編輯推薦:

內(nèi)容簡介:　　《醫(yī)學(xué)大數(shù)據(jù)應(yīng)用概論》是繼2015年中國醫(yī)科大學(xué)計算機(jī)教研室編寫的《醫(yī)學(xué)大數(shù)據(jù)挖掘與應(yīng)用》之后的又一本面向大數(shù)據(jù)在醫(yī)學(xué)領(lǐng)域應(yīng)用的教材?！夺t(yī)學(xué)大數(shù)據(jù)應(yīng)用概論/普通高等教育“十三五”規(guī)劃教材》遵循定義、特征、技術(shù)流程和醫(yī)學(xué)應(yīng)用典型案例分析的邏輯，抽絲剝繭，由易到難，有助于讀者理解和掌握大數(shù)據(jù)技術(shù)?！夺t(yī)學(xué)大數(shù)據(jù)應(yīng)用概論/普通高等教育“十三五”規(guī)劃教材》應(yīng)用案例圍繞醫(yī)學(xué)大數(shù)據(jù)及其相關(guān)應(yīng)用這一主線，遞進(jìn)展開，內(nèi)容具體，過程詳盡，并且具有一定的操作性，既方便教師教學(xué)，又能引起讀者自主學(xué)習(xí)的興趣，加深對知識的理解，以及對學(xué)習(xí)效果的檢驗。
　　《醫(yī)學(xué)大數(shù)據(jù)應(yīng)用概論/普通高等教育“十三五”規(guī)劃教材》可作為醫(yī)學(xué)院校本科生、研究生的教學(xué)用書，也可供醫(yī)學(xué)從業(yè)人員，尤其是致力于醫(yī)學(xué)數(shù)據(jù)處理的人員自學(xué)和參考。

作者簡介:

目錄:第1章 大數(shù)據(jù)概論
1．1 大數(shù)據(jù)技術(shù)概述
1．1．1 太數(shù)據(jù)的主要來源
1．1．2 大數(shù)據(jù)的核心
1．1．3 大數(shù)據(jù)的處理流程
1．1．4 大數(shù)據(jù)的結(jié)構(gòu)類型
1．1．5 大數(shù)據(jù)的基本特征
1．2 大數(shù)據(jù)的技術(shù)架構(gòu)
1．3 大數(shù)據(jù)分析的4種典型工具
1．4 大數(shù)據(jù)未來的發(fā)展趨勢
1．4．1 數(shù)據(jù)資源化
1．4．2 數(shù)據(jù)科學(xué)和數(shù)據(jù)共享
1．4．3 大數(shù)據(jù)的隱私和安全問題
1．4．4 開源軟件
1．4．5 大數(shù)據(jù)對生活的影響
1．5 大數(shù)據(jù)在醫(yī)學(xué)領(lǐng)域的應(yīng)用
1．5．1 臨床操作
1．5．2 付款／定價
1．5．3 研發(fā)
1．5．4 新的商業(yè)模式
1．5．5 公眾健康
本章小結(jié)
習(xí)題1

第2章 醫(yī)學(xué)大數(shù)據(jù)采集
2．1 大數(shù)據(jù)采集概述
2．1．1 大數(shù)據(jù)的采集
2．1．2 醫(yī)學(xué)大數(shù)據(jù)的數(shù)據(jù)來源
2．2 醫(yī)學(xué)大數(shù)據(jù)采集的實現(xiàn)
2．2．1 醫(yī)學(xué)大數(shù)據(jù)采集的方法
2．2．2 網(wǎng)絡(luò)爬蟲采集的實現(xiàn)
本章小結(jié)
習(xí)題2

第3章 大數(shù)據(jù)分析
3．1 大數(shù)據(jù)分析概述
3．1．1 大數(shù)據(jù)分析簡介
3．1．2 大數(shù)據(jù)分析的研究方向
3．2 大數(shù)據(jù)分析的主要技術(shù)
3．2．1 深度學(xué)習(xí)
3．2．2 知識計算
3．3 大數(shù)據(jù)分析處理系統(tǒng)
3．3．1 批量數(shù)據(jù)及其分析處理系統(tǒng)
3．3．2 流式數(shù)據(jù)及其分析處理系統(tǒng)
3．3．3 交互式數(shù)據(jù)及其分析處理系統(tǒng)
3．3．4 圖數(shù)據(jù)及其分析處理系統(tǒng)
3．4 大數(shù)據(jù)分析在醫(yī)學(xué)領(lǐng)域的應(yīng)用
本章小結(jié)
習(xí)題3

第4章 大數(shù)據(jù)可視化
4．1 大數(shù)據(jù)可視化概述
4．2 大數(shù)據(jù)可視化工具
本章小結(jié)
習(xí)題4

第5章 Hadoop
5．1 Hadoop概述
5．1．1 Hadoop的概念和核心架構(gòu)
5．1．2 Hadoop的數(shù)據(jù)處理流程
5．1．3 Hadoop的功能
5．2 Hadoop的實現(xiàn)方法
5．3 Hadoop在醫(yī)學(xué)領(lǐng)域的應(yīng)用
本章小結(jié)
習(xí)題5

第6章 HDFS和Common
6．1 HDFS概述
6．1．1 HDFS的相關(guān)概念和特征
6．1．2 HDFS的體系結(jié)構(gòu)
6．1．3 HDFS的工作原理
6．2 Common概述
6．3 HDFS在醫(yī)學(xué)領(lǐng)域的應(yīng)用
本章小結(jié)
習(xí)題6

第7章 MapRedLice
7．1 MapReduce概述
7．1．1 MapReduce的概念
7．1．2 MapReduce的內(nèi)涵、特征和局限性
7．2 MapReduce的架構(gòu)和工作流程
7．2．1 MapReduce的架構(gòu)
7．2．2 MapReduce的工作流程
7．3 Map和Reduce的工作原理
7．4 MapRedLuce在醫(yī)學(xué)領(lǐng)域的應(yīng)用
本章小結(jié)
習(xí)題7

第8章 NOSQL
8．1 NoSOL的概念和特點
8．2 NoSOL的技術(shù)基礎(chǔ)
8．2．1 大數(shù)據(jù)的一致性策略
8．2．2 大數(shù)據(jù)的分區(qū)技術(shù)和放置策略
8．2．3 大數(shù)據(jù)的復(fù)制和容錯技術(shù)
8．2．4 大數(shù)據(jù)的緩存技術(shù)
8．3 NoSQL的類型
8．3．1 鍵值存儲
8．3．2 面向列存儲
8．3．3 面向文檔存儲
8．3．4 面向圖形存儲
8．4 典型的NoSQL工具和醫(yī)學(xué)應(yīng)用
8．4．1 Redis
8．4．2 HBase
8．4．3 MongoDB
本章小結(jié)
習(xí)題8

第9章 Spark
9．1 Spark平臺
9．1．1 Spark的概念
9．1．2 Spark的發(fā)展
9．1．3 Spark的優(yōu)點
9．1．4 Spark的速度比Hadoop快的原因
9．2 Spark生態(tài)系統(tǒng)
9．2．1 ClusterManager和DataManager
9．2．2 SparkRuntime
9．2．3 高層的應(yīng)用模塊
9．3 Spark在醫(yī)學(xué)領(lǐng)域的應(yīng)用
9．3．1 Spark在醫(yī)學(xué)領(lǐng)域的應(yīng)用場景
9．3．2 使用Scala語言開發(fā)Spark醫(yī)學(xué)應(yīng)用程序
本章小結(jié)
習(xí)題9

第10章 云計算與大數(shù)據(jù)
10．1 云計算概述
10．1．1 云計算的概念
10．1．2 云計算和大數(shù)據(jù)的關(guān)系
10．1．3 云計算的服務(wù)模式
10．2 云計算的核心技術(shù)
10．2．1 虛擬化技術(shù)
10．2．2 資源池化技術(shù)
10．2．3 云計算的部署模式
10．3 云計算在醫(yī)學(xué)領(lǐng)域的應(yīng)用
10．3．1 醫(yī)療云
10．3．2 移動醫(yī)療健康服務(wù)云
10．3．3 醫(yī)學(xué)科研分析服務(wù)云
本章小結(jié)
習(xí)題10

第11章 大數(shù)據(jù)在醫(yī)療領(lǐng)域的應(yīng)用
11．1 大數(shù)據(jù)在臨床操作領(lǐng)域的應(yīng)用
11．1．1 比較效果研究
11．1．2 臨床決策支持系統(tǒng)
11．1．3 醫(yī)療數(shù)據(jù)透明
11．1．4 遠(yuǎn)程患者監(jiān)控
11．1．5 電子病歷分析
11．2 大數(shù)據(jù)在醫(yī)藥及其支付領(lǐng)域的應(yīng)用
11．2．1 多種自動化系統(tǒng)
11．2．2 基于衛(wèi)生經(jīng)濟(jì)學(xué)和療效研究的定價計劃
11．3 大數(shù)據(jù)在醫(yī)療研發(fā)領(lǐng)域的應(yīng)用
11．3．1 預(yù)測建模
11．3．2 臨床試驗的設(shè)計及數(shù)據(jù)分析
11．3．3 個性化治療
11．3．4 疾病模式分析
11．4 大數(shù)據(jù)在新的醫(yī)療商業(yè)模式的應(yīng)用
11．4．1 匯總患者的臨床記錄和醫(yī)療保險數(shù)據(jù)集
11．4．2 網(wǎng)絡(luò)平臺和社區(qū)
11．5 大數(shù)據(jù)在公眾健康領(lǐng)域的應(yīng)用
本章小結(jié)
習(xí)題11
參考文獻(xiàn)