数据挖掘算法在电子病历系统中的应用研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景 | 第8-10页 |
| 1.2 国内外数据挖掘的应用及研究现状 | 第10页 |
| 1.3 研究意义 | 第10-11页 |
| 1.4 研究内容 | 第11页 |
| 1.5 论文的结构 | 第11-13页 |
| 第二章 数据挖掘综述 | 第13-26页 |
| 2.1 数据挖掘定义 | 第13页 |
| 2.2 数据挖掘产生的背景 | 第13页 |
| 2.3 数据挖掘的方法 | 第13-23页 |
| 2.3.1 关联规则 | 第14-16页 |
| 2.3.2 神经网络 | 第16-20页 |
| 2.3.3 逻辑回归分析方法 | 第20-22页 |
| 2.3.4 决策树 | 第22-23页 |
| 2.4 医学数据挖掘的特性 | 第23-25页 |
| 2.4.1 医学数据挖掘的关键技术 | 第24页 |
| 2.4.2 常用的医学数据挖掘方法介绍 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 电子病历分析数据集的建立 | 第26-35页 |
| 3.1 数据集市 | 第26页 |
| 3.2 数据来源 | 第26-27页 |
| 3.3 数据预处理 | 第27页 |
| 3.4 数据清洗 | 第27-29页 |
| 3.5 数据集成和变换 | 第29-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第四章 挖掘算法在电子病历数据分析中的研究 | 第35-60页 |
| 4.1 OLAP数据模型 | 第35-37页 |
| 4.2 逻辑回归分析法 | 第37-40页 |
| 4.3 人工神经网络法 | 第40-44页 |
| 4.4 决策树-CHAID模型 | 第44-49页 |
| 4.4.1 系统模型设计 | 第44-45页 |
| 4.4.2 模型的训练 | 第45-49页 |
| 4.4.3 决策树-CHAID模型应用的评估 | 第49页 |
| 4.5 高血压病因的线性模型分析 | 第49-51页 |
| 4.6 子宫肌瘤的关联规则模型分析 | 第51-54页 |
| 4.7 模型验证分析 | 第54-59页 |
| 4.7.1 神经网络预测高血压模型分析验证 | 第54-57页 |
| 4.7.2 子宫肌瘤的关联规则模型验证分析 | 第57-59页 |
| 4.8 本章小结 | 第59-60页 |
| 第五章 结束语 | 第60-61页 |
| 5.1 成果及总结 | 第60页 |
| 5.2 下一步的工作及展望 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间发表论文情况 | 第64页 |
