基于人工神经网络的肾小球滤过率估算研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·CKD 的定义与分级 | 第10页 |
| ·GFR 的检测与估算 | 第10-11页 |
| ·GFR 估算的经验方程 | 第11页 |
| ·机器学习方法的引入与应用 | 第11-12页 |
| ·本文工作 | 第12-13页 |
| 第二章 数据收集和预处理 | 第13-17页 |
| ·论文技术路线 | 第13页 |
| ·数据收集 | 第13-14页 |
| ·数据预处理 | 第14-15页 |
| ·数据筛选 | 第14页 |
| ·数据随机分组 | 第14页 |
| ·数据归一化 | 第14-15页 |
| ·本章总结 | 第15-17页 |
| 第三章 基于人工神经网络的 GFR 估算模型 | 第17-40页 |
| ·医学数据的特征与数据处理方法 | 第17-19页 |
| ·医学数据特征及相应处理方法 | 第17-18页 |
| ·GFR 估算模型的机器学习方法建模 | 第18-19页 |
| ·BP 神经网络 | 第19-21页 |
| ·遗传算法优化的 BP 神经网络 | 第21-23页 |
| ·个体编码 | 第21页 |
| ·个体适应度 | 第21-22页 |
| ·选择操作 | 第22页 |
| ·交叉操作 | 第22页 |
| ·变异操作 | 第22-23页 |
| ·交叉概率、变异概率的自适应调整 | 第23页 |
| ·遗传算法的优化结果 | 第23页 |
| ·广义回归神经网络 | 第23-24页 |
| ·基函数神经网络 | 第24-29页 |
| ·基本理论 | 第24-25页 |
| ·Chebyshev 神经网络 | 第25-26页 |
| ·Legendre 神经网络 | 第26-27页 |
| ·Hermite 神经网络 | 第27页 |
| ·Legendre 神经网络建模结果 | 第27-29页 |
| ·多输入多项式神经网络 | 第29-34页 |
| ·基础理论 | 第29-31页 |
| ·多项式神经网络建模的探索性分析 | 第31-33页 |
| ·多项式神经网络建模 | 第33-34页 |
| ·基于神经网络 MIV 分析的自变量筛选 | 第34-39页 |
| ·本章总结 | 第39-40页 |
| 第四章 各模型和经验方程的性能评估和比较 | 第40-51页 |
| ·临床常用经验方程 | 第40-41页 |
| ·统计分析与差异检验方法 | 第41-42页 |
| ·偏差及偏差百分数 | 第41页 |
| ·符合率 | 第41页 |
| ·Bland-Altman 作图 | 第41-42页 |
| ·内部验证集各模型性能评估与比较 | 第42-46页 |
| ·内部验证集各模型准确性评估与比较 | 第42-43页 |
| ·内部验证集各模型一致性评估与比较 | 第43-44页 |
| ·内部验证集各模型 CKD 各分期准确性评估 | 第44-46页 |
| ·外部验证集各模型性能评估与比较 | 第46-50页 |
| ·外部验证集各模型准确性评估与比较 | 第46-47页 |
| ·外部验证集各模型一致性评估与比较 | 第47-48页 |
| ·外部验证集各模型 CKD 各分期准确性评估 | 第48-50页 |
| ·本章总结 | 第50-51页 |
| 第五章 基于 GUI 的 GFR 估算模型展示 | 第51-53页 |
| ·GFR 估算模型展示 | 第51页 |
| ·GFR 估算的 GUI 设计 | 第51-52页 |
| ·本章总结 | 第52-53页 |
| 总结与展望 | 第53-58页 |
| ·总结 | 第53-55页 |
| ·本文内容总结 | 第53页 |
| ·医学数据处理方法学总结 | 第53-55页 |
| ·展望 | 第55-58页 |
| ·扩充研究样本 | 第55-56页 |
| ·基于不同 CKD 分期的 GFR 估算子模型 | 第56-57页 |
| ·GFR 估算平台设计 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62-68页 |
| 攻读博士/硕士学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 附件 | 第70页 |
