疾病并发症发现方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 研究内容 | 第11-12页 |
| 1.4 研究组织结构 | 第12-13页 |
| 第2章 研究现状 | 第13-19页 |
| 2.1 利用关联规则挖掘研究并发症 | 第13-16页 |
| 2.1.1 关联规则挖掘算法简介 | 第13-14页 |
| 2.1.2 利用关联规则挖掘研究疾病并发症 | 第14-16页 |
| 2.2 利用非关联规则挖掘来研究并发症 | 第16-17页 |
| 2.3 本章小结 | 第17-19页 |
| 第3章 疾病的并发权重 | 第19-34页 |
| 3.1 疾病并发权重的概念 | 第19-20页 |
| 3.2 获取部分疾病的并发权重 | 第20-23页 |
| 3.2.1 获取部分疾病的并发症信息 | 第20-22页 |
| 3.2.2 计算部分疾病的并发权重 | 第22-23页 |
| 3.3 BP神经网络简介 | 第23-26页 |
| 3.3.1 神经网络中的神经元 | 第23-24页 |
| 3.3.2 常用激活函数 | 第24-25页 |
| 3.3.3 BP神经网络模型的学习过程 | 第25-26页 |
| 3.4 构建BP神经网络模型 | 第26-34页 |
| 3.4.1 BP神经网络模型的输入层 | 第26-31页 |
| 3.4.2 模型训练数据的预处理 | 第31-33页 |
| 3.4.3 BP神经网络模型的输出 | 第33-34页 |
| 第4章 疾病并发关联关系发现和预测 | 第34-42页 |
| 4.1 加权关联规则挖掘算法 | 第34-40页 |
| 4.1.1 加权关联规则挖掘算法简介 | 第34-36页 |
| 4.1.2 频繁模式树的构建 | 第36-38页 |
| 4.1.3 算法实现 | 第38-40页 |
| 4.2 利用疾病并发关联预测并发疾病 | 第40-42页 |
| 第5章 实验过程和结果分析 | 第42-53页 |
| 5.1 数据准备和预处理 | 第42-43页 |
| 5.1.1 数据准备 | 第42页 |
| 5.1.2 数据预处理 | 第42-43页 |
| 5.2 应用BP神经网络模型获得疾病并发权重 | 第43-45页 |
| 5.2.1 模型隐藏层神经元数量的确定 | 第43-44页 |
| 5.2.2 获得所有疾病并发权重 | 第44-45页 |
| 5.3 加权关联规则挖掘 | 第45-46页 |
| 5.4 疾病并发症风险预测评估 | 第46-53页 |
| 5.4.1 疾病并发症风险预测平台 | 第46-47页 |
| 5.4.2 并发疾病预测评估 | 第47-48页 |
| 5.4.3 对比实验结果分析 | 第48-51页 |
| 5.4.4 预测列表长度对准确率的影响 | 第51-53页 |
| 第6章 讨论和展望 | 第53-56页 |
| 6.1 工作小结 | 第53页 |
| 6.2 主要创新点 | 第53-54页 |
| 6.3 未来展望 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 攻读学位期间发表论文及其他情况 | 第61-62页 |
| 致谢 | 第62页 |
