基于数据挖掘心血管疾病风险因子发现与早期预警的风险建模研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 心血管疾病早期预警模型 | 第11-14页 |
| 1.2.2 心血管疾病早期风险因子探索 | 第14-15页 |
| 1.3 大数据挖掘在医疗的应用研究 | 第15-17页 |
| 1.3.1 医疗卫生信息化建设现状 | 第15页 |
| 1.3.2 医疗海量数据 | 第15-16页 |
| 1.3.3 医疗卫生大数据的医学意义 | 第16-17页 |
| 1.4 本文贡献和创新 | 第17-18页 |
| 1.5 本文研究内容及组织结构 | 第18-20页 |
| 第2章 Spark大数据平台及数据挖掘理论 | 第20-33页 |
| 2.1 Spark生态系统 | 第20-24页 |
| 2.1.1 Spark生态系统介绍 | 第20-21页 |
| 2.1.2 Spark基本原理 | 第21-23页 |
| 2.1.3 Spark SQL | 第23-24页 |
| 2.1.4 Spark MLlib | 第24页 |
| 2.2 数据挖掘理论 | 第24-33页 |
| 2.2.1 Logistic回归 | 第24-27页 |
| 2.2.2 朴素贝叶斯算法 | 第27-28页 |
| 2.2.3 支持向量机 | 第28-29页 |
| 2.2.4 特征选择算法 | 第29-30页 |
| 2.2.5 模型评价指标与评估方法 | 第30-33页 |
| 第3章 医疗数据处理 | 第33-44页 |
| 3.1 数据来源 | 第33-34页 |
| 3.2 数据抽取 | 第34-36页 |
| 3.3 数据预处理 | 第36-44页 |
| 3.3.1 数据清洗 | 第37-41页 |
| 3.3.2 数据集成 | 第41-42页 |
| 3.3.3 数据变换 | 第42-43页 |
| 3.3.4 数据规约 | 第43-44页 |
| 第4章 风险建模与评估 | 第44-57页 |
| 4.1 数据集描述 | 第44页 |
| 4.2 建立风险预警模型 | 第44-51页 |
| 4.2.1 慢性心血管疾病与急性心血管事件模型 | 第45-49页 |
| 4.2.2 心血管功能损害引起的危重病症事件 | 第49-51页 |
| 4.3 主要风险因子发现 | 第51-57页 |
| 4.3.1 脑卒中主要风险因子发现 | 第51-52页 |
| 4.3.2 心力衰竭主要风险因子发现 | 第52-53页 |
| 4.3.3 肾功能衰竭主要风险因子发现 | 第53-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 主要工作 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间的研究成果 | 第67页 |
