基于贝叶斯网络的心血管疾病与慢性疾病因果关系研究

发布时间：2022-02-22 01:51

　　心血管疾病由于其高患病率和致死率,成为21世纪威胁人类生命健康的最严重疾病之一。患者在患有心血管疾病的同时,也可能罹患其它慢性疾病。因此,探究心血管疾病和其它慢性疾病间的因果关系是十分必要的。但是研究两两疾病之间的因果关系具有指数级的复杂度,并且无法清晰地阐明多个疾病之间的关系。而贝叶斯网络是一种利用有向无环图对随机变量间复杂概率分布编码的概率图模型,具有简洁明了的特点和双向推理的能力。本文将贝叶斯网络应用于构建心血管疾病与其它慢性病间的因果网络,通过结构复杂度、整体评分和条件独立性检验三方面从三种贝叶斯网络学习方法得到的网络中选出最优网络,在此基础上进行因果推理。本文结论表明,贝叶斯网络在对心血管疾病和其它慢性病间的因果推断方面具有优势,所得结果可以对疾病的预防和治疗起到积极指导作用。 

【文章来源】：华东理工大学上海市211工程院校教育部直属院校

【文章页数】：49 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 研究现状
        1.2.1 心血管疾病及其它慢性疾病因果研究现状
        1.2.2 贝叶斯网络的起源
        1.2.3 贝叶斯网络学习
        1.2.4 贝叶斯网络应用
    1.3 本文研究内容
    1.4 本文组织框架
第2章 贝叶斯网络
    2.1 贝叶斯网络基本理论
    2.2 贝叶斯网络结构与依赖关系
        2.2.1 贝叶斯网络的三种结构与依赖关系
        2.2.2 条件独立性检验
    2.3 贝叶斯网络学习
        2.3.1 基于分数-搜索的贝叶斯网络学习方法
        2.3.2 基于约束的贝叶斯网络学习方法
        2.3.3 混合的贝叶斯学习方法
    2.4 因果贝叶斯网络
第3章 实际应用: 心血管疾病及多种慢性疾病间的因果分析
    3.1 应用背景综述
    3.2 样本以及变量说明
    3.3 疾病因果网络
        3.3.1 结构学习与检验
        3.3.2 参数结果与因果分析
第4章 结束语
    4.1 本文的贡献与创新点
    4.2 未来工作展望
参考文献
致谢
研究生期间录用(投递)论文情况


【参考文献】：
期刊论文
[1]《中国心血管病报告2017》概要[J]. 陈伟伟,高润霖,刘力生,朱曼璐,王文,王拥军,吴兆苏,李惠君,顾东风,杨跃进,郑哲,蒋立新,胡盛寿.  中国循环杂志. 2018(01)



本文编号：3638450