Health informatics data analysis : methods and examples

این کتاب یک مرور کلی از انواع مختلف داده های زیست پزشکی، از جمله داده های بالینی و ژنومی ارائه می دهد. توضیحات کامل خوانندگان را قادر می سازد تا موضوعات کلیدی را از الکتروکاردیوگرام گرفته تا تکنیک های تجزیه و تحلیل سلامتی داده های بزرگ و تکنیک های آنالیز EEG را بررسی کنند. هر فصل خلاصه ای از زمینه و تجزیه و تحلیل نمونه را ارائه می دهد. همچنین زیرساخت های بهداشت از راه دور، قوانین انجمن اطلاعات مراقبت های بهداشتی، روش های تصویربرداری طیف سنجی جرمی، تنوع زیستی محیطی و تابع تناسب غیرخطی جهانی برای ساختارهای پروتئینی پوشش داده شده است. بیماری‌ها در فصل‌هایی درباره حاشیه‌نویسی عملکردی lncRNA در بیماری‌های انسانی، توصیف متابولومیک بیماری‌های انسانی، عوامل خطر بیماری با استفاده از داده‌های SNP و روش‌های بیزی، و انفورماتیک تصویربرداری برای انتخاب نشانگر تصویربرداری تشخیصی مورد بررسی قرار می‌گیرند.
با انباشت انفجاری پرونده‌های الکترونیک سلامت (EHRs)، نیاز فوری به تجزیه و تحلیل به کمک رایانه مجموعه داده‌های بیوپزشکی ناهمگن وجود دارد. داده‌های زیست‌پزشکی به دلیل مقیاس‌ها، ابعاد و حجم‌های متنوع آن بدنام هستند و به فناوری‌های بین رشته‌ای برای تصویرسازی بصری و توصیف دیجیتالی نیاز دارند. برنامه های کامپیوتری و سرورهای مختلفی برای این اهداف توسط نظریه پردازان و مهندسان توسعه داده شده است.
این کتاب یک مرجع ضروری برای بررسی ابزارهای موجود برای تجزیه و تحلیل داده‌های بیوپزشکی ناهمگن است. این برای متخصصان، محققان و پزشکان در مهندسی پزشکی، تشخیص، الکترونیک پزشکی و صنایع مرتبط طراحی شده است.

This book provides a comprehensive overview of different biomedical data types, including both clinical and genomic data. Thorough explanations enable readers to explore key topics ranging from electrocardiograms to Big Data health mining and EEG analysis techniques. Each chapter offers a summary of the field and a sample analysis. Also covered are telehealth infrastructure, healthcare information association rules, methods for mass spectrometry imaging, environmental biodiversity, and the global nonlinear fitness function for protein structures. Diseases are addressed in chapters on functional annotation of lncRNAs in human disease, metabolomics characterization of human diseases, disease risk factors using SNP data and Bayesian methods, and imaging informatics for diagnostic imaging marker selection.
With the exploding accumulation of Electronic Health Records (EHRs), there is an urgent need for computer-aided analysis of heterogeneous biomedical datasets. Biomedical data is notorious for its diversified scales, dimensions, and volumes, and requires interdisciplinary technologies for visual illustration and digital characterization. Various computer programs and servers have been developed for these purposes by both theoreticians and engineers.
This book is an essential reference for investigating the tools available for analyzing heterogeneous biomedical data. It is designed for professionals, researchers, and practitioners in biomedical engineering, diagnostics, medical electronics, and related industries.