系統(tǒng)性紅斑狼瘡性腎炎（systemic lupus erythenlatosus nephritis,LN）是指在系統(tǒng)性紅斑狼瘡（systemic lupus erythenlatosus,SLE）的基礎(chǔ)上有腎臟疾病臨床表現(xiàn)和（或）伴有腎功能異常。系統(tǒng)性紅斑狼瘡性腎炎是一種多并發(fā)癥的疾病,病情復(fù)雜多樣,到目前為止,LN的發(fā)病原因和發(fā)病機(jī)制還沒(méi)有完全闡明。我國(guó)患有LN的患者人數(shù)較多,醫(yī)院存儲(chǔ)的LN患者的醫(yī)療數(shù)據(jù)眾多,但是目前并沒(méi)有充分利用這些數(shù)據(jù)的價(jià)值,去挖掘出有關(guān)于治療LN的知識(shí)。如何利用數(shù)據(jù)挖掘技術(shù)從LN醫(yī)療數(shù)據(jù)中獲得有價(jià)值的信息,進(jìn)而為醫(yī)生決策提供意見(jiàn)和幫助,是本文研究的重點(diǎn)。數(shù)據(jù)挖掘技術(shù)是發(fā)現(xiàn)LN醫(yī)療數(shù)據(jù)背后知識(shí)的關(guān)鍵。首先要研究數(shù)據(jù)挖掘的理論知識(shí),確定數(shù)據(jù)挖掘的流程,重點(diǎn)研究主成分分析算法、K-Means聚類(lèi)算法和Apriori關(guān)聯(lián)規(guī)則算法。然后采用主成分分析算法和K-Means聚類(lèi)算法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理,其中通過(guò)主成分分析算法進(jìn)行數(shù)據(jù)降維來(lái)挖掘出影響LN疾病的主要影響指標(biāo)。針對(duì)LN醫(yī)療數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理后,形成建模數(shù)據(jù),將數(shù)據(jù)帶入到Apriori算法模型中,對(duì)影響LN的主要指標(biāo)... 

【文章來(lái)源】：昆明理工大學(xué)云南省

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景和意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 數(shù)據(jù)挖掘在醫(yī)學(xué)應(yīng)用中的研究現(xiàn)狀
        1.2.2 LN疾病研究現(xiàn)狀
        1.2.3 主成分分析研究現(xiàn)狀
        1.2.4 Apriori算法研究現(xiàn)狀
    1.3 存在問(wèn)題及研究?jī)?nèi)容
        1.3.1 存在問(wèn)題
        1.3.2 研究?jī)?nèi)容
    1.4 論文結(jié)構(gòu)
第二章 LN數(shù)據(jù)分析相關(guān)理論
    2.1 數(shù)據(jù)挖掘概述
        2.1.1 數(shù)據(jù)挖掘的概念
        2.1.2 數(shù)據(jù)挖掘的過(guò)程
    2.2 數(shù)據(jù)預(yù)處理
        2.2.1 醫(yī)療數(shù)據(jù)的特點(diǎn)
        2.2.2 臨床上的數(shù)據(jù)處理
        2.2.3 數(shù)據(jù)挖掘的數(shù)據(jù)預(yù)處理
    2.3 PCA算法
        2.3.1 PCA算法的基本思想
        2.3.2 主成分貢獻(xiàn)率
        2.3.3 PCA算法步驟
    2.4 Apriori算法
        2.4.1 關(guān)聯(lián)規(guī)則基本概念
        2.4.2 關(guān)聯(lián)規(guī)則挖掘的主要步驟
        2.4.3 Apriori算法
    2.5 本章小結(jié)
第三章 LN數(shù)據(jù)預(yù)處理
    3.1 LN疾病數(shù)據(jù)預(yù)處理的作用和意義
    3.2 LN疾病數(shù)據(jù)的來(lái)源和選取
        3.2.1 數(shù)據(jù)的來(lái)源
        3.2.2 數(shù)據(jù)的選取
    3.3 LN疾病數(shù)據(jù)清洗
    3.4 LN疾病數(shù)據(jù)規(guī)范化
    3.5 LN疾病數(shù)據(jù)降維
        3.5.1 PCA算法的實(shí)現(xiàn)步驟
        3.5.2 實(shí)驗(yàn)仿真環(huán)境
        3.5.3 實(shí)驗(yàn)仿真
        3.5.4 數(shù)據(jù)挖掘結(jié)果
    3.6 LN疾病數(shù)據(jù)離散化
    3.7 本章小結(jié)
第四章 Apriori模型在LN中的應(yīng)用
    4.1 Apriori模型的建立及仿真
        4.1.1 Apriori算法的實(shí)現(xiàn)流程及步驟
        4.1.2 實(shí)驗(yàn)仿真
    4.2 實(shí)驗(yàn)分析
    4.3 規(guī)則解析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 論文工作總結(jié)
    5.2 存在的不足和今后的工作展望
致謝
參考文獻(xiàn)
附錄A 學(xué)術(shù)成果
附錄B 研究生期間參與的科研項(xiàng)目



本文編號(hào)：3246758