生物医学数据分析及其matlab实现源码与ch.pptx

生物医学数据分析及其MATLAB实现 从海量的数据中发现规律 生物医学数据的特殊性 数据分析方法 用MATLAB进行数据分析 主要内容： 第1章 绪论 福尔摩斯：“数据！数据！数据！没有粘土，怎么能做成砖？” －－Doly A C 爵士 “在表面上看上去是发生着偶然性的地方，其实这种偶然性本身总是服从于内部隐藏着的规律性。全部的问题就在于发现这种规律。” －－恩格斯 “工欲善其事，必先利其器” －－论语 第1章 绪论 生物医学数据的来源 生物医学数据的特点 生物医学数据的特殊性 生物医学数据分析概述 Why Use Matlab? 生物医学数据的来源 形态 身高、骨长、心脏、胃、肾等器官几何形状、血管直径等 振动 心音、肠鸣音、呼吸音、血管音等 压力 血压、心内压、颅内压、胸腔内压、眼内压等 速度 血流速度、排尿速度、神经传导速度等 流量 血流量、呼吸流量、尿流量等 温度 体表温度、口腔温度、血液温度、直肠温度、其他脏器温度等 生物电 细胞电位、脑电、心电、胃电、肌电等 生物磁 心磁、脑磁、胃磁等 物理性质参数 组织密度、对X射线的衰减系数、体内氢核分布、对超声波的声阻抗等 化学成分 O2、CO2、H2O、N2、NH3、K＋、Na＋、Ca2＋等 生物量 酶、抗原、抗体、激素、神经递质、DNA、RNA和蛋白质等 表1-1 人体生理信息的种类 生物医学数据的特点 多样性 数据来源的多样性 数据格式的多样性 不完整性 数据的采集、记录和表示过程中形成 随机性 缺乏对人体各种生理信号产生机制的全面了解 个体差异的普遍存在 不可避免的测量误差 对个体的分析难以得出正确的结论，必须在统计意义上进行分析。 生物医学信号的特点 时变的 频率低 信噪比特别低 这些特点表明生物医学信号中的很多反映真实生理或病理状态的信息是潜在的，不明显的，必须通过特殊的数据处理和分析方法，把内在的信息提取出来。同时这些特点也决定了生物医学数据分析的难度和复杂性，处理方法必须要考虑信号的特点和实际情况中的各种联系。 生物体是一个开放的、时变的、非线性的系统。 生物医学信号的主要特点： 非线性的 信号非常微弱 生物医学数据分析概述 从大量数据中去发现和理解隐藏在其中的内在规律以及变量间的相互关系，从而为疾病的诊断、治疗提供依据和决策支持，加深对生命现象的认识和理解。 生物医学数据分析的目的： 药物性能的比较 传染病的预测和控制 病情的诊断 分子水平的致病机理 。。。。。。 生物医学数据分析概述 对于生物医学数据分析，就是在考虑生物医学数据特点的情况下，根据不同的分析和应用目的而采用不同的数学分析方法，建立研究对象的数学模型，对所采集到的生物医学信号进行分析、辨认、解释、分类、显示，其研究目的一是对生物体系结构与功能的研究，二是协助对疾病的诊断和治疗。 数 学 理论 生物医学 实验 数据 规律性认识 数学模型 生物医学数据分析概述 Example1: （体素）像素的划分 衰减系数的矩阵表示（图像） 生物医学数据分析概述 Example1: Radon (奥地利) 1917 生物医学数据分析概述 Example1: 生物医学数据分析概述 Example2: 艾滋病的传染病数学模型 估计过去、现在和将来HIV病毒的传播率 明确HIV病毒在各种易感人群之间的传播方式 可能的方法 常微分方程 时间序列分析 生物医学数据分析概述 Example3: 计算机数值诊断 专家系统 方法： 知识规则 人工神经网络 模糊数学 支持矢量机 关键： 知识（经验）的量化 分类的标准 学习的样本 生物医学数据分析概述 生物医学数据分析的常用方法： 回归分析 时间序列分析 多变量分析 统计学习 时域分析 频域分析 时频分析 生物医学数据分析概述 生理信息的分析类型： 确定性信息 随机性信息 精确可预测 概率上估计 生物医学数据分析概述 从数据分析的目的来看，生物医学数据分析主要有： 为了提取不同变量之间的联系或因果关系，可用于阐述疾病的病因和病症间的关系或进行分类，如回归分析、多变量分析等； 为了确定某一变量自身随时间变化的规律，可用于对未来发展趋势的预测或施加控制，如时间序列分析。 在有些情况下，这两种分析目的都要兼顾，例如多道脑电的分析。 Why Use MATLAB 站在巨人的肩膀上！ 强大的数据可视化功能 可靠的数值计算能力 统计工具箱(Statistics Toolbox) 信号处理工具箱(Signal Processing Toolbox) 图像处理工具箱(Image Processing Toolbox) 优化工具箱(Optimization Toolbox) 符号数学工具箱(Sym