| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 课题研究目的和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 心肺性职业病研究现状 | 第9页 |
| 1.2.2 基于数据挖掘的医疗数据分析 | 第9-11页 |
| 1.3 课题来源及研究内容 | 第11-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 2 医疗大数据分析相关研究进展 | 第15-21页 |
| 2.1 医疗大数据研究应用进展 | 第15-16页 |
| 2.1.1 医疗大数据在医药领域的应用 | 第15-16页 |
| 2.1.2 医疗大数据在临床诊断的应用 | 第16页 |
| 2.1.3 医疗大数据在个人健康管理的应用 | 第16页 |
| 2.2 医疗大数据挖掘算法调研 | 第16-20页 |
| 2.2.1 聚类 | 第17-18页 |
| 2.2.2 决策树方法 | 第18-19页 |
| 2.2.3 人工神经网络 | 第19页 |
| 2.2.4 关联分析 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 3 面向数据挖掘的心肺性职业病数据预处理 | 第21-28页 |
| 3.1 数据预处理 | 第21-24页 |
| 3.1.1 电子病历数据存储 | 第21-22页 |
| 3.1.2 数据预处理流程 | 第22-24页 |
| 3.2 数据类型变换 | 第24-27页 |
| 3.2.1 结构化数据存储 | 第24-25页 |
| 3.2.2 数值化处理 | 第25-27页 |
| 3.3 本章小结 | 第27-28页 |
| 4 心肺性职业病检验项挖掘研究 | 第28-50页 |
| 4.1 Apriori算法 | 第28-36页 |
| 4.1.1 经典Apriori算法 | 第28-31页 |
| 4.1.2 Apriori算法改进 | 第31-36页 |
| 4.2 基于Hadoop计算模型的检验项数据挖掘 | 第36-48页 |
| 4.2.1 Hadoop平台简介 | 第36-44页 |
| 4.2.2 基于MapReduce的改进Apriori算法流程 | 第44-45页 |
| 4.2.3 基于Hadoop的检验项分析 | 第45-47页 |
| 4.2.4 实验结果及分析 | 第47-48页 |
| 4.3 本章小结 | 第48-50页 |
| 5 基于Hadoop计算模型的并发症数据挖掘 | 第50-55页 |
| 5.1 并发症分析模型 | 第50-52页 |
| 5.1.1 并发症数据建模 | 第50-51页 |
| 5.1.2 面向并发症分析的数据预处理 | 第51-52页 |
| 5.2 基于Hadoop计算模型的并发症数据挖掘 | 第52-54页 |
| 5.2.1 基于Hadoop的并发症分析 | 第52-53页 |
| 5.2.2 实验结果及分析 | 第53-54页 |
| 5.3 本章小结 | 第54-55页 |
| 6 总结与展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间发表的学术论文目录 | 第61-62页 |