醫(yī)學大數(shù)據(jù)概論

第1章大數(shù)據(jù)概論
1．1大數(shù)據(jù)技術概述
1．1．1大數(shù)據(jù)的基本概念
1．1．2IT產(chǎn)業(yè)的發(fā)展簡史
1．1．3大數(shù)據(jù)的來源
1．1．4大數(shù)據(jù)產(chǎn)生的三個發(fā)展階段
1．1．5大數(shù)據(jù)的特點
1．1．6大數(shù)據(jù)處理流程
1．1．7大數(shù)據(jù)的數(shù)據(jù)格式特性
1．1．8大數(shù)據(jù)的特征
1．1．9大數(shù)據(jù)的應用領域
1．2大數(shù)據(jù)時代的新理念
1．3大數(shù)據(jù)的整體技術和關鍵技術
1．4大數(shù)據(jù)分析的五種典型工具簡介
1．5大數(shù)據(jù)未來發(fā)展趨勢
1．5．1數(shù)據(jù)資源化
1．5．2大數(shù)據(jù)隱私和安全問題
本章小結(jié)
習題1
第2章大數(shù)據(jù)采集
2．1大數(shù)據(jù)生命周期概述
2．1．1生命周期理論
2．1．2大數(shù)據(jù)應用的生命周期
2．1．3醫(yī)學大數(shù)據(jù)應用的生命周期
2．2大數(shù)據(jù)采集與預處理
2．2．1大數(shù)據(jù)的采集
2．2．2大數(shù)據(jù)的預處理
2．3醫(yī)學大數(shù)據(jù)采集的實現(xiàn)
2．3．1醫(yī)學大數(shù)據(jù)的數(shù)據(jù)來源
2．3．2醫(yī)學大數(shù)據(jù)采集的方法
2．3．3網(wǎng)絡爬蟲采集案例
 
 
本章小結(jié)
習題2
第3章大數(shù)據(jù)分析
3．1大數(shù)據(jù)分析簡介
3．1．1大數(shù)據(jù)的分類與存儲方式
3．1．2大數(shù)據(jù)分析概述
3．1．3大數(shù)據(jù)分析的研究方向
3．2大數(shù)據(jù)分析處理系統(tǒng)
3．2．1批量數(shù)據(jù)及處理系統(tǒng)
3．2．2流式數(shù)據(jù)及處理系統(tǒng)
3．2．3交互式數(shù)據(jù)及處理系統(tǒng)
3．2．4圖數(shù)據(jù)及處理系統(tǒng)
3．3大數(shù)據(jù)分析在醫(yī)學領域的應用
3．3．1智能健康管理
3．3．2智能醫(yī)學影像分析
3．3．3智能臨床決策
本章小結(jié)
習題3
第4章Hadoop
4．1Hadoop簡介
4．1．1Hadoop的概念及核心組成
4．1．2Hadoop的數(shù)據(jù)處理流程
4．2Hadoop的功能
4．3Hadoop的實現(xiàn)方法
4．3．1Hadoop環(huán)境配置
4．3．2HDFS操作命令
4．3．3Hadoop操作實例
4．4Hadoop在醫(yī)學領域的應用
4．4．1Hadoop在醫(yī)學領域的應用場景
4．4．2使用Java語言開發(fā)Hadoop醫(yī)學病例數(shù)據(jù)統(tǒng)計
本章小結(jié)
習題4
第5章Spark
5．1Spark平臺
5．1．1Spark簡介
5．1．2Spark發(fā)展
5．1．3Spark的優(yōu)點
5．1．4Spark速度比Hadoop快的原因
5．2Spark生態(tài)系統(tǒng)
5．2．1底層的群集管理器和數(shù)據(jù)管理器
5．2．2中間層的Spark Runtime
5．2．3高層的應用模塊
5．3Spark的實現(xiàn)方法
5．3．1Spark環(huán)境配置
5．3．2Spark操作實例
5．4Spark在醫(yī)學領域的應用
5．4．1Spark在醫(yī)學領域的應用場景
5．4．2使用Scala語言開發(fā)Spark醫(yī)學應用程序
本章小結(jié)
習題5
第6章NoSQL概論
6．1NoSQL概述
6．1．1概念及特點
6．1．2NoSQL技術的基本原則
6．2NoSQL的類型
6．2．1鍵值存儲
6．2．2列存儲
6．2．3文檔存儲
6．2．4圖形存儲
6．3典型工具及醫(yī)學應用
6．3．1典型工具
6．3．2醫(yī)學應用案例
本章小結(jié)
習題6
第7章云計算與大數(shù)據(jù)
7．1云計算
7．1．1云計算簡介
7．1．2云計算基本特征
7．1．3云計算服務模式
7．1．4云計算部署模式
7．1．5云計算與大數(shù)據(jù)的關系
7．2云計算核心技術
7．2．1虛擬化技術
7．2．2分布式數(shù)據(jù)存儲技術
7．2．3資源池化技術
7．2．4大規(guī)模數(shù)據(jù)處理技術
7．3云計算在醫(yī)學領域的應用
7．3．1醫(yī)療云
7．3．2移動醫(yī)療健康服務云
7．3．3醫(yī)學科研分析服務云
本章小結(jié)
習題7
第8章數(shù)據(jù)倉庫Hive
8．1數(shù)據(jù)倉庫概述
8．1．1數(shù)據(jù)倉庫的定義
8．1．2數(shù)據(jù)倉庫與操作數(shù)據(jù)庫
8．1．3數(shù)據(jù)倉庫的架構(gòu)
8．1．4傳統(tǒng)數(shù)據(jù)倉庫的問題
8．2數(shù)據(jù)倉庫Hive簡介
8．3Hive數(shù)據(jù)類型
8．3．1基本類型
8．3．2復雜類型
8．4HiveQL： 數(shù)據(jù)定義與操作
8．4．1Hive創(chuàng)建數(shù)據(jù)庫
8．4．2Hive刪除數(shù)據(jù)庫
8．4．3Hive創(chuàng)建表
8．4．4Hive加載數(shù)據(jù)
8．4．5Hive修改表
8．4．6Hive刪除表
8．4．7Hive分區(qū)
8．4．8導出數(shù)據(jù)
8．4．9Hive外部表
8．5HiveQL： 查詢
8．5．1SELECT…FROM語句
8．5．2使用列值進行計算
8．5．3SELECT…WHERE語句
8．5．4GROUP BY語句
本章小結(jié)
習題8
第9章大數(shù)據(jù)可視化
9．1大數(shù)據(jù)可視化概述
9．1．1什么是大數(shù)據(jù)可視化
9．1．2大數(shù)據(jù)可視化的特點
9．1．3大數(shù)據(jù)可視化的主要技術
9．1．4大數(shù)據(jù)可視化的具體流程
9．2大數(shù)據(jù)可視化工具
9．2．1大數(shù)據(jù)可視化工具概述
9．2．2常見的可視化軟件簡介
9．3醫(yī)學大數(shù)據(jù)可視化案例
9．3．1大數(shù)據(jù)魔鏡制作艾滋病死亡人數(shù)柱狀圖
9．3．2Tableau制作新冠疫情地圖
本章小結(jié)
習題9
第10章大數(shù)據(jù)安全
10．1大數(shù)據(jù)安全概論
10．1．1大數(shù)據(jù)安全與挑戰(zhàn) 
10．1．2理解大數(shù)據(jù)信息安全
10．1．3大數(shù)據(jù)隱私保護
10．2大數(shù)據(jù)Hadoop平臺的安全機制
10．2．1Hadoop平臺的基本安全機制
10．2．2HDFS安全機制
10．2．3MapReduce安全機制
10．2．4Hadoop相關組件的安全機制
10．3大數(shù)據(jù)個人隱私保護
10．3．1身份匿名、屬性匿名
10．3．2位置軌跡隱私保護
10．3．3面向數(shù)據(jù)發(fā)布的個人隱私保護
10．4大數(shù)據(jù)安全相關技術
10．4．1基于大數(shù)據(jù)的安全威脅發(fā)現(xiàn)技術
10．4．2認證授權技術
10．4．3訪問控制技術
10．4．4大數(shù)據(jù)數(shù)據(jù)加密技術
10．4．5大數(shù)據(jù)脫敏技術
10．5大數(shù)據(jù)安全相關案例分析
本章小結(jié)
習題10
第11章大數(shù)據(jù)應用案例分析(醫(yī)療領域)
11．1大數(shù)據(jù)在臨床領域的應用
11．1．1基于大數(shù)據(jù)的比較效果研究
11．1．2基于大數(shù)據(jù)的臨床決策系統(tǒng)
11．1．3醫(yī)療數(shù)據(jù)透明化
11．1．4病人的遠程監(jiān)控
11．1．5基于大數(shù)據(jù)的電子病歷分析
11．2大數(shù)據(jù)在醫(yī)藥支付領域的應用
11．2．1基于大數(shù)據(jù)的多種自動化系統(tǒng)
11．2．2基于大數(shù)據(jù)和衛(wèi)生經(jīng)濟學的定價計劃
11．3大數(shù)據(jù)在醫(yī)療研發(fā)領域的應用
11．3．1基于大數(shù)據(jù)的預測建模
11．3．2臨床試驗及其數(shù)據(jù)分析
11．3．3基于大數(shù)據(jù)的個性化治療
11．3．4基于大數(shù)據(jù)的疾病模式分析
11．4大數(shù)據(jù)在醫(yī)療商業(yè)模式方面的應用
11．4．1基于大數(shù)據(jù)的患者臨床記錄和醫(yī)療保險數(shù)據(jù)集
11．4．2基于大數(shù)據(jù)的網(wǎng)絡平臺和社區(qū)
11．5大數(shù)據(jù)在公共健康領域的應用
本章小結(jié)
習題11