| 中文摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 引言 | 第8-12页 |
| 1.1 研究背景与选题意义 | 第8页 |
| 1.2 国内外医疗数据挖掘研究及应用现状 | 第8-10页 |
| 1.3 研究目的、内容及难点 | 第10页 |
| 1.4 论文的整体结构安排 | 第10-12页 |
| 第二章 心血管疾病辅助诊断研究框架及数据集说明 | 第12-26页 |
| 2.1 心血管疾病辅助诊断模型的设计框架 | 第12-14页 |
| 2.2 数据集及变量描述 | 第14-23页 |
| 2.2.1 急诊胸痛数据集 | 第14-22页 |
| 2.2.2 急性心肌梗死随访数据集 | 第22-23页 |
| 2.3 数据预处理 | 第23-25页 |
| 2.3.1 数据预处理步骤 | 第23-24页 |
| 2.3.2 缺失值处理 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 应用多种算法构建心血管疾病诊断模型 | 第26-65页 |
| 3.1 用CART决策树构建初步心血管疾病辅助诊断模型 | 第26-34页 |
| 3.1.1 决策树算法介绍 | 第26-28页 |
| 3.1.2 急诊胸痛决策树模型建立及优化 | 第28-32页 |
| 3.1.3 模型的评估指标 | 第32-34页 |
| 3.2 分类模型的特征变量选择 | 第34-40页 |
| 3.3 六种算法用于心血管疾病诊断建模和验证 | 第40-59页 |
| 3.3.1 用K最近邻算法构建分类预测模型 | 第40-43页 |
| 3.3.2 C50决策树和AdaBoost集成算法 | 第43-46页 |
| 3.3.3 支持向量机 | 第46-49页 |
| 3.3.4 人工神经网络 | 第49-54页 |
| 3.3.5 朴素贝叶斯 | 第54-56页 |
| 3.3.6 随机森林 | 第56-59页 |
| 3.4 各个子模型中六种算法对比 | 第59-64页 |
| 3.4.1 冠心病诊断子模型中各算法对比 | 第59-60页 |
| 3.4.2 冠心病细分子模型中各算法对比 | 第60-61页 |
| 3.4.3 主动脉夹层子模型中各算法对比 | 第61-62页 |
| 3.4.4 其他疾病判定子模型中各算法对比 | 第62-64页 |
| 3.5 本章小结 | 第64-65页 |
| 第四章 多种算法在急性心梗中的应用及模型预测性能比较 | 第65-81页 |
| 4.1 多种算法在非均衡数据集的预测性能比较 | 第65-70页 |
| (1) 30天随访结果 | 第65-67页 |
| (2) 半年随访数据 | 第67-68页 |
| (3) 一年随访数据 | 第68-70页 |
| 4.2 应用SMOTE算法优化非均衡数据集 | 第70-71页 |
| 4.2.1 SMOTE算法介绍 | 第70-71页 |
| 4.2.2 数据集应用SMOTE算法前后对比 | 第71页 |
| 4.3 多种算法在SMOTE算法优化数据后预测性能比较 | 第71-76页 |
| (1) 30天随访结果 | 第72-73页 |
| (2) 半年随访数据 | 第73-74页 |
| (3) 一年随访数据 | 第74-76页 |
| 4.4 结论 | 第76-80页 |
| (1) 30天随访结果 | 第76-77页 |
| (2) 半年随访数据 | 第77-78页 |
| (3) 一年随访数据 | 第78-80页 |
| 4.5 本章小结 | 第80-81页 |
| 第五章 总结与展望 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 附录 中英文缩略词对照表 | 第87-88页 |
| 致谢 | 第88-89页 |
