机器学习在肾脏病临床决策支持系统中的应用
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-13页 |
| 1.1 研究背景与意义 | 第7-9页 |
| 1.1.1 机器学习技术 | 第7-8页 |
| 1.1.2 临床决策支持系统 | 第8-9页 |
| 1.2 肾小球滤过率估算 | 第9-10页 |
| 1.3 CRRT手术肝素剂量预测 | 第10-11页 |
| 1.4 论文主要工作 | 第11-13页 |
| 2 数据处理方法与模型理论介绍 | 第13-24页 |
| 2.1 数据处理方法 | 第13-15页 |
| 2.1.1 数据标准化 | 第13-14页 |
| 2.1.2 特征选择 | 第14-15页 |
| 2.2 模型理论基础 | 第15-23页 |
| 2.2.1 决策树 | 第16-17页 |
| 2.2.2 支持向量机 | 第17-20页 |
| 2.2.3 深度置信网络 | 第20-23页 |
| 2.3 本章小结 | 第23-24页 |
| 3 基于XGBoost技术的肾小球滤过率估算 | 第24-41页 |
| 3.1 数据分析处理 | 第24-27页 |
| 3.2 建模方法 | 第27-33页 |
| 3.2.1 模型分析 | 第27-31页 |
| 3.2.2 建模过程与结果 | 第31-33页 |
| 3.3 模型评价指标与对比方法 | 第33-36页 |
| 3.4 实验结果及讨论 | 第36-37页 |
| 3.5 应用系统设计 | 第37-40页 |
| 3.6 本章小结 | 第40-41页 |
| 4 基于分类处理思想的CRRT手术肝素剂量预测 | 第41-58页 |
| 4.1 数据收集 | 第41页 |
| 4.2 数据分析处理 | 第41-45页 |
| 4.3 特征选择 | 第45-47页 |
| 4.4 建模方法 | 第47-52页 |
| 4.4.1 首剂剂量预测建模 | 第48-51页 |
| 4.4.2 追加剂量预测建模 | 第51-52页 |
| 4.5 评价指标与对比方法 | 第52-53页 |
| 4.6 实验结果及讨论 | 第53-55页 |
| 4.7 应用系统设计 | 第55-56页 |
| 4.8 本章小结 | 第56-58页 |
| 结论与展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士学位期间发表学术论文情况 | 第62-63页 |
| 致谢 | 第63-65页 |
