首页--数理科学和化学论文--概率论与数理统计论文--数理统计论文--一般数理统计论文

基于多因素Logistic回归模型的ADHD辅助诊断系统

摘要第4-5页
ABSTRACT第5页
第一章 绪论第9-13页
    1.1 论文的背景和现状第9-10页
        1.1.1 研究背景第9页
        1.1.2 国内外研究及现状第9-10页
    1.2 研究目的和研究内容第10-11页
        1.2.1 研究目的第10-11页
        1.2.2 研究内容第11页
    1.3 本文组织结构第11-13页
第二章 相关技术第13-24页
    2.1 ADHD诊断常用评估工具第13-14页
        2.1.1 DSM-Ⅳ、ICD-10问卷第13页
        2.1.2 Conners儿童行为问卷第13-14页
        2.1.3 三轴体动仪第14页
        2.1.4 IVA第14页
    2.2 Logistic模型理论及检验第14-18页
        2.2.1 Logistic模型理论基础第15-16页
        2.2.2 Logistic模型介绍第16-17页
        2.2.3 Logistic模型的检验及流程第17-18页
        2.2.4 Logistic模型的优势第18页
    2.3 三轴体动仪原理及工具第18-20页
        2.3.1 三轴体动仪原理介绍第18-19页
        2.3.2 数据分析工具第19页
        2.3.3 数据格式第19-20页
    2.4 IVA第20-21页
        2.4.1 IVA简介第20页
        2.4.2 IVA原理与数据格式第20-21页
    2.5 消息中间件技术第21-24页
        2.5.1 消息中间件简介第22-23页
        2.5.2 消息中间件应用产品第23-24页
第三章 多因素ADHD诊断系统的Logistic建模及分析第24-35页
    3.1 引言第24-26页
        3.1.1 问卷式诊断工具的不足第24-25页
        3.1.2 三轴体动仪的不足第25页
        3.1.3 IVA的不足第25页
        3.1.4 Logistic多因素诊断方式第25-26页
    3.2 系统的Logistic建模第26-31页
        3.2.1 模型特征选择第26页
        3.2.2 处理步骤第26-27页
        3.2.3 训练数据第27-28页
        3.2.4 建模过程第28-29页
        3.2.5 模型输出及检验第29-31页
    3.3 结果与性能分析第31-34页
        3.3.1 性能分析第31-32页
        3.3.2 与其他方法的比较第32-34页
    3.4 结论第34-35页
第四章 原型系统的设计与实现第35-60页
    4.1 引言第35-36页
        4.1.1 与医院信息系统的集成第35-36页
        4.1.2 与三轴体动仪诊断数据集成第36页
        4.1.3 与IVA诊断数据集成第36页
    4.2 诊断流程模型及系统需求分析第36-42页
        4.2.1 诊断及业务流程第36-38页
        4.2.2 系统功能需求分析第38-40页
        4.2.3 系统非功能需求分析第40-41页
        4.2.4 系统关键技术第41-42页
    4.3 原型系统设计第42-49页
        4.3.1 原型系统层次结构第42-43页
        4.3.2 原型系统功能设计第43-44页
        4.3.3 数据库设计第44-48页
        4.3.4 存储过程设计第48-49页
    4.4 原型系统实现第49-58页
        4.4.1 WCF框架的实现第49-51页
        4.4.2 存储过程的实现第51-52页
        4.4.4 消息中间件的实现第52-55页
        4.4.5 主要功能模块的实现第55-58页
    4.5 原型系统测试第58-59页
    4.6 本章小结第59-60页
第五章 总结与展望第60-61页
    5.1 总结第60页
    5.2 今后的工作展望第60-61页
参考文献第61-64页
附录A第64-65页
附录B第65页
附录C第65-66页
附录D第66-67页
致谢第67页

论文共67页,点击 下载论文
上一篇:便携式超声清创仪的研究
下一篇:输出误差类模型基于最新估计信息的两阶段最小二乘递推辨识