Cox比例风险模型与BP神经网络在肝移植受体预后分析中的应用
摘要 | 第1-6页 |
Abstract | 第6-8页 |
1 前言 | 第8-12页 |
·研究背景 | 第8-10页 |
·研究目的 | 第10页 |
·研究内容及思路 | 第10-12页 |
2 资料来源及整理 | 第12-14页 |
·资料来源 | 第12页 |
·资料特点 | 第12-13页 |
·资料整理和分析软件 | 第13-14页 |
3 描述性分析 | 第14-19页 |
·良性终末期肝病资料的统计描述 | 第14-15页 |
·肝脏恶性肿瘤资料的统计描述 | 第15-17页 |
·讨论 | 第17-19页 |
4 Cox比例风险模型 | 第19-35页 |
·模型构造 | 第19-21页 |
·模型简介 | 第19-20页 |
·预后指数的计算 | 第20页 |
·拟合生存函数S(t) | 第20-21页 |
·结果 | 第21-32页 |
·Cox模型各自变量的统计描述 | 第21-23页 |
·Cox模型变量名列表及量化赋值 | 第23-25页 |
·单因素Cox回归 | 第25-27页 |
·多因素Cox回归 | 第27-28页 |
·预后指数 | 第28-32页 |
·讨论 | 第32-35页 |
·良性终末期肝病资料 | 第32页 |
·肝脏恶性肿瘤资料 | 第32-33页 |
·预测生存率 | 第33-35页 |
5 Cox比例风险模型与MELD模型的比较 | 第35-42页 |
·ROC曲线简介 | 第35-36页 |
·未光滑ROC曲线构建的基本原理 | 第36-37页 |
·未光滑ROC曲线下面积的计算及比较 | 第37-39页 |
·结果 | 第39-41页 |
·讨论 | 第41-42页 |
6 BP神经网络 | 第42-55页 |
·BP神经网络简介 | 第43-45页 |
·学习规则及过程 | 第43-44页 |
·BP神经网络的设计 | 第44-45页 |
·BP神经网络与Cox模型预测性能的比较 | 第45-52页 |
·确定输入层 | 第45页 |
·确定模型预测性能比较指标 | 第45-46页 |
·基本步骤 | 第46-47页 |
·结果 | 第47-50页 |
·讨论 | 第50-52页 |
·BP神经网络预测生存期 | 第52-55页 |
·资料与方法 | 第52页 |
·结果 | 第52-54页 |
·讨论 | 第54-55页 |
7 总结 | 第55-56页 |
·主要研究成果 | 第55页 |
·主要研究特色 | 第55页 |
·本研究的局限性及建议 | 第55-56页 |
参考文献 | 第56-65页 |
综述 | 第65-95页 |
1 描述性生存分析 | 第66-67页 |
2 单因素生存分析 | 第67-69页 |
·生存率的比较 | 第67-68页 |
·生存资料分布的比较 | 第68-69页 |
·非参数方法 | 第68-69页 |
·参数方法 | 第69页 |
3 多因素生存分析 | 第69-80页 |
·参数回归模型 | 第69-71页 |
·半参数Cox回归模型 | 第71-80页 |
·基本模型 | 第72-73页 |
·拓展模型 | 第73-80页 |
·带时依变量Cox模型 | 第73-74页 |
·分组Cox模型 | 第74-75页 |
·分层Cox模型 | 第75页 |
·过失或加权Cox模型 | 第75-76页 |
·多水平Cox模型 | 第76-78页 |
·多项失效时间或多状态Cox模型 | 第78-80页 |
4 BP神经网络 | 第80-88页 |
·学习规则及过程 | 第81页 |
·局限性 | 第81-82页 |
·网络的泛化 | 第81-82页 |
·误差曲面上的局部极小和平坦区 | 第82页 |
·学习算法的收敛速度缓慢 | 第82页 |
·BP网络的改进算法 | 第82-86页 |
·带动量项的BP算法 | 第83页 |
·变化学习率(自适应学习率)算法 | 第83页 |
·弹性BP算法 | 第83-84页 |
·共轭梯度算法 | 第84页 |
·准牛顿法 | 第84-85页 |
·LM算法 | 第85-86页 |
·BP网络的设计 | 第86-88页 |
·输出与输入层的设计 | 第86页 |
·中间层的数目与中间层节点数 | 第86页 |
·初始值的选取 | 第86页 |
·过度拟合的消除 | 第86-88页 |
参考文献 | 第88-95页 |
附录 | 第95-108页 |
致谢 | 第108-109页 |