面向维持性血液透析患者的生存分析方法
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 研究意义 | 第13页 |
| 1.3 国内外研究现状 | 第13-16页 |
| 1.4 论文内容与组织结构 | 第16-17页 |
| 第二章 相关技术 | 第17-37页 |
| 2.1 生存分析 | 第17-23页 |
| 2.1.1 生存分析基本概念 | 第17-19页 |
| 2.1.2 Cox风险比例模型 | 第19-23页 |
| 2.2 神经网络与深度学习 | 第23-36页 |
| 2.2.1 传统神经网络 | 第23-27页 |
| 2.2.2 深度学习简介 | 第27-29页 |
| 2.2.3 深度学习核心思想 | 第29-32页 |
| 2.2.4 深度学习常见模型 | 第32-36页 |
| 2.3 本章小结 | 第36-37页 |
| 第三章 数据预处理和数据集构建 | 第37-57页 |
| 3.1 数据的获取和数据的概览 | 第37-39页 |
| 3.2 数据预处理 | 第39-46页 |
| 3.2.1 数据规约 | 第39页 |
| 3.2.2 数据清理 | 第39-43页 |
| 3.2.3 数据属性构建 | 第43-46页 |
| 3.3 数据集构建 | 第46-52页 |
| 3.4 数据集属性变换 | 第52-56页 |
| 3.4.1 构建哑变量 | 第52-55页 |
| 3.4.2 数据集规范化 | 第55-56页 |
| 3.5 本章小结 | 第56-57页 |
| 第四章 生存分析方法研究 | 第57-69页 |
| 4.1 传统线性模型分析 | 第57-58页 |
| 4.2 神经网络非线性可行性 | 第58-61页 |
| 4.3 模型设计与优化 | 第61-65页 |
| 4.3.1 数据属性关系非线性化 | 第61-62页 |
| 4.3.2 多层神经网络设计 | 第62-64页 |
| 4.3.3 多层神经网络优化 | 第64-65页 |
| 4.4 评价指标和检验方法 | 第65-68页 |
| 4.4.1 一致性指数（NRI、IDI）R 语言 | 第65-66页 |
| 4.4.2 自助法和保持法 | 第66-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第五章 生存分析比对实验 | 第69-95页 |
| 5.1 实验环境说明 | 第69-70页 |
| 5.2 小数据集实验 | 第70-82页 |
| 5.2.1 线性Cox模型实验 | 第70-76页 |
| 5.2.2 深度Cox模型实验 | 第76-81页 |
| 5.2.3 小数据集实验总结 | 第81-82页 |
| 5.3 大数据集实验 | 第82-94页 |
| 5.3.1 线性Cox模型实验 | 第82-87页 |
| 5.3.2 深度Cox模型实验 | 第87-93页 |
| 5.3.3 大数据集实验总结 | 第93-94页 |
| 5.4 本章小结 | 第94-95页 |
| 第六章 总结与展望 | 第95-97页 |
| 6.1 总结 | 第95-96页 |
| 6.2 展望 | 第96-97页 |
| 参考文献 | 第97-103页 |
| 攻读硕士学位期间取得的研究成果 | 第103-104页 |
| 致谢 | 第104-105页 |
| 答辩委员会对论文的评定意见 | 第105页 |
