書(shū)馨卡幫你省薪 2024個(gè)人購(gòu)書(shū)報(bào)告 2024中圖網(wǎng)年度報(bào)告
歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >
醫(yī)療大數(shù)據(jù)與機(jī)器學(xué)習(xí)

醫(yī)療大數(shù)據(jù)與機(jī)器學(xué)習(xí)

出版社：清華大學(xué)出版社出版時(shí)間：2023-09-01
開(kāi)本： 其他 頁(yè)數(shù)： 188
中 圖 價(jià):¥82.6(7.0折) 定價(jià)  ¥118.0 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車(chē) 收藏
運(yùn)費(fèi)6元，滿(mǎn)39元免運(yùn)費(fèi)
?新疆、西藏除外
本類(lèi)五星書(shū)更多>

醫(yī)療大數(shù)據(jù)與機(jī)器學(xué)習(xí) 版權(quán)信息

醫(yī)療大數(shù)據(jù)與機(jī)器學(xué)習(xí) 本書(shū)特色

本書(shū)圍繞醫(yī)療大數(shù)據(jù)挖掘中的熱點(diǎn)問(wèn)題，展開(kāi)深入的理論與應(yīng)用研究，可有效地輔助醫(yī)學(xué)診斷。有助于減少專(zhuān)業(yè)醫(yī)師的培訓(xùn)成本，為醫(yī)學(xué)診斷提供有效的輔助工具，進(jìn)而改善醫(yī)療資源分配不均的現(xiàn)象，并為人類(lèi)的生命健康做出重要貢獻(xiàn)。

醫(yī)療大數(shù)據(jù)與機(jī)器學(xué)習(xí) 內(nèi)容簡(jiǎn)介

主要研究?jī)?nèi)容與特色： (1) 利用文本挖掘和專(zhuān)家經(jīng)驗(yàn)構(gòu)建機(jī)器學(xué)習(xí)關(guān)鍵問(wèn)題分析框架，總結(jié)機(jī)器學(xué)習(xí)在醫(yī)療大數(shù)據(jù)挖掘中面臨的若干關(guān)鍵問(wèn)題。 (2) 利用簡(jiǎn)約核構(gòu)建面向不完整視角問(wèn)題的高效機(jī)器學(xué)習(xí)方法。 (3) 利用非對(duì)稱(chēng)損失函數(shù)構(gòu)建面向類(lèi)別不平衡問(wèn)題的機(jī)器學(xué)習(xí)與深度學(xué)習(xí)方法。讀者對(duì)象： 從事人工智能、機(jī)器學(xué)習(xí)、醫(yī)療大數(shù)據(jù)分析方向的學(xué)術(shù)界與工業(yè)界的相關(guān)人士。 （4）圍繞不完整視角與類(lèi)別不平衡這兩個(gè)關(guān)鍵問(wèn)題展開(kāi)深入研究，有效提升了醫(yī)學(xué)診斷的決策效率。

醫(yī)療大數(shù)據(jù)與機(jī)器學(xué)習(xí) 目錄

第1章　醫(yī)療大數(shù)據(jù)挖掘 1
1.1?醫(yī)療大數(shù)據(jù) 1
1.2　醫(yī)療大數(shù)據(jù)文獻(xiàn)分析 4
1.2.1　數(shù)據(jù)準(zhǔn)備 4
1.2.2　文本挖掘 5
1.2.3　專(zhuān)家經(jīng)驗(yàn) 5
1.3　挖掘現(xiàn)狀與關(guān)鍵問(wèn)題 10
1.3.1　醫(yī)學(xué)圖像分類(lèi) 10
1.3.2　醫(yī)學(xué)圖像檢測(cè) 17
1.3.3　醫(yī)學(xué)圖像分割 20
1.3.4　醫(yī)學(xué)圖像生成 23
1.3.5　關(guān)鍵問(wèn)題 25
第2章　機(jī)器學(xué)習(xí)問(wèn)題 28
2.1　二分類(lèi)問(wèn)題 28
2.2　多分類(lèi)問(wèn)題 29
2.3　多標(biāo)簽分類(lèi)問(wèn)題 30
2.4　多視角分類(lèi)問(wèn)題 31
2.5　多示例分類(lèi)問(wèn)題 31
2.6　多任務(wù)分類(lèi)問(wèn)題 33
2.7　遷移學(xué)習(xí)問(wèn)題 34
2.8　弱監(jiān)督分類(lèi)問(wèn)題 34
2.9　數(shù)據(jù)生成問(wèn)題 35
第3章　機(jī)器學(xué)習(xí)方法 37
3.1　傳統(tǒng)機(jī)器學(xué)習(xí)方法 37
3.1.1　k近鄰 37
3.1.2　樸素貝葉斯 38
3.1.3　決策樹(shù) 40
3.1.4　隨機(jī)森林 41
3.1.5　自適應(yīng)增強(qiáng) 41
3.1.6　支持向量機(jī) 42
3.2　深度學(xué)習(xí)方法 44
3.2.1　CNN 44
3.2.2　RNN 46
3.2.3　GAN 46
第4章　多視角學(xué)習(xí) 48
4.1　多視角學(xué)習(xí)方法 48
4.1.1　基于完整視角的學(xué)習(xí)方法 48
4.1.2　基于不完整視角的學(xué)習(xí)方法 50
4.2　基礎(chǔ)模型 53
4.2.1　RSVM 53
4.2.2　PSVM-2V 54
4.3　RPSVM-2V 55
4.4　理論分析 58
4.5　拓展模型 60
4.5.1　RSVM-2K 60
4.5.2　RMKL 62
4.6　實(shí)驗(yàn)分析 64
4.6.1　實(shí)驗(yàn)設(shè)置 64
4.6.2　實(shí)驗(yàn)結(jié)果 65
4.6.3　參數(shù)敏感性分析 71
4.6.4　譜分析 74
第5章　類(lèi)別不平衡學(xué)習(xí)（一） 77
5.1　類(lèi)別不平衡學(xué)習(xí)方法 77
5.1.1　采樣 77
5.1.2　代價(jià)敏感學(xué)習(xí) 78
5.1.3　集成學(xué)習(xí) 79
5.2　DEC 81
5.3　修正Stein損失函數(shù) 81
5.4　CSMS 83
5.5　理論分析 86
5.6　模型優(yōu)化 86
5.7　實(shí)驗(yàn)分析 88
5.7.1　實(shí)驗(yàn)設(shè)置 88
5.7.2　實(shí)驗(yàn)結(jié)果 89
5.7.3　參數(shù)敏感性分析 93
5.7.4　收斂性分析 93
第6章　類(lèi)別不平衡學(xué)習(xí)（二） 98
6.1　v-SVM 98
6.2　LINEX損失函數(shù) 99
6.3　v-CSSVM 99
6.4　理論分析 101
6.5　模型優(yōu)化 102
6.5.1　ADMM 102
6.5.2　GD 104
6.6　實(shí)驗(yàn)分析 105
6.6.1　實(shí)驗(yàn)設(shè)置 105
6.6.2　實(shí)驗(yàn)結(jié)果 106
6.6.3　參數(shù)敏感性分析 109
6.6.4　收斂性分析 110
第7章　類(lèi)別不平衡學(xué)習(xí)（三） 113
7.1　深度學(xué)習(xí)中的類(lèi)別不平衡損失函數(shù) 113
7.1.1　WCE 114
7.1.2　FL 114
7.1.3　其他 115
7.2　深度LINEX損失函數(shù) 116
7.2.1　BC-LINEX 116
7.2.2　MC-LINEX 117
7.2.3　損失函數(shù)比較 119
7.3　模型優(yōu)化 120
7.3.1　BC-LINEX權(quán)重更新 120
7.3.2　MC-LINEX權(quán)重更新 121
7.4　實(shí)驗(yàn)分析 122
7.4.1　實(shí)驗(yàn)設(shè)置 122
7.4.2　實(shí)驗(yàn)結(jié)果 125
7.4.3　參數(shù)敏感性分析 130
附錄A 132
A.1　定理4.1證明 132
A.2　定理4.2證明 132
A.3　第4章附表 135
附錄B 148
B.1　第5章附表 148
附錄C 150
C.1　定理6.1證明 150
C.2　第6章附表 152
參考文獻(xiàn) 155
展開(kāi)全部

醫(yī)療大數(shù)據(jù)與機(jī)器學(xué)習(xí) 作者簡(jiǎn)介

付賽際，北京郵電大學(xué)講師。研究方向：醫(yī)療大數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)與最優(yōu)化。近年來(lái)在Information Sciences, Knowledge-Based Systems, Information Processing & Management發(fā)表論文10余篇，F(xiàn)任Annals of Data Science編委。參加國(guó)家自然科學(xué)基金面上項(xiàng)目、重點(diǎn)項(xiàng)目若干項(xiàng)。

暫無(wú)評(píng)論……
書(shū)友推薦
本類(lèi)暢銷(xiāo)
返回頂部
中圖網(wǎng)
在線客服