基于数据挖掘的患者流向异常检测方法研究
摘要 | 第5-6页 |
abstract | 第6页 |
第一章 绪论 | 第10-17页 |
1.1 选题背景与意义 | 第10-12页 |
1.1.1 患者流向现状 | 第10-11页 |
1.1.2 分级诊疗政策 | 第11页 |
1.1.3 当前监管工作中的不足 | 第11-12页 |
1.2 国内外研究现状 | 第12-14页 |
1.2.1 数据挖掘在医疗领域的应用 | 第12-13页 |
1.2.2 患者流向研究现状 | 第13页 |
1.2.3 异常检测研究现状 | 第13-14页 |
1.3 研究目的及内容 | 第14-16页 |
1.4 论文的组织结构 | 第16-17页 |
第二章 基础理论与关键技术 | 第17-26页 |
2.1 患者流向 | 第17-18页 |
2.1.1 异常流向的定义 | 第17页 |
2.1.2 流向的影响因素 | 第17-18页 |
2.2 相关基础算法 | 第18-20页 |
2.3 k-means聚类算法 | 第20-22页 |
2.3.1 算法描述 | 第20-21页 |
2.3.2 参数选取方法 | 第21页 |
2.3.3 相似度度量方法 | 第21-22页 |
2.4 PART规则提取算法 | 第22-23页 |
2.5 BP神经网络 | 第23-25页 |
2.6 本章小结 | 第25-26页 |
第三章 数据预处理 | 第26-42页 |
3.1 数据分析与抽取 | 第26-29页 |
3.2 数据清洗 | 第29-30页 |
3.3 缺失值填补 | 第30-32页 |
3.3.1 现住址填补方法 | 第30-31页 |
3.3.2 其他字段填补方法 | 第31-32页 |
3.4 数据转换 | 第32-37页 |
3.4.1 数据泛化与规约 | 第32-33页 |
3.4.2 属性构造 | 第33-37页 |
3.4.2.1 医疗水平评估 | 第34-36页 |
3.4.2.2 收入水平评估 | 第36-37页 |
3.4.3 数据标准化 | 第37页 |
3.5 特征选择 | 第37-41页 |
3.5.1 跨级流向特征选择 | 第38-39页 |
3.5.2 转诊流向特征选择 | 第39-41页 |
3.6 本章小结 | 第41-42页 |
第四章 基于偏差法的异常跨级流向检测 | 第42-70页 |
4.1 数据分析 | 第43-45页 |
4.1.1 整体数据分布分析 | 第43-44页 |
4.1.2 合理流向数据分析 | 第44-45页 |
4.2 基于聚类算法的患者粗粒度画像 | 第45-56页 |
4.2.1 算法评价指标 | 第45-46页 |
4.2.2 两阶段k-means算法 | 第46-48页 |
4.2.3 实验与分析 | 第48-56页 |
4.2.3.1 算法有效性验证 | 第48-51页 |
4.2.3.2 参数选择 | 第51-53页 |
4.2.3.3 不同算法对比分析 | 第53-56页 |
4.3 基于规则算法的患者细粒度画像 | 第56-64页 |
4.3.1 算法评价指标 | 第56-57页 |
4.3.2 PART算法 | 第57-59页 |
4.3.3 实验与分析 | 第59-64页 |
4.3.3.1 参数选择 | 第59-60页 |
4.3.3.2 规则提取 | 第60-63页 |
4.3.3.3 不同算法对比分析 | 第63-64页 |
4.4 基于偏差法的异常检测 | 第64-69页 |
4.4.1 异常检测思路 | 第64-66页 |
4.4.2 实验与分析 | 第66-69页 |
4.5 本章小结 | 第69-70页 |
第五章 基于住院天数预测的异常转诊流向检测 | 第70-80页 |
5.1 数据选择 | 第70-71页 |
5.2 住院天数预测 | 第71-77页 |
5.2.1 模型评价指标 | 第71-72页 |
5.2.2 BP神经网络 | 第72-73页 |
5.2.3 实验与分析 | 第73-77页 |
5.2.3.1 参数选择 | 第73-74页 |
5.2.3.2 网络训练 | 第74-75页 |
5.2.3.3 不同算法对比分析 | 第75-77页 |
5.3 基于预测的异常检测 | 第77-79页 |
5.3.1 异常检测思路 | 第77-78页 |
5.3.2 实验与分析 | 第78-79页 |
5.4 本章小结 | 第79-80页 |
第六章 全文总结与展望 | 第80-82页 |
6.1 全文总结 | 第80页 |
6.2 后续工作展望 | 第80-82页 |
致谢 | 第82-83页 |
参考文献 | 第83-86页 |
攻读硕士学位期间取得的成果 | 第86-87页 |