醫(yī)學(xué)數(shù)據(jù)分析方法與技術(shù)研究

上篇 醫(yī)學(xué)數(shù)據(jù)概論
第1章 醫(yī)學(xué)數(shù)據(jù)概述 3
1.1 醫(yī)學(xué)數(shù)據(jù)來源 3
1.2 醫(yī)學(xué)數(shù)據(jù)的特點(diǎn)及應(yīng)用 5
1.2.1 醫(yī)學(xué)數(shù)據(jù)的特點(diǎn) 6
1.2.2 醫(yī)學(xué)數(shù)據(jù)的應(yīng)用 7
1.3 醫(yī)學(xué)數(shù)據(jù)庫簡介 12
1.3.1 常用醫(yī)學(xué)公共數(shù)據(jù)庫 12
1.3.2 常用醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫 19
第2章 醫(yī)學(xué)數(shù)據(jù)分析過程 20
2.1 醫(yī)學(xué)數(shù)據(jù)分析流程 20
2.2 醫(yī)學(xué)數(shù)據(jù)采集 22
2.2.1 醫(yī)學(xué)數(shù)據(jù)采集概述 22
2.2.2 醫(yī)學(xué)結(jié)構(gòu)化數(shù)據(jù)的采集 23
2.2.3 醫(yī)學(xué)非結(jié)構(gòu)化數(shù)據(jù)的采集 27
2.3 醫(yī)學(xué)數(shù)據(jù)預(yù)處理 31
2.3.1 數(shù)據(jù)清洗 31
2.3.2 數(shù)據(jù)整合 32
2.3.3 數(shù)據(jù)轉(zhuǎn)換 33
2.4 醫(yī)學(xué)數(shù)據(jù)挖掘常用方法 34
2.4.1 聚類分析 35
2.4.2 決策樹算法 35
2.4.3 關(guān)聯(lián)規(guī)則 36
2.4.4 神經(jīng)網(wǎng)絡(luò) 37
2.5 醫(yī)學(xué)數(shù)據(jù)挖掘應(yīng)用實(shí)例 39
2.5.1 關(guān)聯(lián)規(guī)則在甲狀腺結(jié)節(jié)病案分析中的應(yīng)用 39
2.5.2 聚類在不同類型病毒性肝炎發(fā)病率中的應(yīng)用 42
第3章 醫(yī)學(xué)數(shù)據(jù)可視化 47
3.1 醫(yī)學(xué)數(shù)據(jù)基本圖形 47
3.1.1 條形圖 47
3.1.2 直方圖 49
3.1.3 餅圖 50
3.1.4 散點(diǎn)圖 50
3.1.5 折線圖 51
3.1.6 箱線圖 52
3.1.7 韋恩圖 53
3.2 醫(yī)學(xué)數(shù)據(jù)圖形進(jìn)階 54
3.2.1 火山圖 54
3.2.2 熱圖 54
3.2.3 生存曲線 54
3.2.4 小提琴圖 55
3.2.5 樹圖 56
3.2.6 森林圖 57
3.2.7 氣泡圖 59
3.2.8 ?；鶊D 60
3.2.9 圈圖 60
3.3 醫(yī)學(xué)知識(shí)圖譜 61
3.3.1 醫(yī)學(xué)知識(shí)圖譜概述 61
3.3.2 醫(yī)學(xué)知識(shí)圖譜應(yīng)用 61
中篇 生物信息學(xué)與網(wǎng)絡(luò)藥理學(xué)數(shù)據(jù)分析
第4章 生物信息學(xué)數(shù)據(jù)分析 65
4.1 生物信息學(xué)概述 65
4.1.1 生物信息學(xué)研究的對(duì)象 65
4.1.2 生物信息學(xué)研究的內(nèi)容 65
4.2 基因差異表達(dá)分析 67
4.2.1 基因表達(dá) 67
4.2.2 差異表達(dá)基因的相關(guān)概念 67
4.2.3 R語言中差異分析包 68
4.2.4 差異基因分析實(shí)例 70
4.3 基因篩選與生存分析 70
4.3.1 LASSO篩選 71
4.3.2 多因素Cox建模 71
4.3.3 KM Plot可視化 72
4.3.4 實(shí)例分析 73
4.4 GO與KEGG分析 74
4.4.1 基因功能注釋和基因富集分析 74
4.4.2 GO與KEGG數(shù)據(jù)庫 76
4.4.3 富集分析數(shù)據(jù)庫——DAVID 79
4.4.4 實(shí)例分析 81
4.5 生物分子網(wǎng)絡(luò) 82
4.5.1 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)與類型 82
4.5.2 蛋白質(zhì)互作網(wǎng)絡(luò)與STRING數(shù)據(jù)庫 83
4.5.3 網(wǎng)絡(luò)可視化軟件Cytoscape 87
4.6 生物信息學(xué)分析實(shí)例 92
4.6.1 實(shí)例背景介紹 92
4.6.2 研究方法 92
4.6.3 結(jié)果展示 93
第5章 網(wǎng)絡(luò)藥理學(xué)數(shù)據(jù)分析 98
5.1 網(wǎng)絡(luò)藥理學(xué)概述 98
5.1.1 網(wǎng)絡(luò)藥理學(xué)的概念 98
5.1.2 網(wǎng)絡(luò)藥理學(xué)應(yīng)用 98
5.1.3 網(wǎng)絡(luò)藥理學(xué)研究方法 100
5.2 靶標(biāo)預(yù)測(cè)與網(wǎng)絡(luò)構(gòu)建 101
5.2.1 藥物中活性成分的篩選 101
5.2.2 藥物活性成分潛在靶點(diǎn)的預(yù)測(cè) 106
5.3 分子對(duì)接 111
5.3.1 分子對(duì)接原理 111
5.3.2 分子對(duì)接的分類 111
5.3.3 主要的分子對(duì)接軟件 111
5.3.4 分子對(duì)接步驟與實(shí)例 112
5.4 網(wǎng)絡(luò)藥理學(xué)分析實(shí)例 116
5.4.1 實(shí)例研究背景 116
5.4.2 研究方法 117
5.4.3 結(jié)果與結(jié)論 118
下篇 醫(yī)學(xué)數(shù)據(jù)統(tǒng)計(jì)分析
第6章 兩組計(jì)量資料的均數(shù)差異比較 127
6.1 t檢驗(yàn)概述 127
6.2 單樣本t檢驗(yàn) 128
6.3 兩獨(dú)立樣本t檢驗(yàn) 131
6.4 配對(duì)設(shè)計(jì)樣本t檢驗(yàn) 136
第7章 多組計(jì)量資料的均數(shù)差異比較 142
7.1 方差分析概述 142
7.2 單因素方差分析及兩兩比較 142
7.3 雙因素方差分析及兩兩比較 147
7.4 析因設(shè)計(jì)的方差分析 152
第8章 計(jì)數(shù)資料樣本間差異的比較 156
8.1 檢驗(yàn)概述 156
8.2 R×C表資料 檢驗(yàn) 158
8.3 一般四格表 檢驗(yàn) 160
8.3.1 Pearson 檢驗(yàn) 160
8.3.2 校正 檢驗(yàn) 162
8.3.3 Fisher精確檢驗(yàn) 163
8.4 配對(duì)四格表 檢驗(yàn) 164
8.5 配對(duì)R×R表一致性檢驗(yàn) 166
第9章 偏態(tài)分布計(jì)量資料或等級(jí)資料樣本間差異的比較 169
9.1 秩和檢驗(yàn)概述 169
9.2 配對(duì)設(shè)計(jì)資料的秩和檢驗(yàn) 170
9.3 隨機(jī)設(shè)計(jì)兩個(gè)樣本的秩和檢驗(yàn) 172
9.3.1 原始資料的分析 172
9.3.2 等級(jí)資料的分析 174
9.4 隨機(jī)設(shè)計(jì)多個(gè)樣本的秩和檢驗(yàn) 176
9.4.1 原始資料的分析 176
9.4.2 等級(jí)資料的分析 178
9.5 隨機(jī)區(qū)組設(shè)計(jì)多個(gè)樣本的秩和檢驗(yàn) 180
第10章 資料的相關(guān)性及相關(guān)程度的分析 183
10.1 相關(guān)分析概述 183
10.2 雙變量相關(guān)分析 184
10.2.1 皮爾遜相關(guān)分析 184
10.2.2 斯皮爾曼等級(jí)相關(guān)分析 187
10.3 回歸分析概述 188
10.4 直線線性回歸 189
10.5 多元線性回歸 193
10.6 多元逐步回歸 196
第11章 生存資料的分析 199
11.1 生存資料分析概述 199
11.2 Kaplan-Meier方法 200
11.3 壽命表方法 203
11.4 Log-rank檢驗(yàn) 206
參考文獻(xiàn) 210