详情

生物医疗大数据挖掘及临床科研应用实战培训班

6月30日

时间

主题

内容

8:30-9:30

医学大数据的概念及分类介绍

1.医学大数据的概念

2.医学大数据的分类,如临床电子病历、影像学信息、公共卫生与健康监测等

数据

9:31-10:30

医学大数据数据库与资源的获取

1.各主要生物医学数据库、资源库

2.DaTo信息库的演示

10:31-10:45

茶歇


10:46-12:45

医学大数据的应用

1.临床诊断

2.疾病相关性分析

3.临床治疗方案

4.个性化决策等方面

14:00-15:00

医学大数据与精准医学的临床科研策略

1.精准医学的发展现状

2.临床科研策略、科研选题思路等

15:01-16:30

临床疾病标记物及数据分析

1.临床疾病标记物的介绍

2.基于网络的标记物的鉴定

3.非编码RNA标记物及相关分析

16:31-18:00

多组学信息数据科研应用

1.转录组数据分析

2.单细胞组学大数据分析案例(如流式细胞术、单细胞RNA-seq、细胞谱图模型等)

3.多组学系统生物学的研究与应用

7月1日

8:30-10:00

临床大数据的数据挖掘思路及R软件简介

1. 数据挖掘的基本概念

2.临床大数据的收集,整合和管理

3. 案例形式介绍临床大数据的数据挖掘思路

4. R软件的下载和安装

5. R软件的基本运算(向量运算、矩阵计算、基本统计计算)

6.合理应用数据挖掘将普通的医学论文升级为高分SCI

10:01-10:30

茶歇


10:31-12:31

数据挖掘方法—分类与聚类(上)

1. 分类的概念及分类性能的评估

2. 决策树与随机森林分类器的构建及R软件实现

3. 案例:应用决策树获得影响结局的决策准则及应用随机森林算法预测样本分类并提取结局的重要风险因素

4. 聚类的概念及常用聚类方法(K均值聚类与系统聚类)

5. K均值聚类与系统聚类的R软件实现

10:01-10:30

茶歇


10:31-12:31

数据挖掘方法—分类与聚类(上)

1. 分类的概念及分类性能的评估

2. 决策树与随机森林分类器的构建及R软件实现

3. 案例:应用决策树获得影响结局的决策准则及应用随机森林算法预测样本分类并提取结局的重要风险因素

4. 聚类的概念及常用聚类方法(K均值聚类与系统聚类)

5. K均值聚类与系统聚类的R软件实现

13:30-14:30

数据挖掘方法—分类与聚类(下)

6. 双向聚类热图的绘制

7. 基于数据挖掘中的分类与聚类发表SCI论文的经验分享

14:31-17:00

数据挖掘方法—关联规则与贝叶斯网络

1. 关联规则的概念及常用关联规则分析方法(Apriori算法)

2. 关联规则分析及关联规则可视化的R软件实现

3. 贝叶斯网络的概念及构建

4. 案例:基因与环境互作的贝叶斯网络构建及R软件实现

5. 基于数据挖掘中的关联规则与贝叶斯网络发表SCI论文的经验分享


17:01-17:30

答疑及服务咨询