新書推薦：
《
我的心理医生是只猫
》
售價：NT$
225.0
《
股权控制战略：如何实现公司控制和有效激励（第2版）
》
售價：NT$
449.0
《
成吉思汗传：看历代帝王将相谋略 修炼安身成事之根本
》
售價：NT$
280.0
《
爱丁堡古罗马史-罗马城的起源和共和国的崛起
》
售價：NT$
349.0
《
人生解忧：佛学入门四十讲
》
售價：NT$
490.0
《
浪潮将至
》
售價：NT$
395.0
《
在虚无时代：与马克斯·韦伯共同思考
》
售價：NT$
260.0
《
日内交易与波段交易的资金风险管理
》
售價：NT$
390.0
|
| 編輯推薦： |
|
本书是国内*部基于机器学习的睡眠诊断专著。本书着重介绍了使用机器学习技术进行睡眠分期，从传统的统计学习算法和近年来火热的深度学习算法两个方面，阐述了近年来国内外学者对睡眠分期算法的研究。
|
| 內容簡介： |
大数据时代，随着人工智能的发展，机器学习算法越来越多被广泛应用于解决工程应用和科学领域的复杂问题。其中睡眠诊断是机器学习领域解决的一个重大问题。睡眠是人类必要的生理活动，是机体恢复必须的生理需求。随着社会建设进程的加快和人们生活方式的改变，睡眠问题已经遍及全球，越来越多的人遭受各种睡眠疾病的折磨，睡眠诊断显得尤为重要。睡眠诊断不仅需要医生判定患者睡眠事件还要进行睡眠分期。睡眠分期通常需要医生直接进行人工判读，需要近两个小时的工作，工作繁杂且沉闷，有时还会失去判读和评估的准确性。本书是国内*部基于机器学习的睡眠诊断专著。本书着重介绍了使用机器学习技术进行睡眠分期，从传统的统计学习算法和近年来火热的深度学习算法两个方面，阐述了近年来国内外学者对睡眠分期算法的研究。本书的*后介绍了睡眠事件的智能诊断技术。
本书介绍的睡眠诊断技术能够协助临床医生分析睡眠数据，具有临床应用价值，也为机器学习智能诊断技术领域的学生、科研人员提供了系统、详尽的智能诊断泛例，为进一步的机器学习与智能诊断理论研究与探索做出贡献。
|
| 關於作者： |
|
由育阳，男，博士，北京理工大学自动化学院讲师，主要研究领域为机器学习与数据挖掘。主持国家自然科学基金面上项目1项、国家863课题4项、省部级基金1项、校基础基金1项、校试验设备自制项目1项；授权国家发明专利10余项；获2016年航空学会科学技术奖（排名第一）；国家留学基金委公派赴美国访学1年。任人工智能学会智能服务专委会委员。
|
| 目錄：
|
第1章 绪论 1
1.1 生物医学信号概述 1
1.1.1 引言 1
1.1.2 生物医学信号特点 3
1.1.3 生物医学信号处理的主要环节 4
1.1.4 生物医学信号处理理论 7
1.1.5 生物医学信号处理的应用 9
1.2 睡眠医学简介 12
1.2.1 睡眠概述 13
1.2.2 睡眠医学发展史 15
1.2.3 多导睡眠图监测技术的发展与临床应用 21
1.3 机器学习在医学诊断中的应用 28
1.3.1 机器学习概述 28
1.3.2 医学信息进行数据挖掘和分析的意义 28
1.3.3 医生与机器学习诊断结果的比较 34
参考文献 36
第2章 睡眠分期背景介绍 37
2.1 美国睡眠医学学会睡眠分期判读解析 37
2.1.1 睡眠分期的测定 37
2.1.2 睡眠分期的标定 39
2.1.3 睡眠分期 39
2.2 常用睡眠分期数据库 45
2.2.1 MIT - BIH多导睡眠图数据库 45
2.2.2 Sleep - EDF数据库 47
2.2.3 CFS数据集 48
2.3 研究睡眠分期的意义 49
参考文献 51
第3章 生物电信号特性分析与特征提取 52
3.1 生物电信号预处理 52
3.2 脑电信号 54
3.2.1 脑电数据特征 54
3.2.2 脑电数据预处理 56
3.2.3 经典功率谱估计 67
3.2.4 现代谱估计 68
3.2.5 复杂性测度分析 74
3.2.6 思维脑电特征分析及思维任务分类研究 77
3.3 眼动信号的特性分析与特征提取 79
3.3.1 EOG信号研究概述 80
3.3.2 EOG信号预处理 81
3.3.3 EOG信号特征提取 87
3.4 肌电信号的特性分析与特征提取 88
3.5 体动信号的特性分析与特征提取 90
参考文献 91
第4章 基于统计学习的睡眠分期算法 93
4.1 K均值聚类 93
4.1.1 K均值聚类算法简介 93
4.1.2 K均值算法在睡眠分期中的应用 94
4.2 随机森林 96
4.2.1 随机森林算法简介 96
4.2.2 随机森林在睡眠分期中的应用 101
4.3 支持向量机 105
4.3.1 支持向量机算法简介 105
4.3.2 支持向量机在睡眠分期中的应用 109
4.4 贝叶斯分类 111
4.4.1 贝叶斯算法简介 111
4.4.2 贝叶斯算法在睡眠分期中的应用 115
4.5 k近邻算法 116
4.5.1 k近邻算法简介 116
4.5.2 k近邻算法在睡眠分期中的应用 119
4.6 Adaboost 122
4.6.1 Adaboost简介 122
4.6.2 Adaboost在睡眠分期中的应用 123
4.7 其他集成学习算法 126
4.7.1 Bagging 126
4.7.2 XGBoost 130
参考文献 132
第5章 基于深度学习的睡眠分期算法 135
5.1 神经网络概述 135
5.1.1 人工智能和DNN 135
5.1.2 神经网络和深度神经网络 137
5.1.3 推理与训练 138
5.1.4 发展历史 139
5.2 以特征为输入的神经网络 139
5.3 以特征时间序列为输入的神经网络 154
5.4 端到端的神经网络 162
参考文献 168
第6章 睡眠期间相关事件 178
6.1 睡眠期间呼吸事件 178
6.1.1 呼吸暂停 178
6.1.2 低通气 183
6.1.3 OSAHS患者睡眠分期特点 185
6.1.4 机器学习在呼吸相关睡眠障碍中的应用 187
6.2 睡眠期间运动事件 190
6.2.1 运动事件诱因 190
6.2.2 运动事件类别及判读 191
6.2.3 机器学习在睡眠期间运动事件领域的应用 193
6.3 睡眠期间脑电图特征相关事件 194
6.3.1 失眠症 194
6.3.2 癫痫 195
6.3.3 抑郁症 198
6.3.4 深度学习模型用于癫痫发作预测和分类 199
6.4 睡眠障碍与心脑血管疾病 201
6.4.1 睡眠呼吸紊乱对心血管疾病的影响 201
6.4.2 睡眠呼吸紊乱对机体代谢的影响 202
6.4.3 睡眠梦境对脑血管疾病的影响 203
6.4.4 基于遗传算法和神经网络的心血管疾病预测系统 204
参考文献 204
|
| 內容試閱：
|
随着人工智能技术的发展，机器学习算法被越来越多地用于解决工程应用和科学领域的复杂问题。其中睡眠诊断是机器学习智能诊断领域解决的一个重大问题。睡眠是人类必要的生理活动，是机体恢复必需的生理需求。随着社会建设进程的加快和人们生活方式的改变，睡眠问题已经遍及全球，越来越多的人遭受各种睡眠疾病的折磨，睡眠诊断显得尤为重要。睡眠诊断不仅需要医生判定患者睡眠事件，还要进行睡眠分期。睡眠分期通常需要医生进行人工判读，人工进行睡眠分期和睡眠诊断耗时长且容易造成误读，所以开发自动睡眠诊断系统显得尤为重要。近年来，机器学习技术发展迅速，在自动睡眠诊断领域内得到应用广泛，所以本书详细介绍了机器学习智能诊断理论与应用。
本书是国内首部基于机器学习的睡眠诊断专著。本书详细介绍了生物医学信号、睡眠医学和睡眠分期的背景，通过对这三方面的介绍，使读者了解睡眠诊断，对睡眠诊断有清晰的认识。同时，本书详细介绍了睡眠诊断的基本理论及概念，并在此基础上深入和系统地介绍了使用机器学习算法进行睡眠分期和睡眠疾病诊断的方法。
睡眠分期是睡眠诊断中必要也是最重要的环节。本书主要介绍了机器学习在睡眠分期中的应用。传统的统计学习算法发展较为成熟，在睡眠分期和诊断的应用中极为广泛。传统的统计学习方法依赖人们手工设计特征，将提取好的特征输入分类器以得到分类结果。本书首先介绍了生物电信号的特性分析和特征提取。生物电信号的特性分析为我们提供了生物电信号的领域知识，通过这些领域知识进行特征提取可以提升分类的准确率。本书介绍了7种统计学习算法的工作原理并给出了它们在睡眠分期问题中的实例。这些统计学习分类器有单一分类器和集成学习分类器两种。单一分类器包括：K均值聚类、支持向量机、贝叶斯分类和k近邻算法。集成学习分类器有三种：基于bagging方法的随机森林以及基于boost方法的Adaboost和XGBoost。深度学习是近年来学术界关注的热点，其中深度神经网络可以直接依据输入数据给出较好的分类结果而不依靠科研工作者设计复杂的手工特征。在睡眠分期领域有三大类深度神经网络，分别是：以特征为输入特征的神经网络、以特征时间序列为输入的神经网络和端到端的神经网络。
本书的另一主干内容是睡眠事件。本书介绍了睡眠期间的呼吸事件、运动事件、脑电图特征相关事件、睡眠障碍和心血管疾病。这些睡眠事件有着不同的特点。在睡眠诊断过程中，睡眠分期是必要的，然而我们还需要根据不同睡眠事件的特殊性设计不同的睡眠事件算法。此外，本书还介绍了使用机器学习进行诊断睡眠事件的实例。
北京理工大学动力学与先进控制实验室的硕士研究生刘国正、田吉龙、俞云开、单文婧、刘玉征等同学参与了本书的部分图表制作和文字校对工作，在此表示感谢。
本书介绍的睡眠诊断技术能够协助临床医生分析睡眠数据，具有临床应用价值，也为机器学习智能诊断技术领域的学生、科研人员提供了系统、详尽的智能诊断范例，可为进一步的机器学习与智能诊断理论研究与探索做出贡献。
本书介绍的内容取材于较新的研究成果，有些理论尚不成熟，欢迎广大自动睡眠诊断工作者和感兴趣的读者提出宝贵意见，以促进我国自动睡眠诊断技术水平的提高。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
