近年来，计算机技术的创新给医疗健康领域带来了革命性的变化，分析式推理不仅改变了信息收集和存储的方式，而且在医疗健康领域的管理和提供方面也发挥了越来越重要的作用，数据分析已经成为解决各种卫生健康相关学科问题的关键工具。本书对医疗健康领域的数据分析进行了全面的回顾，能够为跨学科研究人员提供一个学习医疗数据智能采集、处理和应用的基本原理、算法和应用的平台。本书提供了当前医疗数据分析领域的全面概述，书中主要的内容包括三个部分：
1、常用的医疗数据源和基本分析：这部分主要讨论了各种医疗数据的细节，主要包括电子健康记录、生物医学图像、传感器数据、生物医学信号、基因组数据、临床文本、生物医学文献以及从社交媒体收集的数据，然后介绍各类医疗数据采集后进行分析处理的方法技术；
2、高级的医疗数据分析方法：介绍了临床预测模型、时间模式挖掘方法，视觉分析方法，同时讨论了医疗健康数据处理过程中需要特别关注的内容如数据集成、信息检索和隐私发布等，介绍对应的集成检索技术，患者隐私处理方式；
3、医疗健康领域数据分析应用实例：主要介绍了数据分析在普及医疗、欺诈检测和药物研究方面的应用，举例介绍临床决策支持系统、计算机辅助医疗成像系统和移动成像系统在医院的实际应用。 本书从数据采集入手，侧重数据分析处理，为医疗健康领域的众多角色提供一份优秀的参考解决方案，为医疗健康数据分析技术提供新的视角。
坎丹·雷迪(Chandan K．Reddy)是韦恩州立大学计算机科学系副教授。他在康奈尔大学取得博士学位，密歇根州立大学取得硕士学位。主要研究兴趣是数据挖掘、机器学习及其在医疗保健、生物信息学、社会网络分析方面的应用。他的研究工作受到了国家科学基金会、国家卫生研究院、运输部、苏珊·科曼治疗基金会的资助。他在专业会议和期刊上发表了50多篇同行评审文章，在2010年ACM SIGKDD会议获得最佳应用论文奖，并于2011年入围INFORMS Franz Edelman决赛阶段。同时他也是IEEE高级会员和ACM终身成员。
第1章 医疗健康数据分析学概述
1.1 简介
1.2 医疗数据源和基础分析
1.2.1 电子病历
1.2.2 生物医学影像分析
1.2.3 传感器数据分析
1.2.4 生物医学信号分析
1.2.5 基因组数据分析
1.2.6 临床文本挖掘
1.2.7 生物医学文献挖掘
1.2.8 社交媒体分析
1.3 医疗健康领域的高级数据分析
1.3.1 临床预测模型
1.3.2 时域数据挖掘
1.3.3 可视化分析
1.3.4 I临I床一基因组数据整合
1.3.5 信息检索
1.3.6 隐私保护数据发布
1.4 医疗健康的应用和实用系统
1.4.1 普适健康数据分析
1.4.2 医疗欺诈检测
1.4.3 药物研发的数据分析
1.4.4 临床决策支持系统
1.4.5 计算机辅助诊断
1.4.6 生物医学应用中的移动成像
1.5 医疗健康数据分析资源
1.6 总结
参考文献
第一部分 医疗健康数据源和基本分析
第2章 电子健康档案：研究调查
2.1 简介
2.2 EHR的历史
2.3 EHR的组成
2.3.1 管理系统
2.3.2 实验室系统及生命体征
2.3.3 放射学系统
2.3.4 药房系统
2.3.5 计算机医嘱录入(CPOE)
2.3.6 临床文档
2.4 编码系统
2.4.1 国际疾病分类(ICD)
2.4.1.1 ICD
2.4.1.2 ICD-10
2.4.1.3 ICD-11
2.4.2 当前程序术语(CPT)
2.4.3 医学系统命名法——临床术语(SNOMED-CT)
2.4.4 观测指标标识符逻辑命名与编码系统(LOINC)
2.4.5 RxNorm
2.4.6 国际人体机能、残疾和健康分类(ICF)
2.4.7 诊断相关组(DRG)
2.4.8 统一医学语言系统(UMLS)
2.4.9 医学数字成像与通信(DICOM)
2.5 EHR的优点
2.5.1 提高收入
……
第二部分 医疗健康数据高级分析方法
第三部分 医疗健康应用系统
参考文献
书单推荐
