摘要 | 第4-6页 |
Abstract | 第6-7页 |
目录 | 第8-12页 |
图表目录 | 第12-14页 |
英文缩略词 | 第14-15页 |
1 前言 | 第15-20页 |
1.1 研究背景 | 第15-19页 |
1.1.1 手足口病研究概况 | 第15-16页 |
1.1.2 BP神经网络发展简介 | 第16-19页 |
1.2 研究目的 | 第19-20页 |
2 BP神经网络基本理论 | 第20-25页 |
2.1 BP神经网络结构 | 第20页 |
2.2 BP神经网络学习原理 | 第20-21页 |
2.3 BP神经网络设计 | 第21-23页 |
2.3.1 原始数据预处理 | 第21页 |
2.3.2 传递函数的选择 | 第21页 |
2.3.3 BP神经网络层数及结构参数设计 | 第21-22页 |
2.3.4 初始化权值和阈值 | 第22页 |
2.3.5 学习速率的设定 | 第22页 |
2.3.6 BP神经网络优化算法的选择 | 第22-23页 |
2.3.7 提高BP神经网络泛化能力的方法 | 第23页 |
2.4 敏感度分析简介 | 第23-25页 |
3 对象与方法 | 第25-29页 |
3.1 研究对象 | 第25页 |
3.2 资料方法 | 第25页 |
3.3 资料预处理 | 第25-27页 |
3.4 统计分析 | 第27-29页 |
3.4.1 SPSS18.0软件分析 | 第27页 |
3.4.2 BPNN模型设计与分析步骤 | 第27-28页 |
3.4.3 BPNN模型 MATLAB 7.0软件实现 | 第28-29页 |
4 结果 | 第29-45页 |
4.1 重症组和轻症组的基本情况 | 第29-30页 |
4.2 重症手足口病临床诊断相关因素logistic分析结果 | 第30-32页 |
4.2.1 单因素非条件logistic回归分析(表4.2) | 第30-31页 |
4.2.2 多因素非条件logistic回归分析(表4.3) | 第31-32页 |
4.3 BPNN模型重症手足口病相关因素分析 | 第32-37页 |
4.3.1 原始数据归一化 | 第32页 |
4.3.2 基于MATLAB 7.0软件的BPNN模型具体操作流程 | 第32-33页 |
4.3.3 BPNN模型训练结果 | 第33-37页 |
4.4 BPNN模型MIV分析结果 | 第37-38页 |
4.5 BPNN模型和多因素logistic分析结果比较 | 第38-39页 |
4.6 因子间交互作用分析 | 第39页 |
4.7 重症化进程中重症手足口病相关因素的变化 | 第39-45页 |
4.7.1 重症化进程中重症手足口病综合因素水平计算 | 第39-40页 |
4.7.2 重症化进程中重症手足口病相关因素水平置信区间计算 | 第40-41页 |
4.7.3 重症化进程中重症手足口病因素水平变化 | 第41-45页 |
5 讨论 | 第45-50页 |
5.1 BPNN模型预测评定 | 第45页 |
5.2 BPNN模型与传统因素分析方法比较 | 第45-47页 |
5.3 影响重症手足口病临床诊断相关因素 | 第47页 |
5.4 针对重症手足口病重症化进程预测分析 | 第47-49页 |
5.5 本次研究的不足 | 第49-50页 |
6 结论 | 第50-51页 |
参考文献 | 第51-55页 |
综述 人工神经网络及其在流行病学领域研究进展 | 第55-74页 |
1 人工神经网络模型 | 第55-57页 |
1.1 生物神经元模型 | 第55-56页 |
1.2 人工神经元模型 | 第56-57页 |
2 人工神经网络基本要素 | 第57-63页 |
2.1 人工神经网络基本类型 | 第57-59页 |
2.2 人工神经网络的特点 | 第59页 |
2.3 人工神经网络的功能 | 第59-60页 |
2.4 人工神经网络的功能函数 | 第60-62页 |
2.5 人工神经网络基本学习方式和规则 | 第62-63页 |
2.5.1 学习方式 | 第62-63页 |
2.5.2 学习规则 | 第63页 |
3 人工神经网络的实现方法 | 第63-64页 |
4 人工神经网络在流行病学的应用 | 第64-69页 |
4.1 用于筛查疾病和辅助诊断 | 第64-65页 |
4.2 用于诊断疾病 | 第65-66页 |
4.3 用于预测疾病发病风险及估计预后 | 第66-67页 |
4.4 用于探索疾病病因 | 第67-69页 |
5 人工神经网络的不足 | 第69页 |
6 人工神经网络的展望 | 第69-70页 |
参考文献 | 第70-74页 |
个人简介 | 第74-75页 |
致谢 | 第75页 |