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
北京交通大学;