深度學習與醫(yī)學大數(shù)據(jù)

　　隨著數(shù)據(jù)量的幾何級數(shù)增長，近5年，以數(shù)據(jù)為導(dǎo)向的預(yù)測和因果推斷在學術(shù)界有著巨大的進展。本書將著重討論這兩方面的進展，以及如何應(yīng)用這些成果進行醫(yī)學科學研究。本書前半部分以重癥監(jiān)護治療室患者的數(shù)據(jù)為例介紹如何進行醫(yī)學數(shù)據(jù)的預(yù)處理，如何使用機器學習模型預(yù)測患者的死亡率。本書前半部分的重點在于深度學習，內(nèi)容包括神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識、利用卷積神經(jīng)網(wǎng)絡(luò)分類誘發(fā)電位圖像、利用遞歸神經(jīng)網(wǎng)絡(luò)預(yù)測疾病的復(fù)發(fā)以及利用自編碼算法去除圖像噪音以生**的模擬圖像。本書還涉及基礎(chǔ)醫(yī)學中深度學習的應(yīng)用以及如何解釋機器學習模型。然而，醫(yī)學實踐中往往不只需要預(yù)測某個患者的某項結(jié)局，更需要知道哪些治療能夠改善結(jié)局。本書在神經(jīng)網(wǎng)絡(luò)模型之后將以膿毒癥患者的治療為例介紹強化學習的概念，從而為進入因果推斷搭建橋梁。本書最后2個專題著重討論如何通過因果關(guān)系圖直觀地判斷因果關(guān)系中的混雜因素、如何使用回歸控制混雜因素、如何利用傾向得分控制混雜因素以及如何利用逆概率加權(quán)控制混雜因素。結(jié)合強化學習的概念，最后將討論如何評估隨時間變化的治療，以及如何建立治療策略。本書可作為各級醫(yī)學研究者、醫(yī)學院學生和教師的參考用書。

暫缺《深度學習與醫(yī)學大數(shù)據(jù)》作者簡介