| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 EHR相关概念及研究进展 | 第10-13页 |
| 1.2.1 EHR的概念演绎 | 第10-11页 |
| 1.2.2 EHR技术标准 | 第11-12页 |
| 1.2.3 EHR标准应用现状 | 第12-13页 |
| 1.3 云计算相关概念及研究进展 | 第13-17页 |
| 1.3.1 云计算定义 | 第14页 |
| 1.3.2 云计算服务（Iaas、Paas、Saas）概述 | 第14-15页 |
| 1.3.3 私有云、公有云、混合云 | 第15页 |
| 1.3.4 虚拟化技术概述 | 第15-17页 |
| 1.3.5 分布式存储 | 第17页 |
| 1.3.6 分布式计算 | 第17页 |
| 1.4 EHR-Cloud研究现状 | 第17-19页 |
| 1.5 EHR-Cloud与传统EHR系统的差别 | 第19-20页 |
| 1.6 本文研究内容和特色 | 第20-22页 |
| 1.6.1 研究内容 | 第20-21页 |
| 1.6.2 研究特色 | 第21-22页 |
| 第二章 电子健康档案云平台关键技术介绍 | 第22-31页 |
| 2.1 分布式文件系统HDFS（Hadoop Distributed File System） | 第22-26页 |
| 2.2 分布式计算模型Mapreduc | 第26-27页 |
| 2.3 分布式数据库HBase | 第27-28页 |
| 2.4 电子健康档案的数据规范 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 电子健康档案（EHR）的HADOOP平台模型 | 第31-51页 |
| 3.1 应用范围 | 第31-32页 |
| 3.2 平台架构设计 | 第32-38页 |
| 3.2.1 EHR-Cloud的服务对象及需求分析 | 第32-33页 |
| 3.2.2 逻辑架构设计 | 第33-34页 |
| 3.2.3 系统功能模块设计 | 第34-37页 |
| 3.2.4 软件架构设计 | 第37-38页 |
| 3.3 EHR-Cloud的HDFS的读写机制 | 第38-39页 |
| 3.4 基于Mapreduce的健康监护和动作捕获设计 | 第39-43页 |
| 3.4.1 EHR-Cloud平台Mapreduce工作机制 | 第40-41页 |
| 3.4.3 针对身体健康监测的数据预处理设计 | 第41-42页 |
| 3.4.4 针对身体动作捕捉的数据预处理设计 | 第42-43页 |
| 3.5 基于HBase的EHR-Cloud数据库模型设计 | 第43-50页 |
| 3.5.1 数据库存储模型设计 | 第43-44页 |
| 3.5.2 物理模型 | 第44-45页 |
| 3.5.3 OpenEHR和EHR-Cloud的数据库模型对比 | 第45-46页 |
| 3.5.4 EHR-Cloud的数据库模型构建设计 | 第46-48页 |
| 3.5.5 在身体健康监护方面的构建设计 | 第48-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第四章 EHR-CLOUD实现和应用实验 | 第51-68页 |
| 4.1 EHR-Cloud实验环境部署 | 第51-56页 |
| 4.1.1 Linux集群部署 | 第52-53页 |
| 4.1.2 Hadoop集群搭建 | 第53-56页 |
| 4.2 业务文档模型及测试 | 第56-58页 |
| 4.3 Mapreduce数据预处理模型 | 第58-63页 |
| 4.3.1 Eclipse数据开发环境 | 第58-59页 |
| 4.3.2 身体健康监测数据预处理实现及测试 | 第59-61页 |
| 4.3.3 身体动作捕获数据预处理实现及测试 | 第61-63页 |
| 4.4 EHR-Cloud数据库模型 | 第63-66页 |
| 4.4.1 HBase搭建 | 第63-64页 |
| 4.4.2 HBase数据库存读实现 | 第64-66页 |
| 4.5 本章小结 | 第66-68页 |
| 第五章 结论及展望 | 第68-70页 |
| 5.1 结论 | 第68页 |
| 5.2 展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-73页 |
