Introduction to Computational Health Informatics

این کتاب درسی تست شده برای یک ترم دوره کارشناسی ارشد یا کارشناسی ارشد در انفورماتیک سلامت محاسباتی طراحی شده است. تمرکز کتاب بر روی تکنیک‌های محاسباتی است که به طور گسترده در تجزیه و تحلیل داده‌های سلامت و انفورماتیک سلامت استفاده می‌شود و علم کامپیوتر و دیدگاه‌های بالینی را ادغام می‌کند. این کتاب دانشجویان علوم کامپیوتر را برای مشاغل در انفورماتیک سلامت محاسباتی و تجزیه و تحلیل داده های پزشکی آماده می کند.

ویژگی ها

• علوم کامپیوتر و دیدگاه‌های بالینی را ادغام می‌کند
• تکنیک‌های مختلف آماری و هوش مصنوعی، از جمله تکنیک‌های یادگیری ماشینی مانند خوشه‌بندی داده‌های زمانی، تحلیل رگرسیون، شبکه‌های عصبی، HMM، درختان تصمیم، SVM و داده کاوی، که همگی تکنیک هایی هستند که به طور گسترده در تجزیه و تحلیل داده های سلامت استفاده می شوند
• تکنیک های محاسباتی مانند چند بعدی و بازنمایی و بازیابی داده های چندرسانه ای، هستی شناسی، تشخیص هویت بیمار-داده، تجزیه و تحلیل داده های زمانی، پایگاه های داده ناهمگن، تجزیه و تحلیل و انتقال تصویر پزشکی، تجزیه و تحلیل بیوسیگنال، مراقبت های بهداشتی فراگیر، تجزیه و تحلیل متن خودکار، پایگاه های دانش سلامت واژگان و تبادل اطلاعات پزشکی
• شامل تکنیک‌های بیوانفورماتیک و فارماکوکینتیک و کاربردهای آنها در ساخت واکسن و دارو است

This class-tested textbook is designed for a semester-long graduate or senior undergraduate course on Computational Health Informatics. The focus of the book is on computational techniques that are widely used in health data analysis and health informatics and it integrates computer science and clinical perspectives. This book prepares computer science students for careers in computational health informatics and medical data analysis.

Features

• Integrates computer science and clinical perspectives
• Describes various statistical and artificial intelligence techniques, including machine learning techniques such as clustering of temporal data, regression analysis, neural networks, HMM, decision trees, SVM, and data mining, all of which are techniques used widely used in health-data analysis
• Describes computational techniques such as multidimensional and multimedia data representation and retrieval, ontology, patient-data deidentification, temporal data analysis, heterogeneous databases, medical image analysis and transmission, biosignal analysis, pervasive healthcare, automated text-analysis, health-vocabulary knowledgebases and medical information-exchange
• Includes bioinformatics and pharmacokinetics techniques and their applications to vaccine and drug development