| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 肺癌概述 | 第12-16页 |
| 1.1.1 肺癌的病因 | 第12-13页 |
| 1.1.2 肺癌常规诊断手段 | 第13-14页 |
| 1.1.3 肺癌呼出气体诊断方法 | 第14-16页 |
| 1.2 肺癌与数据库技术 | 第16-17页 |
| 1.3 肺癌与大数据 | 第17-18页 |
| 1.4 本文主要内容 | 第18-19页 |
| 第2章 气体采集仪器设计 | 第19-44页 |
| 2.1 需求分析 | 第19-20页 |
| 2.2 采气仪设计 | 第20-40页 |
| 2.2.1 气路设计 | 第21-27页 |
| 2.2.2 电路设计 | 第27-33页 |
| 2.2.3 软件设计 | 第33-38页 |
| 2.2.4 采集流程及显示 | 第38-40页 |
| 2.3 采气仪效果评价 | 第40-44页 |
| 2.3.1 CO_2传感器对死腔气体甄别效果 | 第40-41页 |
| 2.3.2 温度控制效果 | 第41-42页 |
| 2.3.3 EBC采集效果 | 第42-43页 |
| 2.3.4 VOC采集效果 | 第43-44页 |
| 第3章 VOC的测定及肺癌标志物的确定 | 第44-64页 |
| 3.1 实验方法 | 第44-45页 |
| 3.1.1 实验对象 | 第44-45页 |
| 3.1.2 采样流程 | 第45页 |
| 3.1.3 检测参数 | 第45页 |
| 3.2 数据处理 | 第45-50页 |
| 3.2.1 数据挖掘算法 | 第45-48页 |
| 3.2.2 数据处理方法 | 第48-50页 |
| 3.3 数据分析及建模结果 | 第50-58页 |
| 3.3.1 肺癌患者与健康人吸烟者 | 第50-52页 |
| 3.3.2 肺癌患者与健康人非吸烟者 | 第52-54页 |
| 3.3.3 肺癌患者与肺良性病患者 | 第54-56页 |
| 3.3.4 肺癌患者与非肺癌患者 | 第56-58页 |
| 3.4 结果分析讨论 | 第58-62页 |
| 3.5 基于RF方法的优化诊断模型 | 第62-64页 |
| 第4章 肺癌信息数据库的设计 | 第64-87页 |
| 4.1 数据库管理系统 | 第64-67页 |
| 4.2 需求分析 | 第67-70页 |
| 4.2.1 数据需求分析 | 第67-68页 |
| 4.2.2 功能需求分析 | 第68-70页 |
| 4.3 概念结构 | 第70-74页 |
| 4.4 逻辑结构 | 第74-80页 |
| 4.5 用户子模式 | 第80-83页 |
| 4.6 数据库性能测试 | 第83-87页 |
| 第5章 分布式肺癌数据云平台的探索研究 | 第87-106页 |
| 5.1 Hadoop生态系统和核心机制 | 第87-93页 |
| 5.1.1 Hadoop分布式文件系统(HDFS) | 第88-90页 |
| 5.1.2 Map-Reduce编程模型 | 第90-92页 |
| 5.1.3 HBase分布式数据库 | 第92-93页 |
| 5.2 云平台架构及部署 | 第93-98页 |
| 5.2.1 数据构成分析 | 第93-94页 |
| 5.2.2 功能需求分析 | 第94-96页 |
| 5.2.3 平台部署 | 第96-98页 |
| 5.3 基于Map-Reduce的并行数据挖掘算法 | 第98-106页 |
| 5.3.1 K-means聚类算法并行化 | 第99-101页 |
| 5.3.2 支持向量机(SVM)算法并行化 | 第101-103页 |
| 5.3.3 其他经典算法的并行化机制讨论 | 第103-106页 |
| 第6章 总结与展望 | 第106-108页 |
| 6.1 总结 | 第106-107页 |
| 6.2 展望 | 第107-108页 |
| 参考文献 | 第108-112页 |
| 作者简历 | 第112-113页 |
| 致谢 | 第113页 |