医学信息学在糖尿病中的数据分析与算法设计
| 摘要 | 第7-8页 |
| abstract | 第8-9页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 论文研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 相关知识及技术介绍 | 第16-24页 |
| 2.1 糖尿病 | 第16-17页 |
| 2.2 医学信息学 | 第17-18页 |
| 2.3 数据分析工具 | 第18页 |
| 2.4 假设检验 | 第18-21页 |
| 2.4.1 假设检验 | 第18-20页 |
| 2.4.2 相关系数的计算 | 第20-21页 |
| 2.4.3 相关系数的假设检验 | 第21页 |
| 2.5 逻辑回归模型 | 第21-24页 |
| 2.5.1 逻辑回归模型 | 第21-22页 |
| 2.5.2 回归系数的假设检验 | 第22-24页 |
| 第三章 数据预处理 | 第24-32页 |
| 3.1 数据来源 | 第24-25页 |
| 3.2 数据预处理 | 第25-31页 |
| 3.2.1 缺失值分类 | 第25页 |
| 3.2.2 缺失值插补法 | 第25-26页 |
| 3.2.3 插值过程与结果 | 第26-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第四章 数据分析 | 第32-51页 |
| 4.1 数据分析方法与结果 | 第32-41页 |
| 4.1.1 糖化血红蛋白含量和分类变量之间的关系 | 第32-34页 |
| 4.1.2 糖化血红蛋白含量和连续变量之间的关系 | 第34-36页 |
| 4.1.3 糖尿病和分类变量之间的关系 | 第36-38页 |
| 4.1.4 糖尿病和连续变量之间的关系 | 第38-41页 |
| 4.1.5 数据分析小结 | 第41页 |
| 4.2 回归模型的拟合 | 第41-50页 |
| 4.2.1 糖化血红蛋白的线性回归模型 | 第41-47页 |
| 4.2.2 糖尿病的逻辑回归模型 | 第47-48页 |
| 4.2.3 变量最终选择 | 第48-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 算法设计与实现 | 第51-57页 |
| 5.1 支持向量机 | 第51页 |
| 5.2 支持向量机准确度的度量 | 第51-52页 |
| 5.3 SVM算法设计及结果 | 第52-56页 |
| 5.3.1 算法思想 | 第52页 |
| 5.3.2 算法实现 | 第52-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 系统设计与实现 | 第57-64页 |
| 6.1 系统设计 | 第57-61页 |
| 6.1.1 系统功能 | 第57页 |
| 6.1.2 系统流程图 | 第57-58页 |
| 6.1.3 实体-联系图 | 第58-60页 |
| 6.1.4 数据库逻辑结构设计 | 第60-61页 |
| 6.2 系统实现 | 第61-63页 |
| 6.2.1 评分算法设计思想 | 第61-62页 |
| 6.2.2 系统页面展示 | 第62-63页 |
| 6.3 本章小结 | 第63-64页 |
| 第七章 结论与展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69页 |
