醫(yī)藥分析信息學及分析數(shù)據(jù)處理技術

內容概要

　　醫(yī)藥分析信息學是一門新近引起分析化學界和生物醫(yī)藥界高度重視并得到迅速發(fā)展的邊緣學科，是當今生物科技和信息科技的研究前沿；而分析儀器數(shù)據(jù)處理技術則是運用信息科學和計算科學等多　　學科交叉綜合手段解決復雜物質體系辨析問題的高新技術方法，已廣泛應用于生物、醫(yī)藥、地質、環(huán)保、食品、農業(yè)、化學等眾多領域，取得了令人矚目的成果。　　全書共分10章，分別對分析數(shù)據(jù)處理技術的基礎知識、現(xiàn)代儀器分析信號的處理、化學與生物模　　式信息處理、化學指紋圖譜計算處理、分析信息智能管理、生物芯片分析信息處理、組學分析信息處理等進行了詳細介紹，并對該技術在生物醫(yī)藥領域中的應用研究現(xiàn)；吠及進展做了全面介紹?！　”緯晒V大生物醫(yī)藥和分析科學工作者以及相關應用領域的科技人員閱讀，也可作為相關專業(yè)研究生教學參考用書。

作者簡介

　　程翼宇，博士畢業(yè)于浙江大學，曾赴美國哈佛大學醫(yī)學院、FDA/國家毒理研究中心等歐美許多大學及藥物研究單位留學或訪問研究?，F(xiàn)任浙江大學求是特聘教授、藥學院副院長、藥物信息學研究所所長；兼任國家技術前瞻研究組專家、973計劃項目專家組成員及《化學學報》等6家學刊編委，享受國務院政府特殊津貼。 他主要從事藥學、中藥學及生命信息科學等多學科前沿研究，主持研究完成973計劃等國家重大課題16項，領銜獲國家科技進步二等獎1項、省級獎11項，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　分析科學發(fā)展前沿若干問題1.2　涉及的若干概念、界定及術語定義1.3　分析信息獲取問題1.4　生物醫(yī)藥分析技術發(fā)展趨勢1.5　藥物信息學與生物醫(yī)藥分析1.6　復雜物質體系辨析與醫(yī)藥分析信息學第2章　 分析數(shù)據(jù)處理技術基礎知識2.1　化學計量學與化學信息學2.1.1　化學計量學2.1.2　化學信息學2.2　多元統(tǒng)計分析技術2.2.1　基本概念2.2.2　常用的多元統(tǒng)計分析方法2.3　機器學習技術2.3.1　機器學習的定義2.3.2　機器學習的類型2.3.3　機器學習的應用領域2.3.4　幾種常見的機器學習方法2.4　模式信息處理技術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　知識推理機制2.5.5　專家系統(tǒng)2.6　人工神經元計算技術2.6.1　神經網絡的定義2.6.2　基本概念與原理2.6.3　神經網絡的應用2.6.4　幾種常見的神經網絡模型2.7　數(shù)據(jù)庫與數(shù)據(jù)挖掘技術2.7.1　數(shù)據(jù)庫技術概述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2.8　小波分析技術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現(xiàn)2.9　數(shù)據(jù)可視化技術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)可視化應用2.9.5　展望2.10　化學信息集成處理技術參考文獻第3章　現(xiàn)代儀器分析信號處理3.1　分析信號處理技術概述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　濾噪效果評價方法3.4.1　整體濾噪效果評價指標3.4.2　局部濾噪效果評價指標3.5　頻帶濾噪法3.5.1　多點歸并平滑法3.5.2　加權平均平滑法3.5.3　SG數(shù)字濾波器3.5.4　可調型低通濾波器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3.7.1　小波基自適應濾噪技術3.7.2　基于小波包基分解與重構的濾噪技術3.8　自適應濾波器3.8.1　最小均方自適應濾波器3.8.2　神經網絡濾波器3.9　新型濾噪方法研究實例3.9.1　基于分形理論的自適應中位值濾噪方法研究實例3.9.2　基于光譜信息計算解析的液相色譜濾噪方法研究實例3.10　小波信號壓縮參考文獻第4章　 分析譜圖的譜峰辨識方法4.1　譜峰辨識技術概要4.2　譜峰檢測方法4.2.1　幅值檢峰法4.2.2　一階導數(shù)檢峰法4.2.3　二階導數(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　譜峰自適應辨識方法第5章　 多元校正與復雜分析數(shù)據(jù)解析5.1　多元校正與復雜分析數(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　復雜分析數(shù)據(jù)解析5.4.1　多元分辨5.4.2　應用實例參考文獻第6章　 化學與生物模式信息處理6.1　數(shù)據(jù)預處理方法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　復雜化學與生物模式的分步特征提取法6.3.1　復雜化學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指標6.3.3　復雜化學與生物模式特征的分步提取方法應用實例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用實例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)學習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　神經網絡模式分類法6.8.1　神經網絡基本原理6.8.2　感知器6.8.3　誤差反傳神經網絡6.8.4　RBF網絡6.9　支持向量機6.9.1　支持向量機基本原理6.9.2　多類支持向量機6.9.3　支持向量機應用實例6.10　模糊模式識別方法6.10.1　模糊數(shù)學的基本知識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　模糊神經網絡6.10.5　應用實例參考文獻第7章　 化學指紋圖譜計算處理7.1　化學指紋圖譜計算處理方法簡介7.1.1　指紋圖譜相似性計算原理7.1.2　模式分類計算原理7.2　化學指紋圖譜測量參數(shù)的選擇7.3　化學指紋圖譜配準方法7.4　化學指紋圖譜相似性測度的比較7.5　化學指紋圖譜模式分類計算方法7.5.1　基于小波基分形參量的化學指紋圖譜計算方法7.5.2　基于Fisher因子的化學指紋圖譜模式分類方法7.5.3　化學指紋圖譜類別相似性計算方法參考文獻第8章　 分析信息智能管理8.1　實驗室信息管理系統(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的實施過程8.1.6　LIMS的標準和認證體系8.2　電子實驗記錄本8.2.1　電子實驗記錄本的概念8.2.2　電子實驗記錄本的功能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　應用實例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)結構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　基于因果關系發(fā)現(xiàn)的中藥有效組分辨識方法8.6.2　中藥材關鍵藥效成分辨識方法研究實例8.6.3　中藥復方關鍵藥效成分辨識方法研究實例8.6.4　中藥復方有效組分配伍優(yōu)化方法研究實例參考文獻第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　網絡分析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)質量評價與歸一化9.5.2　差異分析9.5.3　測度選擇9.5.4　基因相互關系發(fā)現(xiàn)9.5.5　聚類結果驗證參考文獻第10章　 組學分析信息處理10.1　組學及組學分析信息處理技術概述10.2　蛋白質組分析信息處理10.2.1　蛋白質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　組學分析信息處理的應用前景10.4.2　組學分析信息學參考文獻附錄1　線性空間預備知識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　點盒分形維2.1　分形的定義2.2　分形維數(shù)定義2.3　點盒維數(shù)定義

圖書封面

圖書標簽Tags

無

評論、評分、閱讀與下載

---

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

---