本書前半部分以重癥監(jiān)護治療室患者的數(shù)據(jù)為例介紹如何進行醫(yī)學(xué)數(shù)據(jù)的預(yù)處理，如何使用機器學(xué)習(xí)模型預(yù)測患者的死亡率。本書前半部分的重點在于深度學(xué)習(xí)，內(nèi)容包括神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識、利用卷積神經(jīng)網(wǎng)絡(luò)分類誘發(fā)電位圖像、利用遞歸神經(jīng)網(wǎng)絡(luò)預(yù)測疾病的復(fù)發(fā)以及利用自編碼算法去除圖像噪音以生成新的模擬圖像。本書還涉及基礎(chǔ)醫(yī)學(xué)中深度學(xué)習(xí)的應(yīng)用以及如何解釋機器學(xué)習(xí)模型。然而，醫(yī)學(xué)實踐中往往不只需要預(yù)測某個患者的某項結(jié)局，更需要知道哪些治療能夠改善結(jié)局。本書在神經(jīng)網(wǎng)絡(luò)模型之后將以膿毒癥患者的治療為例介紹強化學(xué)習(xí)的概念，從而為進入因果推斷搭建橋梁。
本書最后2個專題著重討論如何通過因果關(guān)系圖直觀地判斷因果關(guān)系中的混雜因素、如何使用回歸控制混雜因素、如何利用傾向得分控制混雜因素以及如何利用逆概率加權(quán)控制混雜因素。結(jié)合強化學(xué)習(xí)的概念，最后將討論如何評估隨時間變化的治療，以及如何建立治療策略。
本書可作為各級醫(yī)學(xué)研究者、醫(yī)學(xué)院學(xué)生和教師的參考用書。
1 機器學(xué)習(xí)基礎(chǔ) / 1
1.1 數(shù)據(jù)概況 / 2
1.2 數(shù)據(jù)的預(yù)處理和特征選取 / 3
1.3 缺失值的處理與插補 / 8
1.4 交叉驗證 / 12
1.5 模型建立 / 13
1.6 模型比較 / 20
2 梯度提升決策樹 / 23
2.1 超參數(shù) / 26
2.2 特征重要性 / 32
2.3 模型的臨床應(yīng)用 / 33
2.4 模型集成 / 35
2.5 機器學(xué)習(xí)的報告要點 / 38
3 聚類算法 / 41
3.1 各種聚類算法 / 42
3.2 主成分分析 / 46
3.3 聚類算法的直觀顯示 / 48
4 神經(jīng)網(wǎng)絡(luò) / 51
4.1 感知器 / 52
4.2 全連接神經(jīng)網(wǎng)絡(luò)的訓(xùn)練 / 53
4.3 控制過擬合 / 58
4.4 公開數(shù)據(jù)來源 / 61
5 卷積神經(jīng)網(wǎng)絡(luò) / 67
5.1 卷積運算 / 68
5.2 池化運算 / 71
5.3 簡單卷積神經(jīng)網(wǎng)絡(luò)的構(gòu)建和訓(xùn)練 / 71
5.4 圖像樣本量擴大 / 78
5.5 遷移學(xué)習(xí) / 81
5.6 可解釋的卷積神經(jīng)網(wǎng)絡(luò) / 86
5.7 開放圖像數(shù)據(jù)庫 / 88
5.8 卷積神經(jīng)網(wǎng)絡(luò)的意義與不足 / 89
6 自編碼和對抗生成神經(jīng)網(wǎng)絡(luò) / 91
6.1 自編碼算法基礎(chǔ) / 92
6.2 自編碼算法降噪 / 97
6.3 變分自編碼算法 / 100
6.4 變分自編碼算法生成虛擬圖像 / 104
6.5 對抗生成神經(jīng)網(wǎng)絡(luò)生成虛擬圖像 / 105
7 遞歸神經(jīng)網(wǎng)絡(luò) / 107
7.1 遞歸神經(jīng)網(wǎng)絡(luò)原理 / 108
7.2 遞歸神經(jīng)網(wǎng)絡(luò)構(gòu)建 / 109
7.3 長短期記憶網(wǎng)絡(luò) / 111
7.4 門控遞歸神經(jīng)網(wǎng)絡(luò) / 113
7.5 LSTM和GRU的構(gòu)建 / 113
7.6 卷積神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)的疊加 / 115
8 自然語言處理和電子病歷 / 119
8.1 從單詞到向量 / 120
8.2 利用傳統(tǒng)自然語言處理尋找腦外傷患者 / 122
8.3 利用神經(jīng)網(wǎng)絡(luò)尋找腦外傷患者 / 125
8.4 電子病歷系統(tǒng)中神經(jīng)網(wǎng)絡(luò)的應(yīng)用 / 131
9 可解釋的機器學(xué)習(xí) / 133
9.1 預(yù)測蛋白-蛋白間結(jié)合 / 134
9.2 預(yù)測基因-蛋白間結(jié)合 / 139
9.3 機器學(xué)習(xí)的解釋 / 145
