基于疾病网络的疾病预测方法及分型研究

目录

声明

致谢

1 引言

1.1 研究背景和意义

1.2 国内外研究现状

1.2.1 合并疾病研究

1.2.2 疾病预测研究

1.2.3 疾病分型研究

1.3 本文主要研究内容

1.4 本文组织结构

2 相关研究方法

2.1 经典机器学习模型简述

2.2 图卷积神经网络概述

2.3 网络特征学习概述

2.4 生存分析预后评估

2.5 本章小节

3 基于疾病网络的疾病预测方法研究

3.1 数据预处理与实验数据集构建

3.1.1 基于序贯诊断的重症肺炎预测数据集构建

3.1.2 基于患病时长的重症肺炎预测数据集构建

3.1.3 疾病关系网络构建

3.2 融合疾病网络的疾病预测模型

3.2.1 DPNet-SD疾病预测模型框架

3.2.2 DPNet-DD疾病预测模型框架

3.2.3 对比算法及消融实验

3.3 DPNet-SD模型实验结果分析

3.3.1 实验数据及数据特征分析

3.3.2 实验结果与分析

3.3.3 消融实验

3.4 DPNet-DD模型实验结果分析

3.4.1 实验数据及数据特征分析

3.4.2 实验结果与分析

3.4.3 消融实验

3.5 数据集差异分析

3.6 本章小结

4 基于异质网络的新冠疾病分型研究

4.1 异质网络构建

4.1.1 电子病历数据收集整理

4.1.2 异质网络构建流程

4.2 疾病分型模型

4.2.1 模型框架

4.2.2 疾病亚型划分与评价

4.3 实验结果分析

4.3.1 患者缺失数据补全方法对比

4.3.2 基于ProSNet的疾病分型模型

4.3.3 基于node2vec的疾病分型模型

4.3.4 基于LINE的疾病分型模型

4.3.5 亚型人群差异分析

4.4 本章小结

5 总结与展望

5.1 工作总结

5.2 未来展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

独创性声明

学位论文数据集