癌癥預后預測

內(nèi)容概要

本書共分為五個部分，每一部分都從不同的角度來討論癌癥結(jié)果預測的問題。第一部分描述了一些臨床工作者與癌癥打交道時所面臨的問題和某些困境．涉及的問題包括TNM分級法、生存分析和競爭風險的一般處理方法等。第二部分描述了生物標記和遺傳標記及生物信息學的作用等內(nèi)容。對癌癥的遺傳和環(huán)境基礎(chǔ)的理解，在鑒定高危人群以及開發(fā)有效的預防策略和早期檢測戰(zhàn)略中有重要作用。第三部分則通過分析各種類型的癌癥實例來說明數(shù)學分析在預測中的作用。第四部分描述了一些用于癌癥診斷的機器學習方法。最后本書還介紹了科學和醫(yī)學團體如何共享信息，以及普通大眾如何通過信息技術(shù)和互聯(lián)網(wǎng)使用這些信息。

作者簡介

作者:(英)塔克塔克(Taktak、A.F.G)等編著;孫燕導讀

書籍目錄

前言 參編人員 引言 第一部分 臨床難題 　第一章 口腔癌手術(shù)切除樣本的詳細組織學分期的預測性價值 　第二章 眼球內(nèi)黑色素瘤治療后的存活率 　第三章 相對生存率分析的最新進展 第二部分 生物和遺傳因素 　第四章 肺癌的環(huán)境和遺傳風險因素 　第五章 細胞內(nèi)混沌，癌癥，細胞操作系統(tǒng)和頭頸部癌癥的生存的生存率預測 第三部分 預后模型的數(shù)學背景 　第六章　癌癥預后預測的彈性風險模型：生物信息學知識的應(yīng)用　第七章　通過神經(jīng)網(wǎng)絡(luò)在生存率分析和特征選擇中應(yīng)用信息幾何學　第八章　人工神經(jīng)網(wǎng)絡(luò)乳腺癌患者生存率分析：一個淋巴結(jié)陰性研究第四部分 機器學習方法的應(yīng)用 　第九章　人工神經(jīng)網(wǎng)絡(luò)在癌癥患者預后的診斷和評估中的使用　第十章　機器學習對解決預后醫(yī)學問題的作用　第十一章　通過磁共振成像和波譜數(shù)據(jù)的模式識別對腦癌進行分類　第十二章　基于家族數(shù)據(jù)對遺傳性非息肉性結(jié)直腸癌進行自動化風險分析　第十三章　微陣列技術(shù)對腦癌的影響第五部分 信息傳播　第十四章　醫(yī)學信息系統(tǒng)網(wǎng)絡(luò)與新生代系統(tǒng)的發(fā)展　第十五章　Geoconda：多中心研究的一個網(wǎng)絡(luò)環(huán)境　第十六章　醫(yī)學預測模型的發(fā)展與實施索引

編輯推薦

《癌癥預后預測》特色:涵蓋了八類癌癥的應(yīng)用實例：腦、眼、口腔、頭頸、乳腺、肺、結(jié)腸、前列腺!來自五個不同學科的專家參與編寫!為醫(yī)學信息學提供了寶貴的教學工具!

圖書封面

評論、評分、閱讀與下載

---

    癌癥預后預測 PDF格式下載

---