醫(yī)藥分析信息學(xué)及分析數(shù)據(jù)處理技術(shù)

內(nèi)容概要

　　醫(yī)藥分析信息學(xué)是一門新近引起分析化學(xué)界和生物醫(yī)藥界高度重視并得到迅速發(fā)展的邊緣學(xué)科，是當(dāng)今生物科技和信息科技的研究前沿；而分析儀器數(shù)據(jù)處理技術(shù)則是運(yùn)用信息科學(xué)和計(jì)算科學(xué)等多　　學(xué)科交叉綜合手段解決復(fù)雜物質(zhì)體系辨析問題的高新技術(shù)方法，已廣泛應(yīng)用于生物、醫(yī)藥、地質(zhì)、環(huán)保、食品、農(nóng)業(yè)、化學(xué)等眾多領(lǐng)域，取得了令人矚目的成果?！　∪珪卜?0章，分別對分析數(shù)據(jù)處理技術(shù)的基礎(chǔ)知識、現(xiàn)代儀器分析信號的處理、化學(xué)與生物?！　∈叫畔⑻幚?、化學(xué)指紋圖譜計(jì)算處理、分析信息智能管理、生物芯片分析信息處理、組學(xué)分析信息處理等進(jìn)行了詳細(xì)介紹，并對該技術(shù)在生物醫(yī)藥領(lǐng)域中的應(yīng)用研究現(xiàn)；吠及進(jìn)展做了全面介紹?！　”緯晒V大生物醫(yī)藥和分析科學(xué)工作者以及相關(guān)應(yīng)用領(lǐng)域的科技人員閱讀，也可作為相關(guān)專業(yè)研究生教學(xué)參考用書。

作者簡介

　　程翼宇，博士畢業(yè)于浙江大學(xué)，曾赴美國哈佛大學(xué)醫(yī)學(xué)院、FDA/國家毒理研究中心等歐美許多大學(xué)及藥物研究單位留學(xué)或訪問研究?，F(xiàn)任浙江大學(xué)求是特聘教授、藥學(xué)院副院長、藥物信息學(xué)研究所所長；兼任國家技術(shù)前瞻研究組專家、973計(jì)劃項(xiàng)目專家組成員及《化學(xué)學(xué)報(bào)》等6家學(xué)刊編委，享受國務(wù)院政府特殊津貼。 他主要從事藥學(xué)、中藥學(xué)及生命信息科學(xué)等多學(xué)科前沿研究，主持研究完成973計(jì)劃等國家重大課題16項(xiàng)，領(lǐng)銜獲國家科技進(jìn)步二等獎(jiǎng)1項(xiàng)、省級獎(jiǎng)11項(xiàng)，發(fā)表SCI收錄論文78篇及EI論文30余篇。

書籍目錄

第1章　 緒論1.1　分析科學(xué)發(fā)展前沿若干問題1.2　涉及的若干概念、界定及術(shù)語定義1.3　分析信息獲取問題1.4　生物醫(yī)藥分析技術(shù)發(fā)展趨勢1.5　藥物信息學(xué)與生物醫(yī)藥分析1.6　復(fù)雜物質(zhì)體系辨析與醫(yī)藥分析信息學(xué)第2章　 分析數(shù)據(jù)處理技術(shù)基礎(chǔ)知識2.1　化學(xué)計(jì)量學(xué)與化學(xué)信息學(xué)2.1.1　化學(xué)計(jì)量學(xué)2.1.2　化學(xué)信息學(xué)2.2　多元統(tǒng)計(jì)分析技術(shù)2.2.1　基本概念2.2.2　常用的多元統(tǒng)計(jì)分析方法2.3　機(jī)器學(xué)習(xí)技術(shù)2.3.1　機(jī)器學(xué)習(xí)的定義2.3.2　機(jī)器學(xué)習(xí)的類型2.3.3　機(jī)器學(xué)習(xí)的應(yīng)用領(lǐng)域2.3.4　幾種常見的機(jī)器學(xué)習(xí)方法2.4　模式信息處理技術(shù)2.4.1　基本概念2.4.2　模式識別基本方法2.5　知識工程技術(shù)2.5.1　知識工程定義2.5.2　知識表示方法2.5.3　知識搜索2.5.4　知識推理機(jī)制2.5.5　專家系統(tǒng)2.6　人工神經(jīng)元計(jì)算技術(shù)2.6.1　神經(jīng)網(wǎng)絡(luò)的定義2.6.2　基本概念與原理2.6.3　神經(jīng)網(wǎng)絡(luò)的應(yīng)用2.6.4　幾種常見的神經(jīng)網(wǎng)絡(luò)模型2.7　數(shù)據(jù)庫與數(shù)據(jù)挖掘技術(shù)2.7.1　數(shù)據(jù)庫技術(shù)概述2.7.2　數(shù)據(jù)庫的基本概念2.7.3　數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術(shù)2.8　小波分析技術(shù)2.8.1　基本概念2.8.2　小波分析的基本原理2.8.3　信號小波級數(shù)的展開及其變換算法的實(shí)現(xiàn)2.9　數(shù)據(jù)可視化技術(shù)2.9.1　數(shù)據(jù)可視化概念2.9.2　數(shù)據(jù)可視化過程2.9.3　數(shù)據(jù)可視化方法2.9.4　數(shù)據(jù)可視化應(yīng)用2.9.5　展望2.10　化學(xué)信息集成處理技術(shù)參考文獻(xiàn)第3章　現(xiàn)代儀器分析信號處理3.1　分析信號處理技術(shù)概述3.2　分析儀器的信號與噪聲特性3.3　數(shù)字濾噪方法分類3.4　濾噪效果評價(jià)方法3.4.1　整體濾噪效果評價(jià)指標(biāo)3.4.2　局部濾噪效果評價(jià)指標(biāo)3.5　頻帶濾噪法3.5.1　多點(diǎn)歸并平滑法3.5.2　加權(quán)平均平滑法3.5.3　SG數(shù)字濾波器3.5.4　可調(diào)型低通濾波器3.5.5　幾種常用頻帶濾噪法的性能比較3.6　最佳濾波器3.6.1　匹配濾波器3.6.2　維納濾波器和卡爾曼濾波器3.7　基于小波變換法的濾噪技術(shù)3.7.1　小波基自適應(yīng)濾噪技術(shù)3.7.2　基于小波包基分解與重構(gòu)的濾噪技術(shù)3.8　自適應(yīng)濾波器3.8.1　最小均方自適應(yīng)濾波器3.8.2　神經(jīng)網(wǎng)絡(luò)濾波器3.9　新型濾噪方法研究實(shí)例3.9.1　基于分形理論的自適應(yīng)中位值濾噪方法研究實(shí)例3.9.2　基于光譜信息計(jì)算解析的液相色譜濾噪方法研究實(shí)例3.10　小波信號壓縮參考文獻(xiàn)第4章　 分析譜圖的譜峰辨識方法4.1　譜峰辨識技術(shù)概要4.2　譜峰檢測方法4.2.1　幅值檢峰法4.2.2　一階導(dǎo)數(shù)檢峰法4.2.3　二階導(dǎo)數(shù)檢峰法4.2.4　分形維檢峰法4.3　譜峰識別方法4.3.1　基線漂移法4.3.2　譜峰間距測定法4.3.3　峰高比綜合判別法4.4　仿人智能辨識譜峰方法4.5　譜峰自適應(yīng)辨識方法第5章　 多元校正與復(fù)雜分析數(shù)據(jù)解析5.1　多元校正與復(fù)雜分析數(shù)據(jù)解析概述5.2　多元校正5.2.1　直接校正5.2.2　間接校正5.2.3　非線性多元校正5.3　近紅外光譜數(shù)據(jù)的多元校正5.3.1　近紅外光譜預(yù)處理方法5.3.2　波段選擇5.3.3　多元校正建模方法5.4　復(fù)雜分析數(shù)據(jù)解析5.4.1　多元分辨5.4.2　應(yīng)用實(shí)例參考文獻(xiàn)第6章　 化學(xué)與生物模式信息處理6.1　數(shù)據(jù)預(yù)處理方法6.2　常用的模式特征提取方法6.2.1　主成分分析法6.2.2　偏最小二乘法6.2.3　核主成分分析法6.3　復(fù)雜化學(xué)與生物模式的分步特征提取法6.3.1　復(fù)雜化學(xué)與生物模式特征的分步提取方法原理6.3.2　特征矢量的分類能力評價(jià)指標(biāo)6.3.3　復(fù)雜化學(xué)與生物模式特征的分步提取方法應(yīng)用實(shí)例6.4　最優(yōu)分類特征提取方法6.4.1　最優(yōu)分類特征提取方法原理6.4.2　最優(yōu)分類特征提取方法應(yīng)用實(shí)例6.5　聚類分析法6.5.1　相似性測度6.5.2　系統(tǒng)聚類法6.5.3　動(dòng)態(tài)聚類法6.6　判別函數(shù)法6.6.1　判別函數(shù)6.6.2　參數(shù)學(xué)習(xí)6.6.3　多分類問題6.7　近鄰法6.7.1　最近鄰法6.7.2　k近鄰法6.8　神經(jīng)網(wǎng)絡(luò)模式分類法6.8.1　神經(jīng)網(wǎng)絡(luò)基本原理6.8.2　感知器6.8.3　誤差反傳神經(jīng)網(wǎng)絡(luò)6.8.4　RBF網(wǎng)絡(luò)6.9　支持向量機(jī)6.9.1　支持向量機(jī)基本原理6.9.2　多類支持向量機(jī)6.9.3　支持向量機(jī)應(yīng)用實(shí)例6.10　模糊模式識別方法6.10.1　模糊數(shù)學(xué)的基本知識6.10.2　模糊模式識別的一般過程6.10.3　模糊聚類方法6.10.4　模糊神經(jīng)網(wǎng)絡(luò)6.10.5　應(yīng)用實(shí)例參考文獻(xiàn)第7章　 化學(xué)指紋圖譜計(jì)算處理7.1　化學(xué)指紋圖譜計(jì)算處理方法簡介7.1.1　指紋圖譜相似性計(jì)算原理7.1.2　模式分類計(jì)算原理7.2　化學(xué)指紋圖譜測量參數(shù)的選擇7.3　化學(xué)指紋圖譜配準(zhǔn)方法7.4　化學(xué)指紋圖譜相似性測度的比較7.5　化學(xué)指紋圖譜模式分類計(jì)算方法7.5.1　基于小波基分形參量的化學(xué)指紋圖譜計(jì)算方法7.5.2　基于Fisher因子的化學(xué)指紋圖譜模式分類方法7.5.3　化學(xué)指紋圖譜類別相似性計(jì)算方法參考文獻(xiàn)第8章　 分析信息智能管理8.1　實(shí)驗(yàn)室信息管理系統(tǒng)8.1.1　LIMS的定義和范疇8.1.2　LIMS的發(fā)展過程8.1.3　LIMS的工作流程8.1.4　LIMS的功能8.1.5　LIMS的實(shí)施過程8.1.6　LIMS的標(biāo)準(zhǔn)和認(rèn)證體系8.2　電子實(shí)驗(yàn)記錄本8.2.1　電子實(shí)驗(yàn)記錄本的概念8.2.2　電子實(shí)驗(yàn)記錄本的功能8.3　中藥分析信息智能管理8.3.1　中藥化學(xué)信息數(shù)據(jù)庫8.3.2　中藥化合物數(shù)據(jù)庫8.4　中藥指紋圖譜數(shù)據(jù)庫管理系統(tǒng)8.4.1　系統(tǒng)功能8.4.2　應(yīng)用實(shí)例8.5　數(shù)字中藥信息系統(tǒng)8.5.1　數(shù)字中藥信息系統(tǒng)結(jié)構(gòu)8.5.2　數(shù)字中藥信息系統(tǒng)功能8.6　中藥分析信息的數(shù)據(jù)挖掘8.6.1　基于因果關(guān)系發(fā)現(xiàn)的中藥有效組分辨識方法8.6.2　中藥材關(guān)鍵藥效成分辨識方法研究實(shí)例8.6.3　中藥復(fù)方關(guān)鍵藥效成分辨識方法研究實(shí)例8.6.4　中藥復(fù)方有效組分配伍優(yōu)化方法研究實(shí)例參考文獻(xiàn)第9章　 生物芯片分析信息處理9.1　生物芯片概述9.2　生物芯片分析過程9.3　芯片數(shù)據(jù)獲取9.3.1　芯片圖像處理9.3.2　歸一化方法9.3.3　芯片數(shù)據(jù)形式9.4　芯片數(shù)據(jù)分析9.4.1　差異分析9.4.2　分類分析9.4.3　聚類分析9.4.4　網(wǎng)絡(luò)分析9.4.5　可視化方法9.5　芯片分析信息處理發(fā)展趨勢9.5.1　數(shù)據(jù)質(zhì)量評價(jià)與歸一化9.5.2　差異分析9.5.3　測度選擇9.5.4　基因相互關(guān)系發(fā)現(xiàn)9.5.5　聚類結(jié)果驗(yàn)證參考文獻(xiàn)第10章　 組學(xué)分析信息處理10.1　組學(xué)及組學(xué)分析信息處理技術(shù)概述10.2　蛋白質(zhì)組分析信息處理10.2.1　蛋白質(zhì)組分析信息處理簡述10.2.2　基于形態(tài)特征的雙向電泳圖像處理方法10.3　代謝組分析信息處理10.3.1　代謝組信息處理技術(shù)簡述10.3.2　腎陽虛模型大鼠代謝模式分析10.3.3　乳腺癌代謝物組模式特征發(fā)現(xiàn)10.3.4　肺癌患者尿液代謝組分析10.4　展望10.4.1　組學(xué)分析信息處理的應(yīng)用前景10.4.2　組學(xué)分析信息學(xué)參考文獻(xiàn)附錄1　線性空間預(yù)備知識1.1　基本概念及定義1.2　矩陣代數(shù)1.3　矩陣和向量的微積分2　點(diǎn)盒分形維2.1　分形的定義2.2　分形維數(shù)定義2.3　點(diǎn)盒維數(shù)定義

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    醫(yī)藥分析信息學(xué)及分析數(shù)據(jù)處理技術(shù) PDF格式下載

---