面向糖尿病的临床大数据分析研究与应用
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 本文组织结构 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 相关技术介绍 | 第15-23页 |
| 2.1 OLAP与数据挖掘 | 第15-17页 |
| 2.1.1 OLAP技术 | 第15-16页 |
| 2.1.2 数据挖掘的概念 | 第16-17页 |
| 2.2 时序挖掘 | 第17-19页 |
| 2.2.1 时间规准 | 第17-18页 |
| 2.2.2 关联分析 | 第18-19页 |
| 2.3 SAP BO | 第19-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 糖尿病临床数据分析应用系统架构设计 | 第23-39页 |
| 3.1 总体架构设计 | 第23-25页 |
| 3.2 糖尿病临床数据 | 第25-32页 |
| 3.2.1 临床数据结构 | 第26-28页 |
| 3.2.2 数据清洗 | 第28-29页 |
| 3.2.3 多维立方体的构建 | 第29-31页 |
| 3.2.4 诊断事件序列的构建 | 第31-32页 |
| 3.3 多维分析模块功能设计 | 第32-35页 |
| 3.3.1 分析主题 | 第32页 |
| 3.3.2 面向患者基本特征主题的分析模型 | 第32-34页 |
| 3.3.3 面向糖尿病诊断的分析模型 | 第34页 |
| 3.3.4 面向糖尿病指标与用药分析模型 | 第34-35页 |
| 3.4 时序挖掘模块功能设计 | 第35-38页 |
| 3.4.1 基于时间窗口的序列优化算法 | 第36-37页 |
| 3.4.2 诊断事件频繁模式发现算法NFPS | 第37-38页 |
| 3.5 分析结果可视化 | 第38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 糖尿病临床数据多维分析 | 第39-52页 |
| 4.1 糖尿病多维分析数据准备 | 第39-43页 |
| 4.1.1 糖尿病多维分析资源发布 | 第39-41页 |
| 4.1.2 数据预处理 | 第41-43页 |
| 4.2 糖尿病指标分析 | 第43-46页 |
| 4.3 糖尿病诊断分析 | 第46-49页 |
| 4.4 糖尿病用药分析 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 诊断事件序列频繁模式发现算法 | 第52-63页 |
| 5.1 诊断数据序列化 | 第52-54页 |
| 5.1.1 患者体属性 | 第52-53页 |
| 5.1.2 糖尿病临床诊断数据的序列化 | 第53-54页 |
| 5.2 糖尿病临床诊断事件频繁模式发现 | 第54-59页 |
| 5.2.1 序列模式挖掘概述 | 第55-56页 |
| 5.2.2 算法过程描述 | 第56-57页 |
| 5.2.3 NFPS算法实现 | 第57-59页 |
| 5.3 实验分析 | 第59-61页 |
| 5.3.1 实验环境 | 第59页 |
| 5.3.2 实验结果 | 第59-61页 |
| 5.4 本章小结 | 第61-63页 |
| 第六章 总结和展望 | 第63-65页 |
| 6.1 本文总结 | 第63-64页 |
| 6.2 展望 | 第64-65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 |
