| 缩略语 | 第1-7页 |
| 中文摘要 | 第7-9页 |
| 英文摘要 | 第9-11页 |
| 第一章 绪论 | 第11-18页 |
| ·立论背景 | 第11-12页 |
| ·数据挖掘技术的基本原理和主要方法 | 第12-15页 |
| ·数据挖掘的概念和基本原理 | 第13页 |
| ·数据挖掘的步骤 | 第13-14页 |
| ·数据挖掘的分类和方法 | 第14-15页 |
| ·数据挖掘的发展趋势 | 第15页 |
| ·研究内容和创新 | 第15-18页 |
| ·医学数据挖掘意义 | 第15-16页 |
| ·本文的主要研究内容 | 第16-17页 |
| ·本文的创新 | 第17-18页 |
| 第二章 糖尿病并发症及临床资料采集 | 第18-27页 |
| ·2型糖尿病患者临床检验指标的采集 | 第18-20页 |
| ·2型糖尿病的定义 | 第18页 |
| ·一般临床查体指标 | 第18-19页 |
| ·血糖控制和胰岛素敏感性指标 | 第19页 |
| ·脂肪代谢指标 | 第19-20页 |
| ·肾功能指标 | 第20页 |
| ·糖尿病患者并发症的观察确诊及简单统计量描述 | 第20-27页 |
| ·糖尿病合并心脏病 | 第20-22页 |
| ·糖尿病肾脏并发症 | 第22-23页 |
| ·糖尿病视网膜并发症 | 第23-24页 |
| ·糖尿病与下肢动脉栓塞 | 第24-25页 |
| ·糖尿病神经病变 | 第25-27页 |
| 第三章 数据的预处理 | 第27-34页 |
| ·数据预处理的概念和意义 | 第27页 |
| ·数据预处理的步骤和方法 | 第27-28页 |
| ·本研究中所用的数据预处理技术 | 第28-34页 |
| ·多重线性回归及用其填充缺失值 | 第28-31页 |
| ·线性方法标准化数据 | 第31-32页 |
| ·主成分分析 | 第32-34页 |
| 第四章 建立糖尿病并发症预测模型的原理 | 第34-44页 |
| ·应用学习向量量化神经网络建立预测模型 | 第34-37页 |
| ·聚类分析 | 第34页 |
| ·学习向量量化神经网络的基本原理 | 第34-37页 |
| ·基于统计学中Logistic回归的预测 | 第37-39页 |
| ·Logit变换和Logistic回归模型 | 第37-38页 |
| ·解释回归系数 | 第38-39页 |
| ·概率预测 | 第39页 |
| ·本论文中预测糖尿病慢性并发症的思路 | 第39-44页 |
| ·LVQ神经网络预测模型的建立 | 第40页 |
| ·LOGISTIC回归预测模型的建立 | 第40页 |
| ·LOGISTIC回归与LVQ网络结合使用建立预测模型 | 第40-44页 |
| 第五章 预测模型的参数调试和模型预测结果 | 第44-59页 |
| ·神经网络预测模型 | 第44-49页 |
| ·建立神经网络和网络的参数调试 | 第44-47页 |
| ·数据预处理与网络训练 | 第47-48页 |
| ·五种慢性糖尿病并发症神经网络预测结果 | 第48-49页 |
| ·Logistic回归预测模型 | 第49-56页 |
| ·参数估计与Wald检验结果 | 第49-53页 |
| ·糖尿病并发症回归模型的假设检验 | 第53-54页 |
| ·用建立的Logistic回归模型进行预测 | 第54-55页 |
| ·简单统计描述与LOGISTIC回归比较 | 第55-56页 |
| ·统计学与神经网络方法结合进行预测 | 第56-58页 |
| ·三种预测方法的比较 | 第58-59页 |
| 第六章 结论和讨论 | 第59-63页 |
| ·结论 | 第59页 |
| ·讨论和思考 | 第59-63页 |
| ·关于数据挖掘在医学中的应用 | 第59-60页 |
| ·关于人工神经网络的应用 | 第60-61页 |
| ·关于三种方法的比较 | 第61-62页 |
| ·关于方法的局限性及待解决的问题 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间发表的论文 | 第69页 |