滿額折
深度學習與醫學大數據（簡體書）
相關商品
商品簡介
商品簡介
隨著數據量的幾何級數增長，近5年，以數據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學科學研究。
本書前半部分以重症監護治療室患者的數據為例介紹如何進行醫學數據的預處理，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於深度學習，內容包括神經網絡的基礎知識、利用卷積神經網絡分類誘發電位圖像、利用遞歸神經網絡預測疾病的復發以及利用自編碼算法去除圖像噪音以生成新的模擬圖像。本書還涉及基礎醫學中深度學習的應用以及如何解釋機器學習模型。然而，醫學實踐中往往不只需要預測某個患者的某項結局，更需要知道哪些治療能夠改善結局。本書在神經網絡模型之後將以膿毒症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樑。
本書最後2個專題著重討論如何通過因果關係圖直觀地判斷因果關係中的混雜因素、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。結合強化學習的概念，最後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。
本書可作為各級醫學研究者、醫學院學生和教師的參考用書。
本書前半部分以重症監護治療室患者的數據為例介紹如何進行醫學數據的預處理，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於深度學習，內容包括神經網絡的基礎知識、利用卷積神經網絡分類誘發電位圖像、利用遞歸神經網絡預測疾病的復發以及利用自編碼算法去除圖像噪音以生成新的模擬圖像。本書還涉及基礎醫學中深度學習的應用以及如何解釋機器學習模型。然而，醫學實踐中往往不只需要預測某個患者的某項結局，更需要知道哪些治療能夠改善結局。本書在神經網絡模型之後將以膿毒症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樑。
本書最後2個專題著重討論如何通過因果關係圖直觀地判斷因果關係中的混雜因素、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。結合強化學習的概念，最後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。
本書可作為各級醫學研究者、醫學院學生和教師的參考用書。
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。