第1章 绪论 1
1.1引言 1
1.2数据挖掘的研究历史和现状 2
1.3当前数据挖掘的研究热点 4
第2章 数据挖掘技术 5
2.1数据挖掘的定义 5
2.2数据挖掘系统的主要成分 5
2.3数据挖掘的功能 6
2.4数据挖掘的流程 8
2.5数据挖掘在医学领域的应用 11
2.6数据挖掘系统工具 12
第3章 数据挖掘的算法及依据 17
3.1聚类 17
3.2模糊理论与聚类的结合 20
3.3因子分析 23
3.4 Logistic回归 26
3.5关联规则 28
3.6灰色预测 31
第4章 女性生化指标的因子分析 35
4.1因子分析在女性生化指标中的应用意义 35
4.2因子分析在临床检验中的应用过程 36
4.3结果分析 40
4.4结论和讨论 41
第5章 逐步聚类在血流变检验中的应用 43
5.1研究血流变指标的临床意义 43
5.2将数据挖掘技术引入血流变的应用 44
5.3逐步聚类基本原理 45
5.4原始数据的准备工作 46
5.5原始数据预处理 48
5.6逐步聚类步骤 52
5.7逐步聚类结果 58
5.8逐步聚类方法的优缺点 64
5.9结果分析 65
5.10运用方差分析验证聚类结果的可靠性 69
第6章 逐步聚类在肺癌CT图像特征的应用研究 75
6.1孤立性肺结节肺癌与CT图像特征关系研究现状及意义 75
6.2研究方法 76
6.3结果分析 80
6.4 讨论 81
第7章 因子分析与聚类方法在中风与血流变关系的应用研究 82
7.1中风与血流变关系的应用研究的意义 82
7.2研究方法 83
7.3结果分析 88
7.4结论和讨论 89
第8章 模糊聚类和Logistic回归在试管婴儿成功因素的应用 90
8.1研究背景及现状 90
8.2数据预处理 91
8.3建立Logistic回归模型 93
8.4关键因素的相对重要性分析 94
8.5样本的模糊聚类过程 99
8.6两组患者的医学特征比较 101
8.7主要结论 103
第9章 关联规则在中风疾病与血流变关系中的应用 105
9.1研究中风疾病的意义 105
9.2关联规则在医学中研究现状 105
9.3关联规则的分析过程 106
9.4中风疾病与血流变关系的关联规则结果分析 111
9.5结论和讨论 112
第10章Apriori算法在试管婴儿成功因素分析中的应用 114
10.1试管婴儿成功因素研究的意义 114
10.2试管婴儿成功率关联规则的获取 115
10.3试管婴儿成功因素结果分析 117
10.4结论和讨论 118
第11章 灰色预测在女性胆固醇随年龄变化中的应用 120
11.1研究女性胆固醇随年龄变化的的意义 120
11.2 GM（1.1）模型原理 121
11.3数据的收集与数据整理 122
11.4灰色GM （1.1）预测模型的建立 122
11.5模型检验 124
11.6模型检验评价 125
11.7外推预测 126
11.8结果分析 126
11.9结论与讨论 127
第12章 总结与展望 129
12.1总结 129
12.2展望 130
附录A中风患者血流变数据指标值 131
附录B 孤立性肺结节图像特征 151
附录C试管婴儿培育情况表 154
参考文献 162