医疗健康大数据的并行处理方法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 研究内容与创新点 | 第17-18页 |
| 1.4 论文的组织结构 | 第18-21页 |
| 第2章 相关技术背景 | 第21-47页 |
| 2.1 OpenMP并行库 | 第21-23页 |
| 2.1.1 OpenMP简介 | 第21-22页 |
| 2.1.2 OpenMP编程模式 | 第22-23页 |
| 2.1.3 OpenMP的特点与应用 | 第23页 |
| 2.2 CPU-GPU协同计算 | 第23-27页 |
| 2.2.1 CPU与GPU性能对比 | 第24-26页 |
| 2.2.2 CPU-GPU协同计算设计理念 | 第26-27页 |
| 2.3 CUDA计算平台 | 第27-36页 |
| 2.3.1 CUDA简介 | 第27-28页 |
| 2.3.2 CUDA架构 | 第28-35页 |
| 2.3.3 CUDA的特点与应用 | 第35-36页 |
| 2.4 OpenCL并行框架 | 第36-42页 |
| 2.4.1 OpenCL简介 | 第36页 |
| 2.4.2 OpenCL架构 | 第36-41页 |
| 2.4.3 OpenCL的特点与应用 | 第41-42页 |
| 2.5 机器学习推动的医疗健康大数据分析 | 第42-45页 |
| 2.5.1 医疗健康大数据 | 第42-43页 |
| 2.5.2 机器学习 | 第43-44页 |
| 2.5.3 机器学习在医疗健康数据分析中的应用 | 第44-45页 |
| 2.6 本章小结 | 第45-47页 |
| 第3章 基于GPU加速的动态心电图自动分类方法 | 第47-65页 |
| 3.1 研究内容 | 第47-48页 |
| 3.2 研究方法 | 第48-54页 |
| 3.2.1 CUDA | 第48-49页 |
| 3.2.2 基于GPU加速的心电信号特征提取设计 | 第49-50页 |
| 3.2.3 基于GPU加速的广义回归神经网络设计 | 第50-54页 |
| 3.2.4 个性化分类模型训练 | 第54页 |
| 3.3 研究结果 | 第54-59页 |
| 3.3.1 实验环境 | 第54-55页 |
| 3.3.2 程序运行效率 | 第55-58页 |
| 3.3.3 基本分类 | 第58页 |
| 3.3.4 个性化分类 | 第58-59页 |
| 3.4 讨论 | 第59-63页 |
| 3.4.1 程序运行效率 | 第59-61页 |
| 3.4.2 基本分类任务 | 第61-62页 |
| 3.4.3 个性化分类任务 | 第62-63页 |
| 3.5 本章小结 | 第63-65页 |
| 第4章 基于OpenCL的个性化运动分类方法 | 第65-85页 |
| 4.1 研究内容 | 第65-67页 |
| 4.2 研究方法 | 第67-74页 |
| 4.2.1 OpenCL | 第67-68页 |
| 4.2.2 数据采集 | 第68-69页 |
| 4.2.3 特征提取 | 第69-71页 |
| 4.2.4 Adaboost-stump算法 | 第71-74页 |
| 4.2.5 在线学习 | 第74页 |
| 4.2.6 评价方式 | 第74页 |
| 4.3 研究结果 | 第74-79页 |
| 4.3.1 实验环境 | 第74-75页 |
| 4.3.2 计算效率与功耗 | 第75-76页 |
| 4.3.3 分类准确率 | 第76-79页 |
| 4.3.4 在线学习后的结果 | 第79页 |
| 4.4 讨论 | 第79-83页 |
| 4.4.1 计算效率与功耗 | 第79-80页 |
| 4.4.2 准确率 | 第80-82页 |
| 4.4.3 个性化分类 | 第82-83页 |
| 4.5 本章小结 | 第83-85页 |
| 第5章 基于并行计算和机器学习的临床决策支持系统 | 第85-105页 |
| 5.1 研究内容 | 第85-86页 |
| 5.2 研究方法 | 第86-96页 |
| 5.2.1 系统设计 | 第86-88页 |
| 5.2.2 并行计算平台 | 第88-89页 |
| 5.2.3 机器学习算法及并行化 | 第89-94页 |
| 5.2.4 模型更新 | 第94页 |
| 5.2.5 评估方法和数据来源 | 第94-96页 |
| 5.3 研究结果 | 第96-101页 |
| 5.3.1 系统实现 | 第96-98页 |
| 5.3.2 系统评估 | 第98-101页 |
| 5.4 讨论 | 第101-103页 |
| 5.4.1 算法效率 | 第101-102页 |
| 5.4.2 算法精度 | 第102-103页 |
| 5.4.3 模型更新 | 第103页 |
| 5.5 本章小结 | 第103-105页 |
| 第6章 总结与展望 | 第105-107页 |
| 6.1 总结 | 第105-106页 |
| 6.2 展望 | 第106-107页 |
| 参考文献 | 第107-123页 |
| 攻读博士学位期间的主要研究成果 | 第123-125页 |
