基于多维属性探索深度学习的多尺度疾病诊断预测研究
摘要 | 第10-12页 |
ABSTRACT | 第12-13页 |
第1章 绪论 | 第14-18页 |
1.1 研究背景及意义 | 第14-15页 |
1.2 研究内容 | 第15-16页 |
1.3 本文贡献 | 第16-17页 |
1.4 论文组织结构 | 第17-18页 |
第2章 相关研究 | 第18-25页 |
2.1 电子健康档案的表征学习研究 | 第18-19页 |
2.2 疾病诊断预测方法研究 | 第19-21页 |
2.3 循环神经网络研究 | 第21-22页 |
2.4 注意力机制模型研究 | 第22-23页 |
2.5 本章小结 | 第23-25页 |
第3章 数据预处理 | 第25-33页 |
3.1 数据集简介 | 第25-26页 |
3.2 人口统计学信息的处理 | 第26-28页 |
3.3 医学编码预处理和分组 | 第28-30页 |
3.4 基于时间窗口的预处理 | 第30页 |
3.5 下次就医的预处理 | 第30-31页 |
3.6 本章小结 | 第31-33页 |
第4章 基于属性广度探索的疾病诊断预测方法 | 第33-44页 |
4.1 背景 | 第33-34页 |
4.2 基于人口统计学信息的疾病诊断预测方法 | 第34-37页 |
4.2.1 问题定义 | 第34-35页 |
4.2.2 GRU单元 | 第35页 |
4.2.3 RNN-INFO模型 | 第35-37页 |
4.3 实验评估 | 第37-43页 |
4.3.1 实验设置 | 第37-38页 |
4.3.2 实验基线 | 第38-39页 |
4.3.3 疾病概率预测评估 | 第39-41页 |
4.3.4 疾病诊断预测评估 | 第41-43页 |
4.4 本章小结 | 第43-44页 |
第5章 基于属性深度探索的疾病诊断预测方法 | 第44-54页 |
5.1 背景 | 第44-45页 |
5.2 基于历史就医注意力的疾病诊断预测方法 | 第45-48页 |
5.2.1 问题定义 | 第45-46页 |
5.2.2 注意力机制 | 第46页 |
5.2.3 RNN-ATTEN模型 | 第46-48页 |
5.3 实验评估 | 第48-53页 |
5.3.1 实验设置 | 第48-49页 |
5.3.2 实验基线 | 第49-50页 |
5.3.3 疾病诊断预测评估 | 第50-52页 |
5.3.4 模型可解释性 | 第52-53页 |
5.4 本章小结 | 第53-54页 |
第6章 总结展望 | 第54-56页 |
6.1 本文总结 | 第54-55页 |
6.2 研究展望 | 第55-56页 |
参考文献 | 第56-61页 |
致谢 | 第61-62页 |
攻读研究生期间发表论文 | 第62-63页 |
攻读研究生期间参与科研项目 | 第63-64页 |
攻读研究生期间获奖情况 | 第64-65页 |
学位论文评阅及答辩情况表 | 第65页 |