基于大规模医疗数据的病症识别与预警
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 背景和研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 主要内容和结构安排 | 第14-16页 |
| 1.3.1 主要研究内容 | 第14-15页 |
| 1.3.2 各章节结构安排 | 第15-16页 |
| 第二章 相关技术与理论基础探究 | 第16-29页 |
| 2.1 三轴加速度传感器 | 第16-18页 |
| 2.2 巴特沃斯低通滤波器 | 第18-19页 |
| 2.3 特征工程 | 第19-21页 |
| 2.4 人工神经网络 | 第21-27页 |
| 2.4.1 机器学习的概念 | 第21-22页 |
| 2.4.2 人工神经元模型 | 第22-23页 |
| 2.4.3 人工神经网络的分类和特点 | 第23-25页 |
| 2.4.4 BP神经网络 | 第25-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第三章 算法和系统的总体设计 | 第29-34页 |
| 3.1 识别算法总体设计 | 第29-31页 |
| 3.2 识别系统总体设计 | 第31-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第四章 算法和系统的详细设计与实现 | 第34-63页 |
| 4.1 通过三轴加速计获取原始数据 | 第34-40页 |
| 4.1.1 TRUESENSE探索套件 | 第34-35页 |
| 4.1.2 原始数据的分类 | 第35-36页 |
| 4.1.3 原始数据的采集 | 第36-40页 |
| 4.2 数据的降噪和分段 | 第40-47页 |
| 4.2.1 通过巴特沃斯低通滤波器去除噪声 | 第40-45页 |
| 4.2.2 时间窗的选取 | 第45-47页 |
| 4.3 特征值的提取和归一化 | 第47-54页 |
| 4.3.1 识别躯干状态的特征选取 | 第47-50页 |
| 4.3.2 识别上肢状态的特征选取 | 第50-53页 |
| 4.3.3 数据的归一化 | 第53-54页 |
| 4.4 网络模型的设计与实现 | 第54-59页 |
| 4.4.1 模型的初始化和参数设定 | 第55-56页 |
| 4.4.2 前向传播过程 | 第56-57页 |
| 4.4.3 反向传播过程 | 第57-59页 |
| 4.5 识别系统的实现 | 第59-61页 |
| 4.5.1 系统前端的实现 | 第59-60页 |
| 4.5.2 系统后台的实现 | 第60-61页 |
| 4.6 本章小结 | 第61-63页 |
| 第五章 算法仿真与系统测试 | 第63-73页 |
| 5.1 算法仿真与性能分析 | 第63-68页 |
| 5.1.1 躯干状态识别模型 | 第63-66页 |
| 5.1.2 上肢状态识别模型 | 第66-68页 |
| 5.2 系统测试与结果分析 | 第68-70页 |
| 5.3 实验结论与评价 | 第70-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-76页 |
| 6.1 总结 | 第73-74页 |
| 6.2 展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |
