●第1章 醫學信息分析與決策概論
1.1 決策與醫學信息決策
1.1.1 決策的基本概念
1.1.2 醫學信息決策
1.2 醫學信息決策分析
1.2.1 醫學信息決策的信息源
1.2.2 醫學信息決策分類
1.2.3 醫學信息分析與決策
1.3 醫學信息決策方法概述
1.3.1 定性決策方法
1.3.2 定量決策方法
1.4 數字化的醫學信息決策
1.4.1 數字化醫學信息決策的原因
1.4.2 數字化醫學信息決策的實現手段
1.5 醫學信息決策的模式
1.6 醫學信息分析與決策的發展趨勢及挑戰
本章小結
習題
第2章 確定型決策分析
2.1 什麼是確定型決策
2.2 盈虧平衡分析法
2.2.1 盈虧平衡分析法的相關概念
2.2.2 線性盈虧決策模型
2.3 庫存優化決策模型
2.3.1 庫存費用分析
2.3.2 經濟訂貨批量模型
2.4 線性規劃決策法
2.4.1 線性規劃問題
2.4.2 線性規劃模型的求解
本章小結
習題
第3章 風險型決策分析
3.1 風險型決策的期望值準則及其應用
3.1.1 風險型決策分析
3.1.2 風險型決策分析的期望損益值模型
3.2 決策樹分析方法
3.2.1 決策樹基本分析法
3.2.2 案例解析
3.3 貝葉斯決策分析
3.3.1 貝葉斯決策的基本方法
3.3.2 貝葉斯決策分析的信息價值
3.3.3 貝葉斯決策分析案例
本章小結
問題討論
習題
第4章 不確定型決策分析
4.1 不確定型決策的基本概念
4.2 幾種不確定型決策分析方法案例
4.2.1 樂觀決策準則
4.2.2 悲觀決策準則
4.2.3 折中決策準則
4.2.4 後悔值決策準則
4.2.5 等概率決策準則
本章小結
問題討論
習題
第5章 馬爾可夫預測與決策
5.1 基本概念
5.1.1 隨機過程與馬爾可夫過程
5.1.2 馬爾可夫鏈
5.2 狀態轉移矩陣
5.2.1 一步狀態轉移矩陣
5.2.2 k步狀態轉移矩陣
5.2.3 穩態概率
5.3 馬爾可夫過程決策應用實例
5.3.1 市場占有率預測與決策
5.3.2 期望利潤預測與決策
本章小結
習題
第6章 多指標決策
6.1 多指標決策概述
6.1.1 多指標決策的基本概念
6.1.2 多指標決策的特點
6.1.3 多指標決策的解
6.2 決策指標的標準化處理
6.2.1 定性指標的量化
6.2.2 不同量綱指標的標準化
6.3 決策指標權重的確定
6.3.1 德爾菲法
6.3.2 相對比較法
6.3.3 熵值法
6.4 多指標決策方法
6.4.1 簡單線性加權法
6.4.2 理想解法
6.5 多指標決策應用案例
本章小結
習題
第7章 層次分析法
7.1 層次分析法的基本原理
7.2 層次分析法的基本步驟
7.2.1 建立層次分析結構模型
7.2.2 構造兩兩比較矩陣
7.2.3 判斷矩陣的一致性檢驗
7.3 判斷矩陣排序的計算
7.3.1 單一準則下的排序
7.3.2 層次總排序
7.4 層次分析法應用實例
7.4.1 構造層次分析結構
7.4.2 構造判斷矩陣
7.4.3 計算權重繫數及一致性檢驗
7.4.4 層次分析法在Excel上實現的過程
本章小結
習題
第8章 關聯規則
8.1 關聯規則概述
8.1.1 啤酒與尿布
8.1.2 基本概念與規則度量
8.2 關聯規則算法
8.2.1 關聯規則挖掘過程
8.2.2 Apriori算法
8.2.3 關聯規則分類
8.3 關聯規則應用案例
本章小結
習題
第9章 粗糙集方法與應用
9.1 粗糙集理論的基本概念
9.1.1 信息表與決策表
9.1.2 不可區分與知識劃分
9.1.3 知識粒度與相對粒度
9.2 基於粗糙集的決策表屬性約簡
9.2.1 基於相對粒度的屬性約簡概念
9.2.2 基於相對粒度的屬性約簡算法
9.2.3 屬性約簡算法的SQL查詢語句實現
9.3 醫學診斷過程中的臨床癥狀分析
9.3.1 數據準備
9.3.2 建立Excel電子表格
9.3.3 Excel軟件中屬性約簡求解步驟
習題
第10章 人工神經網絡
10.1 人工神經網絡概述
10.1.1 生物神經網絡簡介
10.1.2 人工神經網絡簡介
10.2 人工神經網絡的結構及工作原理
10.2.1 人模型
10.2.2 B-P神經網絡
10.2.3 神經網絡的學習方法
10.3 人工神經網絡應用實例
習題
第11章 聚類分析
11.1 聚類分析相關概念
11.1.1 什麼是聚類分析
11.1.2 相似性度量
11.1.3 類的定義與類間距離
11.1.4 類間距離度量方法
11.1.5 聚類的準則函數
11.2 聚類分析算法
11.2.1 聚類分析算法分類
11.2.2 聚類分析的常用算法
11.2.3 孤立點分析
11.3 聚類分析應用舉例
11.3.1 聚類分析在醫療領域應用概述
11.3.2 聚類分析在醫療領域的應用案例
本章小結
習題
第12章 模糊決策
12.1 模糊決策的基本概念
12.1.1 模糊現像與模糊集合
12.1.2 隸屬函數
12.1.3 模糊集合的運算
12.1.4 模糊集合的性質
12.1.5 截集與-截矩陣
12.2 模糊決策的方法
12.2.1 意見集中法
12.2.對比法
12.3 模糊決策應用案例
本章小結
習題
第13章 時間序列分析與預測
13.1 時間序列的基本概念
13.1.1 時間序列的種類
13.1.2 時間序列的編制原則
13.1.3 時間序列的基本分析
13.1.4 時間序列的分解與基本特征
13.2 時間序列的基本模型
13.2.1 確定性時間序列模型
13.2.2 隨機性時間序列模型
13.3 時間序列分析與預測應用案例
本章小結
問題討論
習題
第14章 計算機仿真決策
14.1 仿真決策的基本概念和模型構建
14.1.1 隨機數產生器
14.1.2 生成服從離散概率分布的數值
14.1.3 生成服從連續概率分布的數值
14.1.4 仿真模型的構造
14.2 仿真模型的運用
14.2.1 利用樣本數據進行分析
14.2.2 仿真決策與很優化問題
14.2.3 仿真決策的典型用途
14.3 案例分析
14.3.1 試驗藥品進藥量調整的問題分析
14.3.2 合成藥品進貨問題的仿真模型
14.3.3 完成仿真模型的構造
14.3.4 對樣本數據進行分析
本章小結
習題
參考文獻
