甲亢疾病数据的多维分析研究与应用
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.3 本文研究内容 | 第13-14页 |
| 1.4 本文的组织结构 | 第14页 |
| 1.5 本章小结 | 第14-16页 |
| 第二章 相关技术介绍 | 第16-23页 |
| 2.1 多维数据分析 | 第16-17页 |
| 2.2 回归分析和相关分析 | 第17-19页 |
| 2.3 关联规则挖掘 | 第19-21页 |
| 2.3.1 关联规则 | 第19-20页 |
| 2.3.2 Apriori算法 | 第20-21页 |
| 2.4 SAP HANA | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 甲亢疾病多维分析系统的架构设计 | 第23-39页 |
| 3.1 系统总体架构设计 | 第23-25页 |
| 3.2 甲亢临床数据准备模块 | 第25-27页 |
| 3.3 数据分析模块 | 第27-34页 |
| 3.3.1 甲亢患者基本特征多维分析模型 | 第29页 |
| 3.3.2 甲亢临床指标多维分析模型 | 第29-31页 |
| 3.3.3 甲亢用药多维分析模型 | 第31-34页 |
| 3.4 关联规则挖掘模块 | 第34-36页 |
| 3.5 系统评估 | 第36-38页 |
| 3.5.1 数据量评估 | 第36-37页 |
| 3.5.2 算法评估 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 甲亢临床数据的多维分析 | 第39-55页 |
| 4.1 WebI多维分析流程 | 第39-41页 |
| 4.1.1 数据资源的发布 | 第39页 |
| 4.1.2 多维数据集构建 | 第39-40页 |
| 4.1.3 建立分析报表 | 第40-41页 |
| 4.2 面向患者基本特征的多维分析 | 第41-42页 |
| 4.2.1 性别和年龄维度 | 第41-42页 |
| 4.2.2 时间维度 | 第42页 |
| 4.3 面向指标的多维分析 | 第42-47页 |
| 4.3.1 指标的基本分析 | 第43-44页 |
| 4.3.2 指标间的线性回归分析 | 第44-45页 |
| 4.3.3 指标间的相关分析 | 第45-47页 |
| 4.4 面向用药的多维分析 | 第47-54页 |
| 4.4.1 用药的基本分析 | 第47-49页 |
| 4.4.2 用药对病情缓解的影响分析 | 第49-51页 |
| 4.4.3 用药对病情再燃的影响分析 | 第51-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 甲亢临床数据的关联规则挖掘 | 第55-63页 |
| 5.1 Apriori算法在HANA上的实现 | 第55-57页 |
| 5.1.1 PAL_APRIORI算法设计 | 第55-56页 |
| 5.1.2 PAL_APRIORI算法执行 | 第56-57页 |
| 5.2 用药的关联规则挖掘 | 第57-60页 |
| 5.2.1 用药与疾病 | 第58-59页 |
| 5.2.2 用药与年龄 | 第59-60页 |
| 5.3 指标的关联规则挖掘 | 第60-62页 |
| 5.3.1 指标与疾病 | 第60-61页 |
| 5.3.2 指标与年龄 | 第61-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 工作总结 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间的研究成果目录 | 第69页 |
