甲状腺结节良恶性预测方法的研究与实现
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 甲状腺结节诊断技术研究现状 | 第10-11页 |
| 1.2.2 医疗数据挖掘研究现状 | 第11-12页 |
| 1.2.3 深度学习的研究现状 | 第12页 |
| 1.3 论文研究的内容 | 第12-13页 |
| 1.4 文章结构 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 相关技术介绍 | 第15-21页 |
| 2.1 多维分析技术 | 第15-16页 |
| 2.1.1 OLAP技术 | 第15-16页 |
| 2.1.2 R语言 | 第16页 |
| 2.2 自然语言处理 | 第16-17页 |
| 2.3 BP神经网络 | 第17-18页 |
| 2.4 深度学习技术分析 | 第18-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 甲状腺结节诊断数据的多维分析 | 第21-37页 |
| 3.1 诊断数据概况 | 第21-22页 |
| 3.2 甲状腺结节超声诊断数据分析 | 第22-30页 |
| 3.2.1 超声诊断多维分析 | 第22-28页 |
| 3.2.2 甲状腺结节患者超声诊断多维分析 | 第28-30页 |
| 3.3 甲状腺结节穿刺诊断数据分析 | 第30-33页 |
| 3.3.1 甲状腺结节穿刺诊断多维分析 | 第31页 |
| 3.3.2 穿刺诊断与超声诊断联系 | 第31-33页 |
| 3.4 甲状腺结节病理诊断数据分析 | 第33-36页 |
| 3.4.1 病理诊断多维分析 | 第34-35页 |
| 3.4.2 穿刺诊断与病理诊断联系 | 第35-36页 |
| 3.4.3 差异性分析 | 第36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 甲状腺结节良恶性预测方法 | 第37-53页 |
| 4.1 基于DBN的甲状腺结节良恶性预测方法框架 | 第37-38页 |
| 4.2 甲状腺结节超声文本数据预处理 | 第38-43页 |
| 4.2.1 结构化处理 | 第38-40页 |
| 4.2.2 数据清洗 | 第40-42页 |
| 4.2.3 数据数值化 | 第42-43页 |
| 4.2.4 数据归一化 | 第43页 |
| 4.3 基于DBN的甲状腺结节良恶性预测模型训练 | 第43-48页 |
| 4.3.1 超声指标数据描述 | 第43-44页 |
| 4.3.2 模型描述 | 第44-45页 |
| 4.3.3 预测模型网络参数的调整 | 第45页 |
| 4.3.4 学习过程 | 第45-47页 |
| 4.3.5 DBN模型优化 | 第47页 |
| 4.3.6 DBN模型分类器 | 第47-48页 |
| 4.4 实验结果与模型评估 | 第48-52页 |
| 4.4.1 实验环境 | 第49页 |
| 4.4.2 DBN模型的最优结构确定 | 第49-51页 |
| 4.4.3 模型评估 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 甲状腺结节良恶性预测系统的设计与实现 | 第53-58页 |
| 5.1 总体系统设计 | 第53-54页 |
| 5.2 数据库设计 | 第54-55页 |
| 5.3 系统主要功能模块展示 | 第55-57页 |
| 5.3.1 数据处理模块 | 第56页 |
| 5.3.2 甲状腺结节良恶性预测模块 | 第56-57页 |
| 5.3.3 甲状腺结节良恶性预测模块结果展示模块 | 第57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 论文工作总结 | 第58页 |
| 6.2 研究展望 | 第58-60页 |
| 参考文献 | 第60-62页 |
| 致谢 | 第62页 |
