基于机器学习的心血管疾病预测系统研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-20页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 国外研究现状 | 第14-16页 |
| 1.2.2 国内研究现状 | 第16-17页 |
| 1.3 论文内容和结构 | 第17-18页 |
| 1.3.1 论文内容 | 第17-18页 |
| 1.3.2 论文结构 | 第18页 |
| 1.4 研究方法和技术路线 | 第18-20页 |
| 1.4.1 研究方法 | 第18-19页 |
| 1.4.2 技术路线 | 第19-20页 |
| 2 相关理论与技术概述 | 第20-30页 |
| 2.1 疾病预测模型 | 第20-21页 |
| 2.1.1 疾病预测原理 | 第20页 |
| 2.1.2 疾病预测数学模型 | 第20-21页 |
| 2.2 机器学习 | 第21-25页 |
| 2.2.1 机器学习原理 | 第21-22页 |
| 2.2.2 机器学习方法 | 第22-23页 |
| 2.2.3 模型评价标准 | 第23-25页 |
| 2.3 物联网 | 第25-26页 |
| 2.3.1 物联网定义 | 第25页 |
| 2.3.2 物联网体系架构 | 第25-26页 |
| 2.4 相关技术 | 第26-28页 |
| 2.4.1 开发环境和工具 | 第26页 |
| 2.4.2 开发相关技术 | 第26-28页 |
| 2.5 本章小结 | 第28-30页 |
| 3 基于预测的慢性疾病管理模式构建 | 第30-36页 |
| 3.1 传统慢性疾病管理模式 | 第30-31页 |
| 3.1.1 传统慢性疾病管理模式分析 | 第30页 |
| 3.1.2 传统慢性疾病管理中的不足 | 第30-31页 |
| 3.2 新型慢性疾病管理模式 | 第31-34页 |
| 3.2.1 疾病预测在慢性疾病管理中应用 | 第31-32页 |
| 3.2.2 物联网技术在慢性疾病管理中应用 | 第32-33页 |
| 3.2.3 新型慢性疾病管理模式构建 | 第33-34页 |
| 3.3 本章小结 | 第34-36页 |
| 4 基于机器学习的心血管疾病预测模型构建 | 第36-54页 |
| 4.1 机器学习预测模型构建 | 第36-45页 |
| 4.1.1 预测模型选择 | 第36-37页 |
| 4.1.2 预测指标确立 | 第37-40页 |
| 4.1.3 预测模型构建 | 第40-45页 |
| 4.2 机器学习预测模型仿真 | 第45-51页 |
| 4.2.1 数据收集与预处理 | 第45-48页 |
| 4.2.2 建立训练及测试集 | 第48-49页 |
| 4.2.3 训练及测试流程 | 第49-50页 |
| 4.2.4 预测模型仿真实现 | 第50-51页 |
| 4.3 模型对比与分析 | 第51-52页 |
| 4.4 本章小结 | 第52-54页 |
| 5 心血管疾病预测系统的开发 | 第54-66页 |
| 5.1 心血管疾病预测系统分析 | 第54-56页 |
| 5.1.1 功能性需求分析 | 第54-56页 |
| 5.1.2 非功能性需求分析 | 第56页 |
| 5.2 心血管疾病预测系统设计 | 第56-62页 |
| 5.2.1 总体设计 | 第56-58页 |
| 5.2.2 详细设计 | 第58-62页 |
| 5.3 心血管疾病预测系统实现 | 第62-65页 |
| 5.4 本章小结 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| 6.1 研究结论 | 第66页 |
| 6.2 展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第72-76页 |
| 学位论文数据集 | 第76页 |
