基于大數(shù)據(jù)時(shí)代生物醫(yī)學(xué)數(shù)據(jù)的爆炸式增長(zhǎng)，本書(shū)從醫(yī)學(xué)科研中的實(shí)際問(wèn)題出發(fā)，以案例的形式深入淺出地介紹了近年來(lái)嶄新的醫(yī)學(xué)數(shù)據(jù)挖掘技術(shù)，包括決策樹(shù)模型、支持向量機(jī)、森林分類、關(guān)聯(lián)規(guī)則、貝葉斯網(wǎng)絡(luò)構(gòu)建等，并詳細(xì)介紹了數(shù)據(jù)挖掘軟件(SPSS、SAS、R等)的操作步驟，重點(diǎn)突出實(shí)用性和可操作性，以期提高讀者對(duì)醫(yī)學(xué)科研數(shù)據(jù)的深層次處理與分析的能力。 本書(shū)主要取材于編者近年來(lái)從事生物醫(yī)學(xué)數(shù)據(jù)深度挖掘方面的研究與教學(xué)工作內(nèi)容，既適用于醫(yī)學(xué)院校本科生及研究生、醫(yī)學(xué)基礎(chǔ)及臨床科研工作者和相關(guān)技術(shù)人員作為教材，也可作為科學(xué)研究的參考用書(shū)。
(1)內(nèi)容覆蓋面廣，涉及常見(jiàn)的復(fù)雜醫(yī)學(xué)數(shù)據(jù)分析及深層次數(shù)據(jù)挖掘；(2)結(jié)合醫(yī)學(xué)特色，理論聯(lián)系實(shí)際，案例典型，完備詳實(shí)；(3)軟件實(shí)現(xiàn)具體細(xì)致，方便讀者進(jìn)行操作實(shí)踐；(4)避免大量公式及繁瑣計(jì)算，提高實(shí)用性與可操作性；(5)內(nèi)容且有深度，可以為其他領(lǐng)域的研究人員提供參考。
目錄
第1章 數(shù)據(jù)預(yù)處理 1
1.1 異常值的常見(jiàn)處理方法 1
1.2 缺失值的填補(bǔ) 8
第2章 多元線性回歸分析 14
2.1 多元線性回歸的概念 14
2.2 多元線性回歸的模型結(jié)構(gòu) 14
2.3 多元逐步線性回歸 17
第3章 Logistic回歸分析 22
3.1 Logistic回歸分析的基本概念 22
3.2 Logistic回歸的模型結(jié)構(gòu) 22
3.3 應(yīng)用實(shí)例1：一般資料的Logistic回歸 23
3.4 應(yīng)用實(shí)例2：列聯(lián)表資料的Logistic回歸 27
3.5 應(yīng)用實(shí)例3：多項(xiàng)Logistic回歸分析 29
第4章 非線性回歸擬合分析 32
4.1 非線性回歸基本概念 32
4.2 應(yīng)用實(shí)例1：對(duì)新增SARS病例數(shù)的預(yù)測(cè)分析 32
4.3 應(yīng)用實(shí)例2：對(duì)累計(jì)SARS病例數(shù)的預(yù)測(cè)分析 37
第5章 生存分析 41
5.1 生存分析的基本概念 41
5.2 生存分析的資料特點(diǎn) 41
5.3 生存資料的分析方法 42
5.4 應(yīng)用實(shí)例1：累積生存率的計(jì)算 42
5.5 應(yīng)用實(shí)例2：小樣本生存率的Kaplan-Meier估計(jì) 45
5.6 應(yīng)用實(shí)例3：生存曲線比較的Log-rank檢驗(yàn) 47
5.7 應(yīng)用實(shí)例4：Cox回歸 51
5.7.1 Cox模型結(jié)構(gòu)與參數(shù)估計(jì) 51
5.7.2 應(yīng)用實(shí)例：Cox回歸分析 51
第6章 基于競(jìng)爭(zhēng)風(fēng)險(xiǎn)模型的生存分析 56
6.1 競(jìng)爭(zhēng)風(fēng)險(xiǎn)模型 56
6.2 應(yīng)用實(shí)例：競(jìng)爭(zhēng)風(fēng)險(xiǎn)模型的生存分析 56
第7章 Meta分析 62
7.1 Meta分析概述 62
7.2 Meta分析的方法與步驟 62
7.3 應(yīng)用實(shí)例1：二分類資料的Meta分析 63
7.4 應(yīng)用實(shí)例2：連續(xù)資料的Meta分析 71
第8章 劑量-反應(yīng)模型的Meta分析 77
8.1 劑量-反應(yīng)關(guān)系的數(shù)據(jù)結(jié)構(gòu) 77
8.2 線性擬合 78
8.3 非線性擬合-三次曲線擬合 79
第9章 決策樹(shù)模型分析 82
9.1 分類的概念 82
9.2 分類的步驟 82
9.3 分類器性能的評(píng)估 83
9.4 決策樹(shù)分類器簡(jiǎn)介 83
9.5 應(yīng)用實(shí)例：決策樹(shù)分析 85
第10章 隨機(jī)森林法提取特征屬性 88
10.1 隨機(jī)森林方法基本概念 88
10.2 基于平均基尼指數(shù)減少量的特征屬性選擇 88
10.3 應(yīng)用實(shí)例：隨機(jī)森林法提取特征屬性 90
第11章 傾向性得分匹配方法 94
11.1 傾向性得分匹配方法 94
11.2 傾向性得分匹配方法的步驟 94
11.3 應(yīng)用實(shí)例：傾向性得分匹配 95
第12章 用廣義估計(jì)方程分析重復(fù)測(cè)量的定性資料 102
12.1 廣義估計(jì)方程的基本概念 102
12.2 廣義線性模型的結(jié)構(gòu) 102
12.3 GEE算法 103
12.4 應(yīng)用實(shí)例1：重復(fù)測(cè)量的實(shí)驗(yàn)數(shù)據(jù) 103
12.5 應(yīng)用實(shí)例2：?jiǎn)柧碚{(diào)查中的多選題數(shù)據(jù) 105
第13章 基于支持向量機(jī)的微陣列數(shù)據(jù)分類 109
13.1 支持向量機(jī)簡(jiǎn)介 109
13.2 支持向量機(jī)的基本原理 109
13.3 應(yīng)用實(shí)例：支持向量機(jī)分類 111
第14章 時(shí)間序列分析 113
14.1 時(shí)間序列分析的基本概念 113
14.2 時(shí)間序列分析的主要步驟 113
14.3 應(yīng)用實(shí)例：時(shí)間序列分析 114
第15章 路徑圖分析 118
15.1 路徑圖分析基本理論 118
15.2 路徑圖分析的基本步驟 118
15.3 應(yīng)用實(shí)例：路徑圖分析 119
15.3.1 及時(shí)個(gè)回歸分析 119
15.3.2 第二個(gè)回歸分析 121
15.3.3 第三個(gè)回歸分析 122
第16章 主成分分析與因子分析 124
16.1 主成分分析概念 124
16.2 應(yīng)用實(shí)例1：主成分分析 124
16.3 因子分析概念 129
16.4 應(yīng)用實(shí)例2：因子分析 129
第17章 判別分析 134
17.1 判別分析的概念 134
17.2 常用的判別分析方法 134
17.3 判別函數(shù)的驗(yàn)證 135
17.4 應(yīng)用實(shí)例：判別分析 135
第18章 聚類分析 144
18.1 聚類分析的概念 144
18.2 K均值聚類法 144
18.3 應(yīng)用實(shí)例1：K均值聚類 145
18.4 系統(tǒng)聚類法 148
18.5 應(yīng)用實(shí)例2：系統(tǒng)聚類 149
18.6 繪制雙向聚類熱圖 153
第19章 關(guān)聯(lián)規(guī)則 156
19.1 關(guān)聯(lián)規(guī)則的基本概念 156
19.2 關(guān)聯(lián)規(guī)則的質(zhì)量和重要性 156
19.3 關(guān)聯(lián)規(guī)則分析的基本方法 157
19.4 應(yīng)用實(shí)例：關(guān)聯(lián)規(guī)則分析 157
第20章 兩組ROC曲線下的面積比較 161
20.1 ROC曲線的構(gòu)建 161
20.2 ROC曲線下面積 162
20.3 兩組ROC曲線下面積比較 162
20.4 應(yīng)用實(shí)例：兩組ROC曲線下面積比較 162
第21章 診斷性試驗(yàn)Meta分析 166
21.1 診斷性試驗(yàn)Meta分析基本概念 166
21.2 診斷性試驗(yàn)Meta分析的相關(guān)評(píng)價(jià)指標(biāo) 166
21.3 應(yīng)用實(shí)例：診斷性試驗(yàn)Meta分析 167
第22章 貝葉斯網(wǎng)絡(luò)分析 173
22.1 貝葉斯網(wǎng)絡(luò)的概念 173
22.2 應(yīng)用實(shí)例：貝葉斯網(wǎng)絡(luò)構(gòu)建 174
第23章 偏最小二乘回歸分析 179
23.1 偏最小二乘回歸的基本步驟和原理 179
23.2 應(yīng)用實(shí)例：偏最小二乘回歸分析 180
參考文獻(xiàn) 185
