4.1 传统光声成像光学重建方法 7.4.2 基于智能学习模拟域光声成像光学重建 7.4.3 基于智能学习在体组织光声成像光学重建第8章 基于智能算法的光声成像临床应用 8.1 基于智能算法的光声成像模式 8.2 基于智能算法的光声成像组织分割 8.2.1 研究背景 8.2.2 组织分割 8.2.3 血管分割 8.3 基于智能算法的光声成像肿瘤识别 8.3.1 研究背景 8.3.2 方案设计 8.3.3 数据来源 8.3.4 神经网络 8.3.5 识别结果 8.4 基于智能算法的光声成像肿瘤分级 8.4.1 乳腺癌分类分级 8.4.2 早期子宫内膜癌分类分级第9章 基于影像组学的医学大数据分析 9.1 影像组学的基本步骤 9.1.1 图像获取及感兴趣区域勾画 9.1.2 影像组学特征提取 9.1.3 特征筛选 9.1.4 模型建立 9.1.5 模型评估指标 9.2 影像组学的应用及实例 9.2.1 影像组学的应用 9.2.2 基于影像组的乳腺癌非前哨淋巴结转移预测实例 9.3 总结第10章 基于肿瘤患者基因测序或RN