基于机器学习的甲亢病情发展预测及应用
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 医疗大数据与人工智能 | 第12-13页 |
| 1.2.2 甲状腺疾病预测 | 第13-14页 |
| 1.2.3 web医疗服务系统 | 第14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 文章结构 | 第15-17页 |
| 第二章 相关技术介绍 | 第17-21页 |
| 2.1 Rocket.Chat开源系统 | 第17-18页 |
| 2.2 机器学习算法 | 第18-20页 |
| 2.2.1 SVM支持向量机 | 第18-19页 |
| 2.2.2 KNN近邻 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 甲亢病情发展预测模型 | 第21-37页 |
| 3.1 甲亢病情发展介绍 | 第21-22页 |
| 3.2 甲亢分期预测模型 | 第22-24页 |
| 3.2.1 甲亢阶段划分规则与联系 | 第22页 |
| 3.2.2 甲亢分期预测算法 | 第22-24页 |
| 3.3 甲亢病情发展预测模型 | 第24-32页 |
| 3.3.1 数据预处理 | 第24-26页 |
| 3.3.2 特征提取 | 第26-29页 |
| 3.3.3 模型训练 | 第29-31页 |
| 3.3.4 特征降维 | 第31-32页 |
| 3.4 实验结果与分析 | 第32-36页 |
| 3.4.1 实验数据集提取 | 第32-33页 |
| 3.4.2 模型评估标准 | 第33页 |
| 3.4.3 模型性能实验对比 | 第33-35页 |
| 3.4.4 特征降维实验对比 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 系统设计与实现 | 第37-62页 |
| 4.1 系统简介 | 第37页 |
| 4.2 系统总体框架设计 | 第37-39页 |
| 4.3 数据库设计 | 第39-42页 |
| 4.4 系统功能模块设计 | 第42-53页 |
| 4.4.1 甲亢分期预测模块 | 第42-44页 |
| 4.4.2 甲亢病情发展预测模块 | 第44-47页 |
| 4.4.3 医生推荐模块 | 第47-52页 |
| 4.4.4 预约模块 | 第52-53页 |
| 4.5 系统实现 | 第53-61页 |
| 4.5.1 系统环境与部署 | 第53-54页 |
| 4.5.2 界面展示与实验分析 | 第54-61页 |
| 4.6 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 工作总结 | 第62-63页 |
| 5.2 研究展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读学位期间的研究成果目录 | 第67-68页 |
| 致谢 | 第68页 |
