| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-19页 |
| 1.1 课题来源 | 第8页 |
| 1.2 研究背景与意义 | 第8-11页 |
| 1.3 国内外研究综述 | 第11-17页 |
| 1.3.1 CDSS | 第11-12页 |
| 1.3.2 临床疾病辅助诊断 | 第12-16页 |
| 1.3.3 临床高危病症发作预测 | 第16-17页 |
| 1.3.4 现有研究的不足 | 第17页 |
| 1.4 本文的主要研究内容及章节安排 | 第17-19页 |
| 第2章 基于协同过滤的临床疾病辅助诊断 | 第19-30页 |
| 2.1 整体研究方案 | 第19-20页 |
| 2.2 数据预处理方法及步骤 | 第20-21页 |
| 2.2.1 数据清洗 | 第20页 |
| 2.2.2 数据离散化 | 第20-21页 |
| 2.2.3 数据可视化 | 第21页 |
| 2.2.4 数据预处理步骤 | 第21页 |
| 2.3 临床疾病辅助诊断方法研究 | 第21-29页 |
| 2.3.1 基于用户的协同过滤临床疾病诊断模型 | 第21-24页 |
| 2.3.2 基于RBM的协同过滤临床疾病诊断模型 | 第24-28页 |
| 2.3.3 基于DRBM的协同过滤临床疾病诊断模型 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于深度学习的临床高危病症发作预测 | 第30-48页 |
| 3.1 整体研究方案 | 第30-31页 |
| 3.2 数据集 | 第31-32页 |
| 3.3 数据预处理方法及步骤 | 第32-35页 |
| 3.3.1 重采样 | 第32-33页 |
| 3.3.2 巴特沃斯带通滤波器 | 第33页 |
| 3.3.3 离散傅里叶变换 | 第33-34页 |
| 3.3.4 数据标准化方法 | 第34页 |
| 3.3.5 数据预处理步骤 | 第34-35页 |
| 3.4 临床高危病症发作预测方法研究 | 第35-43页 |
| 3.4.1 基于LDA的高危病症发作预测模型 | 第35-36页 |
| 3.4.2 基于LR的高危病症发作预测模型 | 第36-38页 |
| 3.4.3 基于CNN的高危病症发作预测模型 | 第38-41页 |
| 3.4.4 基于RNN的高危病症发作预测模型 | 第41-43页 |
| 3.5 正则化与优化技术 | 第43-47页 |
| 3.5.1 Dropout | 第44-45页 |
| 3.5.2 批量算法与小批量算法 | 第45页 |
| 3.5.3 自适应学习率算法 | 第45-46页 |
| 3.5.4 交叉验证 | 第46页 |
| 3.5.5 预测校准 | 第46-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第4章 CDSS方法测试与评估 | 第48-68页 |
| 4.1 基于协同过滤的临床疾病辅助诊断实验 | 第48-55页 |
| 4.1.1 实验流程 | 第48-49页 |
| 4.1.2 数据集描述 | 第49-52页 |
| 4.1.3 基于用户的协同过滤临床疾病诊断结果分析 | 第52-53页 |
| 4.1.4 基于RBM的协同过滤临床疾病诊断结果分析 | 第53-54页 |
| 4.1.5 基于DRBM的协同过滤临床疾病诊断结果分析 | 第54-55页 |
| 4.1.6 实验结论与对比分析 | 第55页 |
| 4.2 基于深度学习的临床高危病症发作预测实验 | 第55-67页 |
| 4.2.1 数据预处理及实现 | 第56-57页 |
| 4.2.2 基于LDA的高危病症发作预测模型结果分析 | 第57-60页 |
| 4.2.3 基于LR的高危病症发作预测模型结果分析 | 第60-61页 |
| 4.2.4 基于CNN的高危病症发作预测模型结果分析 | 第61-64页 |
| 4.2.5 基于RNN的高危病症发作预测模型结果分析 | 第64页 |
| 4.2.6 实验结论与对比分析 | 第64-67页 |
| 4.3 本章小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第75-77页 |
| 致谢 | 第77页 |
