0人評分過此書

医疗大数据

出版日期
2015
閱讀格式
PDF
書籍分類
學科分類
ISBN
9787547824269

本館館藏

借閱規則
當前可使用人數 30
借閱天數 14
線上看 0
借閱中 0

計次服務

借閱規則
借閱天數 14
選擇分享方式

推薦本館採購書籍

您可以將喜歡的電子書推薦給圖書館,圖書館會參考讀者意見進行採購

讀者資料
圖書館
* 姓名
* 身分
系所
* E-mail
※ 我們會寄送一份副本至您填寫的Email中
電話
※ 電話格式為 區碼+電話號碼(ex. 0229235151)/ 手機格式為 0900111111
* 請輸入驗證碼
《醫療大資料》的編撰集結了中國醫學科研先鋒人才,首先從醫療資訊化歷史沿革入手,結合大資料時代下的國內外醫療現狀,給出了醫療大資料的基本概念和變革內容。《醫療大資料》的主要內容包括定義、分類、描述、生命週期和技術;其次基於資料視角,研究了醫療大資料資源、醫療大資料安全等問題;然後針對不同場景,羅列了臨床、藥學、中醫、針灸和公共衛生等多種大資料應用實例,解析了區域醫療和健康物聯兩大主題中的大資料服務問題,以此對未來醫療進行了全景式展望。
  • 第1章 医疗的大数据时代
    • 1.1 国内外医疗现状
      • 1.1.1 美国奥巴马医改的原因:医疗保险
      • 1.1.2 医疗体制存在的问题:医患矛盾
    • 1.2 医疗信息化的历史沿革
      • 1.2.1 医疗卫生信息化概念
      • 1.2.2 医疗机构信息化发展
      • 1.2.3 区域医疗信息化建设
    • 1.3 大数据时代的医疗变革
      • 1.3.1 医疗大数据的研究内容
      • 1.3.2 医疗服务的未来:你是自己最好的医生
  • 第2章 医疗大数据基本概念
    • 2.1 医疗大数据定义
    • 2.2 医疗大数据分类
    • 2.3 医疗大数据描述
      • 2.3.1 元数据
      • 2.3.2 本体
    • 2.4 医疗大数据生命周期
    • 参考文献
  • 第3章 医疗大数据资源
    • 3.1 领域内数据资源
      • 3.1.1 电子病历
      • 3.1.2 医学影像
      • 3.1.3 临床检验
      • 3.1.4 医患行为
    • 3.2 行业相关数据资源
      • 3.2.1 医保政务
      • 3.2.2 医学文献
      • 3.2.3 制药行业
      • 3.2.4 医药销售
    • 3.3 学科相关数据资源
      • 3.3.1 生命科学
      • 3.3.2 人口学
      • 3.3.3 环境科学
    • 3.4 互联网数据资源
      • 3.4.1 互联网
      • 3.4.2 社交媒体
    • 参考文献
  • 第4章 医疗大数据技术应用现状
    • 4.1 已有的应用
      • 4.1.1 大数据在医疗行业已有应用概述
      • 4.1.2 大数据在智能医疗中的应用案例
    • 4.2 国内外技术现状
      • 4.2.1 疾病预测与诊断
      • 4.2.2 患者监控及预警
      • 4.2.3 药物警戒
      • 4.2.4 电子病历处理
    • 4.3 面临的挑战
    • 参考文献
  • 第5章 医疗大数据安全
    • 5.1 医疗大数据安全的界定
    • 5.2 人的安全
      • 5.2.1 医生隐私
      • 5.2.2 患者隐私
      • 5.2.3 现有隐私法律法规
      • 5.2.4 医疗数据隐私探讨
    • 5.3 数据安全
      • 5.3.1 数据资源共享
      • 5.3.2 数据资产界定
      • 5.3.3 数据真假判断
    • 参考文献
  • 第6章 医疗大数据技术
    • 6.1 医疗大数据存储与管理技术
      • 6.1.1 分布式存储系统
      • 6.1.2 主要的数据库存储方案
      • 6.1.3 不同数据存储方案的选择
    • 6.2 医疗大数据处理技术
      • 6.2.1 基于并行计算的分布式数据处理技术
      • 6.2.2 分布式流处理技术
      • 6.2.3 内存计算处理技术
    • 6.3 医疗大数据分析与挖掘技术
      • 6.3.1 分析挖掘的工具集
      • 6.3.2 分类挖掘算法
      • 6.3.3 文本挖掘算法
    • 6.4 医疗大数据整合
      • 6.4.1 相关术语标准
      • 6.4.2 居民主索引技术
      • 6.4.3 数据清洗技术
      • 6.4.4 数据质量控制技术
    • 参考文献
  • 第7章 医疗大数据应用开发
    • 7.1 面向医疗大数据应用的逻辑参考架构
    • 7.2 医疗大数据管理层
      • 7.2.1 医疗大数据资源
      • 7.2.2 医疗大数据融合处理
    • 7.3 医疗大数据整合层
    • 7.4 医疗大数据处理层
    • 7.5 医疗大数据应用支撑层
    • 7.6 医疗大数据应用层
  • 第8章 临床大数据应用
    • 8.1 临床大数据综述
      • 8.1.1 定义
      • 8.1.2 特点
    • 8.2 临床大数据应用案例
      • 8.2.1 临床决策支持
      • 8.2.2 自我治疗
      • 8.2.3 临床患者行为管理
    • 参考文献
  • 第9章 药学大数据应用
    • 9.1 药学数据资源
      • 9.1.1 药学数据源
      • 9.1.2 药学数据特征
      • 9.1.3 药学数据常用分析方法和应用方向
    • 9.2 药学大数据应用实例
      • 9.2.1 新药研发中的实践
      • 9.2.2 药学文献挖掘
      • 9.2.3 药品不良反应监测
      • 9.2.4 临床药事大数据分析
    • 参考文献
  • 第10章 中医大数据应用
    • 10.1 中医的大数据契机
      • 10.1.1 中医在现代医学主导下的不足
      • 10.1.2 中医诊疗体系的大数据探索
    • 10.2 中医数据资源
      • 10.2.1 中医典籍
      • 10.2.2 诊断数据──四诊仪
      • 10.2.3 医疗数据
    • 10.3 中医数据的典型应用
      • 10.3.1 中医专家库系统
      • 10.3.2 中医健康服务网络
    • 参考文献
  • 第11章 针灸大数据应用
    • 11.1 针灸数据探索
      • 11.1.1 针灸数据源
      • 11.1.2 针灸数据特征
    • 11.2 针灸领域的已有应用
      • 11.2.1 针刺手法虚拟化
      • 11.2.2 腧穴经络力学探索
      • 11.2.3 临床治疗方案推荐
    • 参考文献
  • 第12章 基因大数据应用
    • 12.1 组学数据
      • 12.1.1 基因序列数据
      • 12.1.2 转录组学数据
      • 12.1.3 蛋白质组学数据
      • 12.1.4 其他组学数据
    • 12.2 组学数据在医学中的应用案例
      • 12.2.1 基因芯片与测序技术在遗传性疾病诊断中的应用
      • 12.2.2 全基因组关联性分析
      • 12.2.3 疾病网络模式发现
    • 参考文献
  • 第13章 公共卫生大数据应用
    • 13.1 公共卫生的内涵
    • 13.2 公共卫生大数据
      • 13.2.1 公共卫生数据源
      • 13.2.2 公共卫生数据特征
    • 13.3 公共卫生大数据应用
      • 13.3.1 应用需求
      • 13.3.2 传染病监测与管理
      • 13.3.3 慢性病监测与管理
    • 参考文献
  • 第十四章 区域医疗中的大数据应用
    • 14.1 区域医疗大数据
      • 14.1.1 数据来源
      • 14.1.2 主要特征
    • 14.2 区域医疗大数据的典型应用
      • 14.2.1 病种质量分析
      • 14.2.2 影像数据分析
    • 参考文献
  • 第15章 健康物联中的大数据应用
    • 15.1 健康物联数据解析
      • 15.1.1 数据源和数据来源
      • 15.1.2 常见数据类型及其处理
    • 15.2 健康物联的典型应用
      • 15.2.1 个人健康管理
      • 15.2.2 第三方卫生服务
    • 参考文献
  • 第16章 医疗大数据的未来展望
    • 16.1 社会化医学
      • 16.1.1 政务
      • 16.1.2 教育
      • 16.1.3 商业
    • 16.2 个性化医疗
    • 参考文献
  • 索引
  • 出版地 中國大陸
  • 語言 簡體中文

評分與評論

請登入後再留言與評分
幫助
您好,請問需要甚麼幫助呢?
使用指南

客服專線:0800-000-747

服務時間:週一至週五 AM 09:00~PM 06:00

loading