| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 国内外相关研究 | 第13-15页 |
| 1.2.1 电子病历处理 | 第13页 |
| 1.2.2 深度神经网络 | 第13-14页 |
| 1.2.3 医疗预测模型 | 第14-15页 |
| 1.3 本文研究工作 | 第15-16页 |
| 1.4 本文的组织结构 | 第16-18页 |
| 2 相关理论及背景知识 | 第18-31页 |
| 2.1 电子病历处理技术 | 第18-22页 |
| 2.1.1 基于规则与词典的匿名化方法 | 第18-19页 |
| 2.1.2 基于隐马尔可夫模型的匿名化 | 第19-21页 |
| 2.1.3 基于条件随机场的隐私实体识别 | 第21-22页 |
| 2.2 深度学习理论 | 第22-28页 |
| 2.2.1 深度神经网络 | 第22-24页 |
| 2.2.2 卷积神经网络 | 第24-25页 |
| 2.2.3 循环神经网络 | 第25-28页 |
| 2.3 医疗预测模型相关理论 | 第28-30页 |
| 2.3.1 基于逻辑回归的预测模型 | 第28-29页 |
| 2.3.2 基于6)-近邻算法的预测模型 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 基于TS-RNN的电子病历匿名化模型 | 第31-43页 |
| 3.1 电子病历骨架生成算法 | 第31-32页 |
| 3.2 块表示方法 | 第32-33页 |
| 3.3 使用TS-RNN进行序列标注 | 第33-35页 |
| 3.4 中文电子病历匿名化 | 第35页 |
| 3.5 基于TS-RNN的电子病历匿名化实验与分析 | 第35-41页 |
| 3.5.1 匿名化模型的参数 | 第36页 |
| 3.5.2 模型在各数据集上的性能 | 第36-39页 |
| 3.5.3 块表示方法对比 | 第39-40页 |
| 3.5.4 循环神经网络不同内部结构对比 | 第40-41页 |
| 3.5.5 RNN隐含单元与词向量维度对比 | 第41页 |
| 3.6 本章小结 | 第41-43页 |
| 4 基于深度神经网络的胎儿体重预测 | 第43-54页 |
| 4.1 基于深度神经网络的预测模型 | 第43-44页 |
| 4.2 生理参数预处理 | 第44-48页 |
| 4.2.1 提取生理参数 | 第44-46页 |
| 4.2.2 补全缺失值 | 第46-48页 |
| 4.3 预测网络的结构与训练 | 第48-50页 |
| 4.4 基于深度神经网络的胎儿体重预测实验与分析 | 第50-53页 |
| 4.4.1 数据集描述 | 第50-51页 |
| 4.4.2 深度神经网络模型与传统方法的对比 | 第51-52页 |
| 4.4.3 结果分析与相关讨论 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 5 基于w-KNN的疾病预测模型 | 第54-59页 |
| 5.1 电子病历结构化 | 第54-55页 |
| 5.2 特征变换 | 第55-56页 |
| 5.3 w-KNN预测模型 | 第56页 |
| 5.4 基于w-KNN的疾病预测模型实验与分析 | 第56-58页 |
| 5.4.1 电子病历数据集描述 | 第56-57页 |
| 5.4.2 预测模型的性能对比 | 第57-58页 |
| 5.4.3 结果分析与讨论 | 第58页 |
| 5.5 本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 个人简历、在校期间发表的学术论文及研究成果 | 第67-68页 |
| 个人简历 | 第67页 |
| 在校期间发表的学术论文 | 第67页 |
| 研究成果 | 第67-68页 |
| 致谢 | 第68页 |