本书编写的目的是向读者介绍医学大数据分析的常用方法和相应的技术应用。全书共14章，具体内容包括医学大数据概述、常用大数据工具、医学大数据的获取、数据预处理、回归分析、数据降维、关联规则、分类方法、聚类分析方法、时间序列分析、人工神经网络、马尔可夫预测、医学文本数据分析、医学图像数据分析。
本书将理论与实践操作相结合，系统讲解常用的医学大数据分析算法和不同类型数据的分析方法，通过大量的医学案例帮助读者快速掌握和应用大数据分析相关技术。
本书可以作为高等学校医学生大数据分析课程的教材使用，也可供对医学大数据分析感兴趣的专业技术人员阅读。

齐惠颖，博士，北京大学副教授。主要研究方向为健康信息学、医学大数据分析与智能医学。北京大学医学部健康信息管理系副主任，北京大学临床研究所信息化主管。主要社会兼职有全国计算机基础教育研究会医学专委会副主任委员，中国医药教育协会智能医学委员会常务委员。出版教材10部，承担多项教学改革项目，多次获得北京大学医学部优秀教师荣誉称号。

第1章 医学大数据概述
1.1 基础知识
1.1.1 大数据的概念
1.1.2 医学大数据的概念
1.1.3 医学大数据的种类
1.1.4 医学大数据的特征
1.2 医学大数据分析的特点
1.2.1 与传统分析方法比较
1.2.2 大数据分析的类型
1.2.3 大数据分析技能
1.3 医学大数据应用
1.4 医学数据的伦理问题
1.4.1 医学数据及其处理为何涉及伦理问题
1.4.2 医学数据分析伦理的法律基础
1.4.3 医学数据相关研究的伦理审查
1.4.4 医学数据相关研究的知情同意和知情同意豁免
1.4.5 医学数据相关研究的伦理要求进一步解读
思考题
第2章 常用大数据工具
2.1 Hadoop简介
2.1.1 Hadoop结构
2.1.2 Hadoop特点
2.2 Python简介
2.2.1 Python的特点
2.2.2 Python环境介绍
2.3 R语言简介
2.3.1 R语言主要功能
2.3.2 R语言特点
2.3.3 R语言环境介绍
2.3.4 R语言基础
2.4 MATLAB简介
2.4.1 MATLAB主要功能
2.4.2 MATLAB特点
2.4.3 MATLAB环境介绍
2.5 Weka简介
思考题
第3章 医学大数据的获取
3.1 医学大数据的来源
3.2 结构化数据的获取
……
第4章 数据预处理
第5章 回归分析
第6章 数据降维
第7章 关联规则
第8章 分类方法
第9章 聚类分析方法
第10章 时间序列分析
第11章 人工神经网络
第12章 马尔可夫预测
第13章 医学文本数据分析
第14章 医学图像数据分析
参考文献