• مقدمه (15)
  • انگیزه و اهداف پژوهش (15)
  • تعریف مسئله (16)
  • پژوهش‌های پیشین (17)
  • ساختار پایان‌نامه (18)
• سنجش عملکرد شناختی (19)
  • مفاهیم اولیه (19)
    • مراقبت سلامت درمانی (20)
    • مراقبت سلامت پیشگیرانه (20)
    • دیجیتالی شدن مراقبت سلامت (21)
    • افت شناختی (23)
    • اصلاح شناخت (23)
  • خودردیابی شناختی (24)
    • معرفی پلتفرم OptiMind (24)
• ابزار‌های کار با داده (31)
  • جمع‌آوری داده (31)
  • آماده‌سازی داده (32)
  • کاوش در داده (33)
    • کسب بصیرت از داده (34)
    • استخراج ویژگی و مدل‌سازی (34)
    • تفسیر و نتیجه‌گیری به کمک مدل (35)
• فهم داده‌ی OptiMind (37)
  • اطلاعات جمعیت‌شناسی (37)
  • تمیز کردن داده (38)
  • توضیح داده (41)
  • داده‌های مفقودی (43)
  • کاهش بعد (44)
    • روش PCA (45)
    • روش t-SNE (46)
• مدل‌سازی (53)
  • انتخاب ویژگی (53)
    • اطلاعات متقابل (54)
    • F-تست (55)
    • لسو (59)
    • گام‌ به‌ گام به جلو (62)
  • مدل‌سازی داده (64)
    • مدل‌ها خطی (64)
    • مدل‌های درختی (65)
• تفسیرپذیری (69)
  • اهمیت ویژگی با متریک «وزن» (70)
  • اهمیت ویژگی با متریک «پوشش» (71)
  • اهمیت ویژگی با متریک «منفعت» (72)
  • اهمیت ویژگی با متریک مقدار شپلی (73)
    • مدل‌های توضیح دهنده‌ی خطی (74)
    • LIME (75)
    • مقدار شپلی کلاسیک (76)
    • خاصیت‌های مهم مدل توضیح دهنده خطی (78)
    • SHAP (79)
• بحث و نتیجه‌گیری (83)