基于深度学习的糖尿病辅助诊断及管理策略研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第12-22页 |
| 1.1 研究目的与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-20页 |
| 1.2.1 糖尿病预测模型研究现状 | 第13-14页 |
| 1.2.2 糖尿病预测建模技术研究现状 | 第14-18页 |
| 1.2.3 深度学习技术研究现状 | 第18-20页 |
| 1.3 研究内容 | 第20-22页 |
| 2 糖尿病预测模型理论与技术基础 | 第22-34页 |
| 2.1 糖尿病预测理论模型 | 第22-28页 |
| 2.1.1 BP神经网络模型 | 第22-25页 |
| 2.1.2 支持向量机模型 | 第25-28页 |
| 2.2 深度学习相关理论 | 第28-32页 |
| 2.2.1 深度学习基本原理 | 第28-29页 |
| 2.2.2 玻尔兹曼机 | 第29页 |
| 2.2.3 受限玻尔兹曼机 | 第29-31页 |
| 2.2.4 深度信念网络 | 第31-32页 |
| 2.3 糖尿病预测模型性能评价准则 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 3 糖尿病预测模型的建立及结果分析 | 第34-58页 |
| 3.1 糖尿病预测模型建立 | 第34-43页 |
| 3.1.1 糖尿病预测的基本流程 | 第34-37页 |
| 3.1.2 BP神经网络预测建模过程 | 第37-39页 |
| 3.1.3 支持向量机预测建模过程 | 第39-40页 |
| 3.1.4 深度信念网络预测建模过程 | 第40-43页 |
| 3.2 Ⅱ型糖尿病预测实验 | 第43-51页 |
| 3.2.1 实验环境与数据来源 | 第43-45页 |
| 3.2.2 数据归一化 | 第45-46页 |
| 3.2.3 实验结果分析 | 第46-51页 |
| 3.3 糖尿病性视网膜病变预测实验 | 第51-56页 |
| 3.3.1 实验环境与数据来源 | 第52页 |
| 3.3.2 数据归一化 | 第52-53页 |
| 3.3.3 实验结果分析 | 第53-56页 |
| 3.4 本章小结 | 第56-58页 |
| 4 糖尿病防治管理策略 | 第58-65页 |
| 4.1 Ⅱ型糖尿病防治管理策略 | 第58-62页 |
| 4.2 糖尿病性视网膜病变防治管理策略 | 第62-64页 |
| 4.3 本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 攻读学位期间发表的学术论文 | 第72-73页 |
| 致谢 | 第73页 |
