| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 智慧医疗 | 第8-9页 |
| 1.2 数据分析的应用 | 第9-10页 |
| 1.3 卒中后抑郁的研究现状 | 第10-12页 |
| 1.4 本文主要内容和结构 | 第12-14页 |
| 第二章 卒中后抑郁量表 | 第14-18页 |
| 2.1 临床资料 | 第14页 |
| 2.2 量表数据预处理 | 第14-15页 |
| 2.3 基本信息统计 | 第15-18页 |
| 第三章 卒中后抑郁风险概率模型 | 第18-32页 |
| 3.1 卒中后抑郁的风险分析 | 第18页 |
| 3.2 风险概率预测算法 | 第18-25页 |
| 3.2.1 logistic回归算法 | 第18-21页 |
| 3.2.2 PCR算法 | 第21-22页 |
| 3.2.3 PLSR算法 | 第22-25页 |
| 3.3 预测模型对比分析 | 第25-30页 |
| 3.3.1 数据集 | 第25-26页 |
| 3.3.2 logistic回归、PCR、PLSR应用 | 第26-30页 |
| 3.4 总结 | 第30-32页 |
| 第四章 卒中后抑郁类别判定模型 | 第32-48页 |
| 4.1 卒中后抑郁类别预测 | 第32页 |
| 4.2 特征选择算法 | 第32-39页 |
| 4.2.1 FCBF算法 | 第33-35页 |
| 4.2.2 CFS算法 | 第35-36页 |
| 4.2.3 GA-RF算法 | 第36-39页 |
| 4.3 RF分类算法 | 第39-41页 |
| 4.4 分类模型对比分析 | 第41-46页 |
| 4.4.1 数据集 | 第41页 |
| 4.4.2 Filter算法应用 | 第41-43页 |
| 4.4.3 GA-RF算法应用 | 第43-46页 |
| 4.5 总结 | 第46-48页 |
| 第五章 卒中后抑郁特征关联分析 | 第48-68页 |
| 5.1 卒中后抑郁关联分析 | 第48页 |
| 5.2 关联分析算法 | 第48-56页 |
| 5.2.1 Apriori算法 | 第49-52页 |
| 5.2.2 Eclat算法 | 第52-54页 |
| 5.2.3 评估模式 | 第54-56页 |
| 5.3 关联组合分析 | 第56-65页 |
| 5.3.1 数据集 | 第56-58页 |
| 5.3.2 关联规则与lift频繁项集 | 第58-64页 |
| 5.3.3 全置信度频繁项集 | 第64-65页 |
| 5.4 总结 | 第65-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 致谢 | 第70-72页 |
| 参考文献 | 第72-74页 |