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)為導向的預測和因果推斷在學術界有著巨大的進展。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)的預處理，如何使用機器學習模型預測患者的死亡率。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)絡的基礎知識、利用卷積神經(jīng)網(wǎng)絡分類誘發(fā)電位圖像、利用遞歸神經(jīng)網(wǎng)絡預測疾病的復發(fā)以及利用自編碼算法去除圖像噪音以生**的模擬圖像。本書還涉及基礎醫(yī)學中深度學習的應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系圖直觀地判斷因果關系中的混雜因素、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