| 课程号 |
04833140 |
学分 |
2 |
| 英文名称 |
Health Informatics —— Big Data Approach |
| 先修课程 |
数据结构与算法 |
| 中文简介 |
健康信息学是一门融合现代信息技术和健康科学的交叉学科。应用健康信息学，并通过对健康信息的收集、处理、模型设计、系统研发、数据可视化、系统集成和管理，以达到帮助和改善疾病诊断，实现对疾病的有效治疗、预测和监测。如何利用现有的计算机、数据库技术和现代通信技术来提高医疗诊疗手段和水平，为临床决策提供更好地支持，已经成为当今世界医疗界共同关心的课题。课程开设目的是使学员能够熟悉和掌握健康信息学研究的国际前沿和热点。课程适用于计算机和医学健康领域的学生、研究人员，有助于帮助他们在大数据背景下有效理解，掌握和使用现代医疗健康信息系统，分析和预测医疗健康数据。 |
| 英文简介 |
Health informatics is an inter-disciplinary area combining current information technology with health sciences. Through the collection of health information, processing, model design, system integration and management, it helps to improve the diagnosis of disease, achieve effective treatment of disease and predict disease. How to use current computer science, database technology and communication technology to improve disease diagnosis, and provide better support for clinical decision making has already become one of issues of common concern to the current medical community. The purpose of the course is to enable students to be familiar with and master the current advanced techniques and topics of health informatics in the world. This course is appropriate for students and researchers in the computer or medicine domains, and help them to understand, grasp and use modern medical health information systems, analyze health data and predict disease. |
| 开课院系 |
信息科学技术学院 |
| 通选课领域 |
|
| 是否属于艺术与美育 |
否 |
| 平台课性质 |
|
| 平台课类型 |
|
| 授课语言 |
中英双语 |
| 教材 |
Health Information Science,Yanchun Zhang,Springer,2014,1,ISBN 978-3-319-06268-6；
Big Data Analytics for Healthcare,Jimeng Sun Chandan K. Reddy,ACM,2013, |
| 参考书 |
ACM SIGKDD；
；
|
| 教学大纲 |
课程开设目的是使学员能够熟悉和掌握健康信息学研究的国际前沿和热点。课程适用于计算机和医学健康领域的学生、研究人员，有助于帮助他们在大数据背景下有效理解，掌握和使用现代医疗健康信息系统，分析和预测医疗健康数据。
健康信息学是一门融合现代信息技术和健康科学的交叉学科，通过对健康信息的收集、处理、模型设计、系统研发、数据可视化、系统集成和管理，以达到帮助和改善疾病诊断，实现对疾病的有效治疗、预测和监测。如何利用现有的计算机、数据库技术和现代通信技术来提高医疗诊疗手段和水平，为临床决策提供更好地支持，已经成为当今世界医疗界共同关心的课题。课程开设目的是使学员能够熟悉和掌握健康信息学研究的国际前沿和热点。课程适用于计算机和医学健康领域的学生、研究人员，有助于帮助他们在大数据背景下有效理解，掌握和使用现代医疗健康信息系统，分析和预测医疗健康数据。
28学时课堂授课内容提要 （另有6小时讨论课，2小时项目答辩）
· 第一讲：健康信息学-大数据方法，2小时
在这一讲，我们主要介绍健康信息学的基本概念，大数据方法和数据标准。
· 第二讲：数据挖掘方法和应用，4小时
在这一讲，我们主要介绍数据挖掘方法和主要算法，例如，关联规则挖掘，决策树，贝叶斯等方法以及相应的算法，例如 Apriori, ID3, 支持相量（SVM），等。
· 第三讲：异构系统中数据集成与关联分析，4小时
在这一讲，我们主要介绍异构系统中数据集成与关联分析的主要方法，经过集成整合，分析疾病与生理数据，生活习惯，睡眠数据与基因数据的关联关系。
· 第四讲：大数据分析方法，4小时
在这一讲，我们主要介绍大数据分析方法，数据挖掘（例如数据流挖掘、图/复杂网络挖掘、个性化推荐及众包技术）；数据分析及管理工具（如Hadoop、MapReduce、Spark等。
· 第五讲：健康物联网—RFID技术和应用，4小时
在这一讲，我们主要介绍健康物联网的基本概念，RFID（Radio Frequency Identification）射频识别技术的基本概念，RFID不确定性数据处理。
· 第六讲：健康物联网--大数据和健康异常预警研究，2小时
在这一讲，我们主要介绍健康物联网的应用，传感数据流的数据挖掘和医疗艰苦异常预警；
· 第七讲：医学图像大数据处理，2小时
在这一讲，我们主要介绍生物医学成像分析在生物医学，生物学，和医学领域中的应用。
· 第八讲：大数据隐私和保护，2小时
在这一讲，我们主要介绍大数据隐私和保护。
· 第九，十 讲：当前医学大数据的研究热点和专题，4小时
课堂讲授、分组讨论
课程考核包括三个部分：
(1) 出勤（10%）
(2) 问题和讨论（40%）
所选问题全部与课堂讲课内容有关。
(3) 专题报告（50%）
根据给定的主题，写一篇研究报告。
|
| 教学评估 |
张铭：
学年度学期：17-18-3，课程班：健康信息学——大数据方法1，课程推荐得分：3.75，教师推荐得分：3.75，课程得分分数段：80及以下；
|
|