首页--医药、卫生论文--神经病学与精神病学论文--脑血管疾病论文

基于DBN脑血管病智慧健康管理模式的移动平台研究

致谢第5-6页
摘要第6-7页
ABSTRACT第7页
1 引言第11-17页
    1.1 研究背景和意义第11-12页
        1.1.1 研究背景第11-12页
        1.1.2 研究意义第12页
    1.2 国内外研究现状第12-14页
        1.2.1 国外研究现状第12-13页
        1.2.2 国内研究现状第13-14页
    1.3 论文内容和结构第14-16页
        1.3.1 论文内容第14-15页
        1.3.2 论文结构第15-16页
    1.4 研究方法和技术路线第16-17页
2 相关理论及技术概述第17-26页
    2.1 健康管理及移动医疗第17-19页
        2.1.1 健康管理第17-18页
        2.1.2 移动医疗第18-19页
    2.2 医疗联合体及自组织理论第19-20页
        2.2.1 医疗联合体第19-20页
        2.2.2 自组织理论第20页
    2.3 深度置信网络相关理论概述第20-22页
        2.3.1 深度学习原理第20-21页
        2.3.2 深度置信网络算法结构第21-22页
        2.3.3 深度置信网络算法原理第22页
    2.4 相关技术概述第22-24页
        2.4.1 物联网技术第23页
        2.4.2 Android技术第23-24页
    2.5 本章小结第24-26页
3 基于深度置信网络脑血管病智慧健康管理模式构建第26-37页
    3.1 传统脑血管病健康管理模式分析第26-27页
        3.1.1 传统脑血管病健康管理模式第26页
        3.1.2 传统脑血管病健康管理模式弊端第26-27页
    3.2 脑血管病智慧健康管理模式构建基础第27-28页
        3.2.1 智慧健康管理第27页
        3.2.2 脑血管病区域医联体第27页
        3.2.3 深度置信网络健康风险预警方法分析第27-28页
    3.3 脑血管病智慧健康管理模式分析与构建第28-32页
        3.3.1 脑血管病智慧健康管理模式分析第28-29页
        3.3.2 脑血管病智慧健康管理模式构建第29-32页
    3.4 脑血管病智慧健康管理模式运营与协同分析第32-36页
        3.4.1 智慧健康管理模式的自组织特点第32-33页
        3.4.2 基于自组织特点的脑血管病智慧健康管理模式运营分析第33-34页
        3.4.3 基于自组织特点的脑血管病智慧健康管理模式协同分析第34-36页
    3.5 本章小结第36-37页
4 脑血管病智慧健康管理模式核心风险预警模型第37-47页
    4.1 脑血管病风险预警指标体系构建第37-40页
        4.1.1 指标体系构建原则第37页
        4.1.2 指标体系构建依据第37-38页
        4.1.3 指标体系构建第38-40页
    4.2 深度置信网络脑血管病健康风险模型第40-43页
        4.2.1 训练受限波尔兹曼机第40-41页
        4.2.2 深度置信网络模型第41-42页
        4.2.3 调优过程第42-43页
    4.3 深度置信网络模型仿真第43-46页
        4.3.1 数据收集及处理第43-44页
        4.3.2 深度置信网络模型预警结果第44-46页
    4.4 本章小结第46-47页
5 脑血管病智慧健康管理模式的移动平台分析设计与实现第47-59页
    5.1 脑血管病智慧健康管理移动平台需求分析第47-50页
        5.1.1 功能需求第47-48页
        5.1.2 数据需求第48-49页
        5.1.3 性能需求第49页
        5.1.4 安全需求第49-50页
    5.2 脑血管病智慧健康管理移动平台设计第50-55页
        5.2.1 功能模块设计第50-52页
        5.2.2 流程设计第52页
        5.2.3 数据库设计第52-55页
    5.3 脑血管病智慧健康管理移动平台实现第55-58页
        5.3.1 脑血管病智慧健康管理移动平台居民端界面展示第55-56页
        5.3.2 脑血管病智慧健康管理移动平台医生端界面展示第56-58页
    5.4 本章小结第58-59页
6 总结与展望第59-61页
    6.1 总结第59页
    6.2 进一步展望第59-61页
参考文献第61-64页
作者简历及攻读硕士学位期间取得的研究成果第64-66页
学位论文数据集第66页

论文共66页,点击 下载论文
上一篇:基于卷积神经网络的电影推荐模型研究
下一篇:热解炉温度随动控制系统研究