| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 论文研究的背景 | 第8-9页 |
| 1.2 移动医疗研究现状 | 第9-10页 |
| 1.3 医疗数据融合技术研究现状及发展趋势 | 第10-12页 |
| 1.3.1 国外研究现状 | 第11页 |
| 1.3.2 国内研究现状 | 第11-12页 |
| 1.4 论文研究内容及结构 | 第12-14页 |
| 第二章 移动医疗监测系统设计与开发 | 第14-33页 |
| 2.1 移动医疗监测系统设计方案 | 第14-15页 |
| 2.2 生理指标检测设备 | 第15-18页 |
| 2.3 Android客户端的设计与实现 | 第18-29页 |
| 2.3.1 Android客户端设计思路 | 第19-20页 |
| 2.3.2 用户信息管理模块 | 第20-21页 |
| 2.3.3 生理指标数据处理及显示模块 | 第21-24页 |
| 2.3.4 老年人能力评估量表电子化 | 第24-29页 |
| 2.3.5 定位功能模块 | 第29页 |
| 2.4 移动医疗监测系统服务器搭建 | 第29-31页 |
| 2.5 本章小结 | 第31-33页 |
| 第三章 多生理指标融合模型研究 | 第33-44页 |
| 3.1 生理指标与疾病风险的关系 | 第33-35页 |
| 3.2 生理指标数据采集 | 第35-38页 |
| 3.2.1 血压数据采集 | 第35-36页 |
| 3.2.2 心电、呼吸、体温数据采集 | 第36页 |
| 3.2.3 血氧饱和度数据采集 | 第36页 |
| 3.2.4 医学数据的特点 | 第36-38页 |
| 3.3 多生理指标融合方案 | 第38-39页 |
| 3.4 融合方案算法选择 | 第39-43页 |
| 3.4.1 疾病风险分级评估算法选择 | 第39-40页 |
| 3.4.2 疾病风险定量评估算法选择 | 第40-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于支持向量机的老年人疾病风险分级评估 | 第44-59页 |
| 4.1 老年人疾病风险分级评估模型 | 第44页 |
| 4.2 特征选择 | 第44-46页 |
| 4.2.1 数据预处理 | 第44页 |
| 4.2.2 基于粗糙集的属性约简 | 第44-46页 |
| 4.3 支持向量机 | 第46-48页 |
| 4.4 基于改进粒子群算法的支持向量机融合算法 | 第48-51页 |
| 4.4.1 粒子群算法 | 第48-49页 |
| 4.4.2 改进粒子群 | 第49页 |
| 4.4.3 基于改进PSO-SVM的属性约简与参数优化 | 第49-51页 |
| 4.5 融合算法对比实验及分析 | 第51-57页 |
| 4.5.1 融合算法比较 | 第51-52页 |
| 4.5.2 实验及结果分析 | 第52-57页 |
| 4.6 评价指标及结果分析 | 第57-58页 |
| 4.7 本章小结 | 第58-59页 |
| 第五章 基于模糊综合的老年人疾病风险定量评估 | 第59-66页 |
| 5.1 老年人疾病风险定量评估模型 | 第59页 |
| 5.2 模糊综合评估模型设计 | 第59-62页 |
| 5.2.1 模糊综合评估 | 第59-61页 |
| 5.2.2 基于主成分分析的模糊综合评估模型 | 第61-62页 |
| 5.3 疾病风险定量评估实例 | 第62-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第六章 结论 | 第66-68页 |
| 6.1 论文完成的主要工作 | 第66-67页 |
| 6.2 论文的创新点 | 第67页 |
| 6.3 工作展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读学位期间所取得的相关科研成果 | 第72-73页 |
| 致谢 | 第73页 |