| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-26页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.1.1 电子病历发展 | 第12-14页 |
| 1.1.2 电子病历文本挖掘必要性 | 第14页 |
| 1.2 研究现状和存在问题 | 第14-23页 |
| 1.2.1 研究现状 | 第15-21页 |
| 1.2.2 存在问题 | 第21-23页 |
| 1.3 研究目标和内容 | 第23-24页 |
| 1.4 论文结构 | 第24-26页 |
| 第二章 电子病历数据预处理算法研究 | 第26-48页 |
| 2.1 基础方法和相关工作 | 第26-30页 |
| 2.1.1 基础方法 | 第26-29页 |
| 2.1.2 相关工作 | 第29-30页 |
| 2.2 研究问题和算法创新点 | 第30-33页 |
| 2.2.1 研究问题 | 第30-33页 |
| 2.2.2 算法创新点 | 第33页 |
| 2.3 基于元数据的病历数据清洗 | 第33-37页 |
| 2.4 CRF与规则相结合的病历实体识别 | 第37-43页 |
| 2.4.1 基于CRF的病历实体初始识别 | 第37-40页 |
| 2.4.2 基于规则的病历实体优化识别 | 第40-43页 |
| 2.5 实验结果分析 | 第43-47页 |
| 2.5.1 病历实体识别算法优化前后结果对比实验 | 第43-44页 |
| 2.5.2 病历所属科室对识别结果的影响实验 | 第44-45页 |
| 2.5.3 病历长度对识别结果的影响实验 | 第45-46页 |
| 2.5.4 不同类别病历实体的识别结果实验 | 第46-47页 |
| 2.6 本章小节 | 第47-48页 |
| 第三章 面向短文本的疾病层次概念聚类分析算法研究 | 第48-70页 |
| 3.1 基础方法和相关工作 | 第48-52页 |
| 3.1.1 基础方法 | 第48-52页 |
| 3.1.2 相关工作 | 第52页 |
| 3.2 研究问题和算法创新点 | 第52-55页 |
| 3.2.1 研究问题 | 第52-54页 |
| 3.2.2 算法创新点 | 第54-55页 |
| 3.3 基于集合的短文本相似性度量 | 第55-57页 |
| 3.4 疾病中心概念聚类 | 第57-62页 |
| 3.4.1 基于相似度分布的自适应聚类 | 第57-59页 |
| 3.4.2 基于序列模式的中心概念抽取 | 第59-62页 |
| 3.5 疾病层次概念聚类 | 第62-66页 |
| 3.5.1 语义词提取 | 第62-63页 |
| 3.5.2 基于互信息的潜在层次概念识别 | 第63-64页 |
| 3.5.3 基于规则的疾病概念网络构建 | 第64-66页 |
| 3.6 实验结果及分析 | 第66-68页 |
| 3.7 本章小节 | 第68-70页 |
| 第四章 基于多层多分类的诊疗关系模式挖掘算法研究 | 第70-98页 |
| 4.1 基础方法和相关工作 | 第70-73页 |
| 4.1.1 基础方法 | 第70-72页 |
| 4.1.2 相关工作 | 第72-73页 |
| 4.2 研究问题和算法创新点 | 第73-77页 |
| 4.2.1 研究问题 | 第73-77页 |
| 4.2.2 算法创新点 | 第77页 |
| 4.3 多层次分类及模式选择矩阵 | 第77-81页 |
| 4.3.1 多层次分类定义 | 第77-80页 |
| 4.3.2 关系模式选择矩阵 | 第80-81页 |
| 4.4 基于多层图的关系模式挖掘 | 第81-90页 |
| 4.4.1 多层图定义与构建 | 第81-85页 |
| 4.4.2 多层图遍历与候选集合选择 | 第85-87页 |
| 4.4.3 关系模式查找 | 第87-90页 |
| 4.5 实验结果及分析 | 第90-94页 |
| 4.5.1 多分类关系类型下模式发现对比 | 第91-93页 |
| 4.5.2 多数据集上多层关系模式对比 | 第93页 |
| 4.5.3 算法可扩展性能测试 | 第93-94页 |
| 4.5.4 诊疗模式挖掘测试 | 第94页 |
| 4.6 本章小节 | 第94-98页 |
| 第五章 基于神经网络的病历关联分类算法研究 | 第98-122页 |
| 5.1 基础方法和相关工作 | 第98-103页 |
| 5.1.1 基础方法 | 第98-101页 |
| 5.1.2 相关工作 | 第101-103页 |
| 5.2 研究问题和算法创新点 | 第103-105页 |
| 5.2.1 研究问题 | 第103-104页 |
| 5.2.2 算法创新点 | 第104-105页 |
| 5.3 分类规则的产生 | 第105-108页 |
| 5.3.1 基于关联规则的分类规则生成 | 第105-107页 |
| 5.3.2 基于FOIL的分类规则生成 | 第107-108页 |
| 5.4 CRNN模型定义与构建 | 第108-112页 |
| 5.4.1 CRNN模型定义 | 第108-109页 |
| 5.4.2 CRNN模型构建 | 第109-112页 |
| 5.5 基于CRNN的分类模型 | 第112-116页 |
| 5.6 实验结果及分析 | 第116-119页 |
| 5.6.1 算法精度对比测试 | 第116页 |
| 5.6.2 病历分类测试 | 第116-119页 |
| 5.7 本章小节 | 第119-122页 |
| 第六章 电子病历文本挖掘算法在临床决策支持系统中的验证 | 第122-134页 |
| 6.1 临床病历挖掘系统 | 第123-127页 |
| 6.1.1 模式挖掘算法在Evmine系统中的验证 | 第124页 |
| 6.1.2 疾病分类算法在Evmine系统中的验证 | 第124-127页 |
| 6.2 病历语义检索系统 | 第127-132页 |
| 6.3 本章小节 | 第132-134页 |
| 第七章 全文总结与展望 | 第134-138页 |
| 7.1 本文的主要研究成果 | 第134-135页 |
| 7.2 未来工作展望 | 第135-138页 |
| 参考文献 | 第138-148页 |
| 致谢 | 第148-150页 |
| 个人简历、攻读学位期间发表的学术论文与研究成果 | 第150-152页 |
