基于数据挖掘的心血管疾病风险评估模型研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景和研究意义 | 第11页 |
| 1.2 心血管疾病重要危险因素研究现状 | 第11-12页 |
| 1.3 心血管疾病风险评估模型研究现状 | 第12-13页 |
| 1.4 论文主要工作 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 课题相关理论知识 | 第15-29页 |
| 2.1 引言 | 第15-16页 |
| 2.1.1 小波变换来源 | 第15-16页 |
| 2.1.2 数据挖掘产生及内涵 | 第16页 |
| 2.2 小波变换算法研究 | 第16-20页 |
| 2.2.1 快速小波变换 | 第16-17页 |
| 2.2.2 小波阈值法 | 第17-19页 |
| 2.2.3 小波包算法 | 第19页 |
| 2.2.4 小波模极大值 | 第19-20页 |
| 2.3 数据挖掘算法研究 | 第20-27页 |
| 2.3.1 慢病风险评估中常用算法 | 第20-22页 |
| 2.3.2 关联规则分析算法 | 第22-25页 |
| 2.3.3 Logistic回归分析算法 | 第25-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 心电信号预处理 | 第29-41页 |
| 3.1 引言 | 第29页 |
| 3.2 心电信号特性及噪声分析 | 第29-30页 |
| 3.2.1 工频干扰噪声 | 第29-30页 |
| 3.2.2 基线漂移噪声 | 第30页 |
| 3.2.3 肌电干扰噪声 | 第30页 |
| 3.3 心电信号消噪 | 第30-39页 |
| 3.3.1 数字滤波器 | 第31-32页 |
| 3.3.2 与小波变换相关的消噪算法 | 第32-37页 |
| 3.3.3 基于小波包改进的改进算法 | 第37-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 心电信号特征提取关键技术研究 | 第41-51页 |
| 4.1 引言 | 第41页 |
| 4.2 呼吸信号特征提取 | 第41-42页 |
| 4.3 心电信号特征点及特征区间的检测 | 第42-50页 |
| 4.3.1 R波检测及特征提取 | 第44-47页 |
| 4.3.2 QRS波群检测及特征提取 | 第47-49页 |
| 4.3.3 P波和T波检测及特征提取 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 心血管疾病危险因素分析 | 第51-65页 |
| 5.1 引言 | 第51页 |
| 5.2 临床危险因素总结 | 第51-53页 |
| 5.3 改进Apriori算法实现 | 第53-57页 |
| 5.4 数据一般资料分析 | 第57-61页 |
| 5.5 模型输入预处理 | 第61-62页 |
| 5.6 本章小结 | 第62-65页 |
| 第六章 心血管疾病风险评估模型的建立与评价 | 第65-71页 |
| 6.1 引言 | 第65页 |
| 6.2 实验环境搭建 | 第65页 |
| 6.3 模型建立 | 第65-70页 |
| 6.3.1 基于改进Logistic算法建立模型 | 第66-67页 |
| 6.3.2 模型参数辨识 | 第67-70页 |
| 6.4 模型准确性评价 | 第70页 |
| 6.5 本章小结 | 第70-71页 |
| 第七章 结论 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 作者简介 | 第77页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第77-79页 |
| 致谢 | 第79-80页 |
