第1章 数据分析与数据挖掘的力量 1
1.1　葡萄牙医生解决世界新生儿出生缺陷的故事 2
1.2　医学数据挖掘的主要定义 5
1.2.1 数据挖掘的定义 5
1.2.2 医学数据挖掘的故事 5
1.3　医学数据模式识别的七大原理与案例讲解 6
1.3.1 什么是模式识别 6
1.3.2 7个小故事 7
1.4　临床医学领域的机器学习与人工智能 12
1.5　神经元网络的基本原理 13
第2章 临床医学的数据挖掘 20
2.1　房颤与肾功能关联现象的故事 21
2.2　支持向量机的算法原理与应用 30
2.2.1 一个故事的开场白 30
2.2.2 支持向量机的主要特点 31
2.2.3 支持向量机的应用案例 39
2.3　疾病规律与统计学革命 43
2.3.1 肝胆外科的统计学故事 43
2.3.2 双盲实验的诞生 44
2.3.3 几则很有趣的医学统计学故事 47
2.4　老年肺癌研究 50
2.4.1 数据的抓取与来源 50
2.4.2 癌症与老龄化的相关性分析 51
2.4.3 老年人肺癌手术适用性评估关键词频率 53
2.4.4 老年肺肿瘤的数据分析 54
2.4.5 英国肺癌患者38年来死亡率研究 59
2.4.6 老龄肺癌死亡率数据的三维分析 59
2.5　临床医学与数据挖掘的边缘学科 62
2.5.1 几个实例 62
2.5.2 医学统计学与医学数据挖掘的区别 69
2.5.3 有关数据挖掘是边缘学科的几个实例 72
2.5.4 一个医学数据挖掘的案例 74
第3章 临床医学与数据技术的深度融合 90
3.1　二型糖尿病与胰腺癌的故事 91
3.2　Cox回归的基本原理与应用 94
3.2.1 Cox回归的基本原理 94
3.2.2 晚期肺癌伴脑转移患者的预后多因素Cox回归 95
3.2.3 本案例的几点启示 100
3.3　医学数据分析中的故事 101
3.4　聚类的临床医学意义 103
3.4.1 聚类算法的基本定义 103
3.4.2 临床医学数据挖掘中聚类的意义 104
3.4.3 案例 112
3.5　贝叶斯算法的应用案例 113
3.5.1 一个流传甚广的故事 113
3.5.2 一个贝叶斯算法的医学案例 114
第4章 临床医学的模式识别 126
4.1　模式识别是什么 127
4.1.1 定义 127
4.1.2 临床医学模式识别的故事 127
4.2　基线静息心率的故事 130
4.3　决策树算法 132
4.4　最大期望（EM）算法 135
4.5　算法的规律与临床医学的本质 140
4.5.1 算法的本质是什么 140
4.5.2 数据挖掘中医学的本质 141
第5章 医学数据挖掘的常用工具 146
5.1　SAS挖掘软件运用案例 147
5.2　Weka软件介绍 150
5.3　Matlab案例 152
5.4　R语言案例 162
5.5　临床医生如何用好挖掘工具 164
第6章 专业级医学SCI论文中的统计工具 169
6.1　医学数据中的T值与P值故事 170
6.2　K线图的故事 172
6.3　国际顶级期刊上的数据技术 174
6.4　SCI荟萃分析中的统计学工具 180
6.4.1 研究对象及入选标准 181
6.4.2 统计学处理 181