大数据挖掘技术理论与实践——以生物医学案例为例

"从生物医学工程专业国际前沿的科学研究出发，结合实例。
培养生物医学“大数据”意识、学会生物医学“大数据”管理。
注重科教融合时效性，将国家重点研发计划等科研项目成果凝练成教学案例，反哺教学。
突出案例教学特色，基于心电心音等医疗大数据精心设计教学案例，形成产教结合良好互动。
"

"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。
"

目录

第1章大数据和生物医学大数据概述1
1.1大数据概述1
1.1.1什么是大数据1
1.1.2大数据的特征2
1.1.3生活中的大数据6
1.1.4大数据风险9
1.2大数据挖掘11
1.2.1大数据思维变革11
1.2.2大数据时代的十大变化13
1.2.3大数据挖掘的主要技术14
1.3生物医学大数据18
1.3.1生物医学大数据的特点18
1.3.2生物医学大数据面临的主要问题20
1.3.3生物医学大数据的应用实例20
1.3.4生物医学大数据的未来发展方向24
第2章生理声信号的大数据挖掘26
2.1生理声信号概述26
2.1.1什么是生理声信号26
2.1.2常见生理声信号26
2.1.3生理声信号研究现状27
2.2基于深度学习的心音智能分析方案30
2.2.1研究背景30
2.2.2数据来源31
2.2.3方案设计32
2.2.4实验结果与分析38
2.3基于肺音的慢性阻塞性肺病严重程度诊断方案40
2.3.1研究背景40
2.3.2数据来源41
2.3.3方案设计41
2.3.4实验结果与分析42
2.4总结与展望48
2.4.1心音信号48
2.4.2肺音信号48
第3章呼吸慢病的大数据挖掘与临床应用50
3.1呼吸慢病概述50
3.1.1什么是呼吸慢病50
3.1.2几种常见呼吸慢病的介绍50
3.1.3呼吸慢病研究现状52
3.2基于呼吸变异性数据挖掘的机器学习疾病分类方案53
3.2.1数据来源53
3.2.2方案设计54
3.2.3实验结果与分析56
3.2.4分类性能评估57
3.3基于呼吸变异性特征图谱的深度学习疾病分类方案60
3.3.1方案设计60
3.3.2实验结果与分析62
3.4基于LSTMCNN的SAHS亚型分类方案63
3.4.1方案设计63
3.4.2实验结果与分析65
3.5呼吸慢病大数据的未来发展方向68
第4章人体生命体征监护信号的大数据挖掘69
4.1人体生命体征监护信号69
4.2PhysioNet资源介绍71
4.2.1PhysioNet数据资源71
4.2.2PhysioNet工具资源72
4.3心电信号研究的数据与工具73
4.3.1MITBIH心律失常库73
4.3.2心电信号研究工具75
4.4心电信号研究实例75
4.4.1R波检测75
4.4.2HRV分析78
4.5总结与展望80
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81
5.1精子活力概述81
5.1.1什么是精子活力81
5.1.2精子活力的分型81
5.2基于深度学习的精子活力分类方案82
5.2.1数据来源82
5.2.2数据预处理83
5.2.3精子计数84
5.2.4运动精子跟踪84
5.2.5运动精子筛选90
5.2.6基于卷积神经网络的精子活力分类94
5.3模型评估98
5.3.1混淆矩阵98
5.3.2ROC曲线99
5.4总结与展望100
第6章冠状动脉造影中血管分割智能算法与临床应用101
6.1什么是冠状动脉血管分割101
6.1.1什么是冠心病101
6.1.2冠状动脉血管介绍102
6.1.3冠状动脉造影与血管分割103
6.2基于多尺度的冠状动脉血管分割105
6.2.1数据来源105
6.2.2血管增强: 基于多尺度的Hessian矩阵的Frangi血管增强105
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108
6.3冠状动脉分割算法测试109
6.3.1数据准备: 冠状动脉数据下载109
6.3.2冠状动脉血管增强算法测试110
6.3.3冠状动脉血管分割算法测试与结果分析112
6.4总结与展望114
第7章基于智能算法的光声成像重建116
7.1光声成像116
7.2光声成像的数学模型117
7.2.1描述光在生物组织中输运的主要数学模型117
7.2.2光声波在生物组织中传播的波动方程以及求解119
7.2.3光声信号的初始声压重建120
7.2.4光声信号的光学参数重建122
7.3基于智能学习的光声声学重建及图像增强124
7.3.1基于智能学习的声学重建125
7.3.2基于智能学习的图像增强130
7.4基于智能学习的光声光学重建133
7.4.1传统光声成像光学重建方法133
7.4.2基于智能学习模拟域光声成像光学重建134
7.4.3基于智能学习在体组织光声成像光学重建134
第8章基于智能算法的光声成像临床应用140
8.1基于智能算法的光声成像模式140
8.2基于智能算法的光声成像组织分割140
8.2.1研究背景140
8.2.2组织分割141
8.2.3血管分割145
8.3基于智能算法的光声成像肿瘤识别148
8.3.1研究背景148
8.3.2方案设计148
8.3.3数据来源148
8.3.4神经网络150
8.3.5识别结果151
8.4基于智能算法的光声成像肿瘤分级153
8.4.1乳腺癌分类分级153
8.4.2早期子宫内膜癌分类分级157
第9章基于影像组学的医学大数据分析161
9.1影像组学的基本步骤161
9.1.1图像获取及感兴趣区域勾画161
9.1.2影像组学特征提取163
9.1.3特征筛选167
9.1.4模型建立168
9.1.5模型评估指标169
9.2影像组学的应用及实例170
9.2.1影像组学的应用170
9.2.2基于影像组的乳腺癌非前哨淋巴结转移预测实例171
9.3总结176
第10章基于肿瘤患者基因测序或RNA测序的数据进行生存分析177
10.1基因测序与RNA测序177
10.1.1基因测序177
10.1.2RNA测序178
10.1.3生存分析178
10.2R语言实现基于肿瘤患者RNA测序数据的生存分析182
10.2.1TCGA数据库182
10.2.2R语言环境191
10.2.3安装需要的包191
10.2.4载入数据191
10.2.5数据处理193
10.2.6生存分析196
10.3总结与展望201
第11章机器学习与生物医学大数据202
11.1机器学习简介202
11.2R语言简介202
11.3K近邻算法203
11.4深度学习210
11.5总结214
第12章大数据守卫“舌尖上的安全”215
12.1食品安全大数据215
12.1.1食品安全大数据特征215
12.1.2食品安全的数据收集217
12.1.3食品安全大数据可视化218
12.2食品安全溯源219
12.2.1食品安全追溯系统的技术构成219
12.2.2食品安全追溯系统的技术优势220
12.2.3国内食品安全溯源现状220
12.3大数据与食品安全预警221
12.3.1食品安全预警体系221
12.3.2数据挖掘技术在食品安全预警的应用221
12.4大数据时代的食品安全智能化监管机制223
12.4.1传统食品安全监管模式223
12.4.2大数据技术在食品监管中的应用223
12.5案例: 贵州大数据——食品安全云224
12.5.1利用舆情监测系统、检测平台、大众交流平台进行风险监测、
预警及风险交流225
12.5.2利用风险分析方法进行监管风险预警225
第13章大数据时代的可持续发展230
13.1环境保护大数据解决方案230
13.1.1大数据对可持续发展的意义230
13.1.2环境大数据面临的挑战231
13.2环境保护大数据应用案例232
13.2.1大数据养活人类232
13.2.2大数据监测地下水237