面向医疗诊断的BN-CBR混合模型及其应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-15页 |
| ·研究背景与主要内容 | 第8-12页 |
| ·研究背景 | 第8-11页 |
| ·研究目标与内容 | 第11-12页 |
| ·主要研究方法及技术路线 | 第12-14页 |
| ·研究重点及主要创新点 | 第14-15页 |
| 第二章 研究综述 | 第15-25页 |
| ·CBR 方法概述 | 第15-17页 |
| ·CBR 方法的产生与发展 | 第15-16页 |
| ·CBR 方法基本思想 | 第16-17页 |
| ·CBR 方法在医疗领域的应用 | 第17-23页 |
| ·早期应用回顾 | 第17-18页 |
| ·CBR 医疗应用功能分析 | 第18-19页 |
| ·CBR 方法应用于医疗领域原因分析 | 第19-20页 |
| ·CBR 医疗应用特征与面临的问题 | 第20-23页 |
| ·贝叶斯网络及其医疗应用 | 第23-25页 |
| ·贝叶斯网络概述 | 第23-24页 |
| ·贝叶斯网络在医疗领域的应用 | 第24-25页 |
| 第三章 CBR 与BN 理论及方法 | 第25-38页 |
| ·CBR 方法 | 第25-30页 |
| ·CBR 周期与任务分解 | 第25-27页 |
| ·CBR 案例表示 | 第27-28页 |
| ·CBR 案例检索 | 第28-29页 |
| ·CBR 案例重用 | 第29-30页 |
| ·CBR 案例学习与归纳 | 第30页 |
| ·贝叶斯网络与贝叶斯推理 | 第30-36页 |
| ·贝叶斯网络概率论基础 | 第30-33页 |
| ·贝叶斯网络图形结构 | 第33-34页 |
| ·贝叶斯网络学习 | 第34-36页 |
| ·本章小结 | 第36-38页 |
| 第四章 面向医疗诊断的BN-CBR 混合模型 | 第38-58页 |
| ·基于CBR 的医疗诊断概念模型 | 第38-40页 |
| ·模型系统结构与全局描述 | 第40-43页 |
| ·系统结构 | 第40-41页 |
| ·模型系统全局过程描述 | 第41-43页 |
| ·特征筛选与数据处理 | 第43-45页 |
| ·数据预处理 | 第43页 |
| ·选择诊断特征属性 | 第43-45页 |
| ·建立贝叶斯网络 | 第45-46页 |
| ·建立相似度评价函数 | 第46-47页 |
| ·模型应用 | 第47-57页 |
| ·心脏病诊断检查项目 | 第47-48页 |
| ·特征筛选与数据处理 | 第48-51页 |
| ·贝叶斯网络学习 | 第51-54页 |
| ·CBR 检索 | 第54-56页 |
| ·结果分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 BN-CBR 医疗混合诊断模型的改进策略 | 第58-67页 |
| ·特征属性筛选与权重分配 | 第58-61页 |
| ·基于K-D 树的案例组织方法 | 第61-64页 |
| ·人机结合的案例改写策略 | 第64页 |
| ·改进后BN-CBR 混合模型系统结构 | 第64-67页 |
| 第六章 总结与展望 | 第67-70页 |
| 参考文献 | 第70-79页 |
| 发表论文和参加科研情况说明 | 第79-80页 |
| 致谢 | 第80页 |
