隨著生活質(zhì)量的提升和人口老齡化的加劇，各種疾病威脅著人類的健康，而現(xiàn)有的醫(yī)療資源和醫(yī)療水平還十分有限，且地區(qū)差異巨大，醫(yī)生的時間與精力也不能滿足眾多病人個性化的醫(yī)療需要。因此，輔助診斷技術(shù)開始逐漸被應(yīng)用到各種醫(yī)療診斷中，但是如何從大量醫(yī)療數(shù)據(jù)中挖掘各類病癥之間的聯(lián)系，為患者提供更好的輔助診斷服務(wù)，仍需要深入研究和探索。
　　本書探討了統(tǒng)計學(xué)、機器學(xué)習(xí)、數(shù)據(jù)挖掘方法在疾病輔助診斷中的應(yīng)用，通過實地調(diào)研獲得了某醫(yī)院心臟病超聲心動圖報告和500多份樣本數(shù)據(jù)。首先，運用數(shù)據(jù)分析和挖掘的有關(guān)方法對數(shù)據(jù)進(jìn)行預(yù)處理、數(shù)據(jù)篩選等操作；其次，選取了機器學(xué)習(xí)中的樸素貝葉斯、決策樹、BP神經(jīng)網(wǎng)絡(luò)、隨機森林等方法進(jìn)行模型學(xué)習(xí)并對模型參數(shù)進(jìn)行調(diào)優(yōu)；最后，分析了實驗的結(jié)果，對各個模型的性能進(jìn)行比較，本書在特征選取時進(jìn)行統(tǒng)計學(xué)檢驗分析，利用機器學(xué)習(xí)技術(shù)進(jìn)行智能輔助診斷預(yù)測分析，提出了針對心臟病患者病情嚴(yán)重程度分級策略和入院治療風(fēng)險的預(yù)測方法。
　　本書創(chuàng)新之處：第一，從實地調(diào)研中采集了真實病人的數(shù)據(jù)，并與醫(yī)生積極溝通，獲得了心臟病患者病情嚴(yán)重程度主要指標(biāo)及手術(shù)風(fēng)險的評判標(biāo)準(zhǔn)；第二，根據(jù)醫(yī)生經(jīng)驗和特征構(gòu)建方法對實驗數(shù)據(jù)的特征進(jìn)行降維處理，極大地降低了變量特征的維度，提高了實驗結(jié)果的準(zhǔn)確性；第三，應(yīng)用數(shù)據(jù)科學(xué)的研究方法，在診斷分類和入院風(fēng)險預(yù)測中將機器學(xué)習(xí)與統(tǒng)計分析兩種數(shù)據(jù)挖掘方法結(jié)合使用，提升了預(yù)測的準(zhǔn)確率。
　　本書共分7章，各章組織如下：第1章介紹醫(yī)療數(shù)據(jù)挖掘與智能輔助診斷系統(tǒng)概述；第2章介紹醫(yī)療數(shù)據(jù)挖掘方法及關(guān)鍵技術(shù)；第3章介紹基于統(tǒng)計方法的醫(yī)療數(shù)據(jù)分析與挖掘；第4章介紹基于BP神經(jīng)網(wǎng)絡(luò)模型的醫(yī)療分類預(yù)測；第5章介紹基于隨機森林模型的入院風(fēng)險預(yù)測；第6章介紹心臟病輔助診斷原型系統(tǒng)實現(xiàn)；第7章是對本書的總結(jié)與展望。