声明
第一章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.3 本文研究内容
1.4 论文组织结构
1.5 本章小结
第二章 相关技术
2.1 深度学习
2.1.1 循环神经网络RNN
2.1.2 长短期记忆神经网络LSTM
2.2 序列稀疏自编码
2.3 多任务双向LSTM
2.4 本章小结
第三章 基于稀疏编码LSTM的糖尿病生化指标预测模型
3.1 模型总体架构
3.2 数据预处理
3.2.1 数据空值处理
3.2.2 数据归一化
3.3 序列稀疏自编码模块
3.3.1 编码层
3.3.2 解码层
3.4 LSTM预测模块
3.5 实验分析
3.5.1 实验环境
3.5.2 实验数据和实验参数
3.5.3 实验评价指标
3.5.4 不同指标数据输入对比
3.5.5 不同稀疏系数ρ的对比
3.5.6 普通稀疏自编码和序列稀疏自编码
3.6 本章小结
第四章 基于双向LSTM多任务学习的糖尿病并发症预测模型
4.1 模型总体框架
4.2 数据预处理
4.2.1 数据融合
4.2.2 数据向量化
4.3多任务双向LSTM
4.3.1 输入层
4.3.2 参数共享层
4.3.3 输出层
4.4 模型评估方法
(1)损失函数(Loss)
(2)二分类评估方法
(3)多任务下准确度和漏诊率
4.5 实验分析
4.5.1 实验环境
4.5.2 实验数据和实验参数设定
4.5.3对比实验
4.5.4 实验结果分析
4.6 本章小结
第五章 糖尿病辅助诊断系统的设计与实现
5.1 系统需求分析
5.1.1 系统基本功能分析
5.1.2 系统辅助诊断功能分析
5.1.3 管理员功能分析
5.1.4 系统用例分析
5.2 系统总体框架设计
5.3 系统实现
5.3.2 系统糖尿病辅助诊断功能实现
5.3.3 管理员功能实现
5.4 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读学位期间的研究成果目录
致谢
东华大学;