基于深度学习的医疗数据挖掘及应用研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 论文研究背景 | 第9-10页 |
| 1.2 医疗数据挖掘技术概述 | 第10-16页 |
| 1.2.1 数据挖掘简介 | 第10-11页 |
| 1.2.2 医疗数据挖掘简介 | 第11-14页 |
| 1.2.3 医疗数据挖掘研究现状 | 第14-16页 |
| 1.3 论文研究的内容及创新点 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-19页 |
| 第二章 癌症数据挖掘方案的设计 | 第19-31页 |
| 2.1 癌症数据挖据概述 | 第19-22页 |
| 2.1.1 癌症的筛查和诊断 | 第19-20页 |
| 2.1.2 深度学习技术 | 第20-21页 |
| 2.1.3 深度学习在癌症筛查和诊断应用 | 第21-22页 |
| 2.2 基于体检数据的癌症筛查方案设计 | 第22-24页 |
| 2.3 基于WDBC数据集的乳腺癌诊断方案设计 | 第24-25页 |
| 2.3.1 乳腺癌现状介绍 | 第24页 |
| 2.3.2 乳腺癌诊断的模型设计 | 第24-25页 |
| 2.4 模型评估方法介绍 | 第25-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于体检数据的癌症筛查研究与应用 | 第31-45页 |
| 3.1 人工神经网络概述 | 第31-34页 |
| 3.1.1 人工神经网络 | 第31-33页 |
| 3.1.2 反向传播算法 | 第33-34页 |
| 3.2 数据准备 | 第34-37页 |
| 3.2.1 数据来源 | 第34-35页 |
| 3.2.2 数据预处理 | 第35-37页 |
| 3.3 模型建立和训练 | 第37-40页 |
| 3.3.1 模型建立 | 第37-38页 |
| 3.3.2 模型训练 | 第38-40页 |
| 3.4 模型评估 | 第40-44页 |
| 3.5 本章总结 | 第44-45页 |
| 第四章 乳腺癌诊断模型研究与应用 | 第45-59页 |
| 4.1 卷积神经网络概述 | 第45-49页 |
| 4.1.1 卷积神经网络 | 第45-47页 |
| 4.1.2 自编码算法和稀疏性 | 第47-48页 |
| 4.1.3 Logistic分类器 | 第48-49页 |
| 4.2 数据准备 | 第49-50页 |
| 4.2.1 数据来源 | 第49-50页 |
| 4.2.2 数据预处理 | 第50页 |
| 4.3 模型建立和训练 | 第50-54页 |
| 4.3.1 模型建立 | 第50-52页 |
| 4.3.2 模型训练 | 第52-53页 |
| 4.3.3 模型验证与应用 | 第53-54页 |
| 4.4 模型评估结果分析 | 第54-58页 |
| 4.4.1 敏感度、特异性和准确率 | 第54-57页 |
| 4.4.2 ROC曲线 | 第57-58页 |
| 4.5 本章总结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 论文总结 | 第59页 |
| 5.2 存在的问题及未来展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 攻读学位期间发表的学术论文及专利 | 第67页 |
