• 
  癌症预后预测(导...
  ￥77.42元
• 
  肿瘤免疫治疗免疫...
  ￥71.10元

　　本书共分为五个部分，每一部分都从不同的角度来讨论癌症结果预测的问题。第一部分描述了一些临床工作者与癌症打交道时所面临的问题和某些困境，涉及的问题包括TNM分级法、生存分析和竞争风险的一般处理方法等。第二部分描述了生物标记和遗传标记及生物信息学的作用等内容。对癌症的遗传和环境基础的理解，在鉴定高危人群以及开发有效的预防策略和早期检测战略中有重要作用。第三部分则通过分析各种类型的癌症实例来说明数学分析在预测中的作用。第四部分描述了一些用于癌症诊断的机器学习方法。最后本书还介绍了科学和医学团体如何共享信息，以及普通大众如何通过信息技术和互联网使用这些信息。

样章试读

• 暂时还没有任何用户评论

总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

• 暂时还没有任何用户咨询内容

总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

用户名：	匿名用户
E-mail：
咨询内容：

• 前言
  参编人员
  引言
  第一部分　临床难题
  第一章　口腔癌手术切除样本的详细组织学分期的预测性价值
  J.A. Woolgar
  第二章　眼球内黑色素瘤治疗后的存活率
  B.E. Damato and A.F.G. Taktak
  第三章　相对生存率分析的最新进展
  T.R. Hakulinen and T.A. Dyba
  第二部分　生物和遗传因素
  第四章　肺癌的环境和遗传风险因素
  A. Cassidy and J.K. Field
  第五章　细胞内混沌、癌症、细胞操作系统和头颈部癌症的生存率预测
  A.S. Jones
  第三部分　预后模型的数学背景
  第六章　癌症预后预测的弹性风险模型：生物信息学知识的应用
  E. Biganzoli and P. Boracchi
  第七章　通过神经网络在生存率分析和特征选择中应用信息几何学
  A. Eleuteri，R. Tagliaferri，L. Milano and M. de Laurentiis
  第八章　人工神经网络乳腺癌患者生存率分析：一个淋巴结阴性研究
  C.T.C. Arsene and P.J.G. Lisboa
  第四部分　机器学习方法的应用
  第九章　人工神经网络在癌症患者预后的诊断和评估中的使用
  A.M. Marchevsky
  第十章　机器学习对解决预后医学问题的作用
  F. Baronti，A. Micheli，A. Passaro and A. Starita
  第十一章　通过磁共振成像和波谱数据的模式识别对脑癌进行分类
  A. Devos，S. van Huffel，A.W. Simonetti，M. van der Graaf，A. Heerschap and L.M.C. Buydens
  第十二章　基于家族数据对遗传性非息肉性结直肠癌进行自动化风险分析
  M. Köküer，R.N.G. Naguib，P. Jancovic，H.B. Younghusband and R. Green
  第十三章　微阵列技术对脑癌的影响
  M.G. Kounelakis，M. Zervakis and X. Kotsiakis
  第五部分　信息传播
  第十四章　医学信息系统网络与新生代系统的发展
  J.M. Fonseca，A.D. Mora and P. Barroso
  第十五章　Geoconda：多中心研究的一个网络环境
  C. Setzkorn，A.F.G. Taktak and B.E. Damato
  第十六章　医学预测模型的发展与实施
  M.W. Kattan，M. Gönen and P.T. Scardino
  索引