近年来，数据仓库技术、数据分析与挖掘技术取得了很多新的进展，特别是非结构化数据和复杂类型数据的处理与分析。

本书力图从两个角度观察和分析医学数据处理与分析技术。一方面从信息技术的角度介绍数据仓库及数据分析与挖掘的基本原理、技术和发展前景；另一方面从医学科学的角度介绍医学信息与医学数据以及相关处理技术的特殊性和最新的研究成果。

本书可作为医学院校的本科生和研究生教材。也适合于医学领域从事数据处理的专业技术人员阅读。

0 绪论

 0．1 医学信息技术概述

0．1．1 信息与信息技术

0．1．2 医学信息与医学知识

0．1．3 医学信息技术

 0．2 数据库技术的演化

 0．3 决策支持系统的发展

0．3．1 决策支持系统

0．3．2 DsS与数据仓库及数据挖掘

0．3．3 医学决策支持系统

第1篇 数据仓库

 1 数据仓库概述

1．1 数据库的基本概念

1．1．1 数据、数据库与数据库系统

1．1．2 数据库系统的基本特点

1．2 从传统数据库到数据仓库

1．2．1 蜘蛛网问题

1．2．2 事务处理向分析决策的转变

1．3 数据仓库的基本特征

1．3．1 面向主题

1．3．2 集成性

1．3．3 稳定性

1．3．4 随时间不断变化

1．4 数据仓库中的数据组织

1．4．1 数据组织基本特征

1．4．2 粒度与分区

1．4．3 数据组织方式

 2 数据仓库基本结构

2．1 数据仓库的体系结构

2．1．1 数据仓库结构

2．1．2 数据集市

2．1．3 数据仓库系统的逻辑层次

2．1．4 数据仓库运行结构

2．2 数据仓库的模型

2．3 数据抽取、转换和装载

2．3．1 ETL概述

2．3．2 数据抽取

2．3．3 数据转换

2．3．4 数据装载

2．3．5 ETL工具

2．4 数据仓库的元数据

2．4．1 数据字典与元数据

2．4．2 元数据的作用

2．4．3 元数据的分类

2．4．4 元数据的管理与维护

3 数据仓库设计

3．1 体系结构化的准则

3．2 数据仓库的模型选取

3．3 数据仓库的开发模式

3．4 数据仓库工程

 4 OLAP技术

4．1 概述

4．1．1 OLAP的基本涵义、特性

4．1．2 OLAP的分类

4．2 OLAP与0LTP 

4．2．1 OLAP系统组成

4．2．2 OLAP与OLAP的联系与区别

4．3 OLAP与多维分析

4．3．1 维度简介

4．3．2 多维数据集

4．3．3 维度模型

4．3．4 父子维度

4．3．5 虚拟维度

4．4 OLAP的技术实现

4．4．1 OLAP技术的准则

4．4．2 OLAP前端展示

4．4．3 OLAP的基本操作

4．4．4 MDx语言 

4．5 OLAP的发展

 5 医学数据仓库

5．1 医学信息与数据

5．2 医学数据仓库的关键问题

5．2．1 医学数据的组织

5．2．2 医学数据仓库的设计

5．2．3 医学数据仓库的管理

5．3 医学数据仓库的现状与未来

第2篇 数据挖掘

 6 数据挖掘概述

6．1 数据挖掘的起源

6．1．1 数据挖掘的产生背景

6．1．2 数据挖掘的定义

6．1．3 数据挖掘与数据仓库

6．1．4 数据挖掘与OLAP

6．2 数据挖掘的任务

6．3 医学与数据挖掘

6．3．1 数据挖掘在生物医学工程中的应用

6．3．2 数据挖掘在中医药领域中的应用

 7 数据挖掘的步骤

7．1 数据挖掘的过程

7．1．1 确定目标

7．1．2 数据准备

7．1．3 数据挖掘

7．1．4 结果分析

7．2 数据挖掘的系统结构

7．3 数据质量与数据预处理

7．3．1 数据质量分析

7．3．2 数据预处理

7．3．3 数据归约

 8 数据挖掘算法

8．1 关联规则

8．1．1 关联规则的经典案例——“购物篮分析”

8．1．2 关联规则的基本概念

8．1．3 关联规则的基本原理

8．1．4 关联规则的经典算法——Apriori算法

8．1．5 关联规则的医学应用实例

8．2 分类与预测

8．2．1  分类与预测的基本概念

8．2．2 决策树

8．2．3 贝叶斯分类

8．2．4 神经网络

8．2．5 其他分类方法

8．2．6 分类与预测的医学应用实例

8．3 聚类分析

8．3．1 聚类分析的基本概念

8．3．2 聚类分析的算法

8．3．3 聚类分析的医学应用实例

 9 医学数据挖掘

9．1 医学结构化数据挖掘

9．1．1 医学结构化数据挖掘概述

9．1．2 医学结构化数据挖掘的应用研究

9．2 医学文本数据挖掘

9．2．1 文本数据挖掘概述

9．2．2 文本数据挖掘的关键技术

9．2．3 医学文本数据挖掘的应用研究

第3篇 数据仓库与数据挖掘应用

 10 SQL Server 2000的数据仓库与数据挖掘功能

10．1 SQL Server 2000的数据仓库工具介绍

10．1．1 数据转换服务

10．1．2 复制

10．1．3 AnMysis Services

10．1．4 English Query

10．1．5 Meta Data SetNiees

 10．2 SQL Server 2000 Analysis Services功能介绍

10．2．1 Analysis Serv：ices的安装

10．2．2 Analysis Services的功能特点

10．2．3 Analysis Services的使用

 11 数据仓库与数据挖掘在医学领域的应用案例

11．1 医院管理数据仓库和OLAP

11．1．1 案例背景

11．1．2 数据源

11．1．3 医院管理数据仓库的设计

11．1．4 医院管理OLAP设计

11．2 临床治疗方案挖掘

11．2．1 案例背景

11．2．2 数据预处理

11．2．3 挖掘结果

11．3 中药复方配伍规律挖掘

11．3．1 案例背景

11．3．2 数据预处理

11．3．3 挖掘结果

 12 常用的数据挖掘工具

12．1 SAS Enterprise Miner

12．1．1 Enterprise Miner开发环境

12．1．2 Enterprise Miner的节点功能

12．1．3 Enterprise Miner的使用

 12．2 SPSS Clementinee

12．2．1 SPSS Clementine的开发环境

12．2．2 SPSS Clementine的基本功能

12．2．3 SPSS Clementine的使用

 12．3 其他数据挖掘工具

12．3．1 MineSet 

12．3．2 DBMiner

12．3．3 Intelligent Miner