《医学数据分析与挖掘》是综合运用多学科内容的应用型课程，围绕医学数据分析方面的能力要求，以医学问题为导向，链接各种数据分析与挖掘方法；以医学数据探索为导向，对数据进行有效清洗与整理；以中医药等多角度挖掘分析结果展示为导向，对算法模型结果可视化。从医学数据的处理能力、分析能力、展示能力，进行课程目标的设置，以案例的形式展开课程的教学，课程包含绪论、数据特征分析、数据预处理、关联规则挖掘、分类和回归算法、聚类算法、算法应用等内容。教学设计上将采用从案例开始到结束的形式，中间过程用基本原理串联的讲授模式，通过经典算法案例模型的逐步实现，既能熟悉编程工具的使用方法，也可以将数据分析与挖掘的结果呈现出来，探究与提炼医学数据中蕴含的规律。
Overview
Syllabus
- 第一章 绪论
- 1.1 医学数据分析与挖掘概述
- 1.2 常用工具介绍
- 第二章 数据特征分析
- 2.1 数据类型
- 2.2 数据的描述性特征
- 2.3 数据的相关分析
- 2.4 主成分分析
- 2.5 案例：品茶背后的假设检验
- 2.6 案例：中药炮制与独立样本t检验
- 第三章 数据处理
- 3.1 数据的清洗
- 3.2 数据的变换
- 3.3 数据的合并
- 第四章 关联规则挖掘
- 4.1 基于候选项集产生-测试策略的频繁模式挖掘算法
- 4.2 案例：中医证型关联规则挖掘
- 4.3 不需要产生候选项集的频繁模式挖掘算法
- 第五章 分类和回归算法
- 5.1 分类与回归概述
- 5.2 模型评价
- 5.3 决策树算法
- 5.4 支持向量机算法
- 5.5 集成学习算法
- 5.6 案例：丹参生长影响指标筛选
- 5.7 案例：肺癌转移影响因素及生存分析
- 第六章 聚类算法
- 6.1 聚类算法概述
- 6.2 基于划分的聚类算法
- 6.3 案例：信用卡风险识别
- 6.4 基于层次的聚类算法
- 6.5 案例：道地药材文本数据挖掘
- 6.6 基于密度的聚类算法
- 第七章 算法应用
- 7.1案例：儿童新冠感染和防控政策分析
- 7.2 案例：样条法估计新冠病死率
- 7.3 案例：新冠初期诊疗效率分析
- 7.4 案例：糖尿病中医症型文本挖掘
- 期末考试
Taught by
Lin Wei, Xu Lin, Jiang Tao, Yang Shu, and Liu Min
