阿兹海默症核磁共振数据库的设计和辅助诊断模型研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 阿兹海默症研究现状 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 医疗信息数据库系统在国内外的研究现状 | 第9-10页 |
| 1.2.2 机器学习方法在阿兹海默症分类中的应用 | 第10-11页 |
| 1.3 论文研究内容及意义 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第二章 数据库系统需求分析与系统设计 | 第13-23页 |
| 2.1 数据库系统需求分析 | 第13页 |
| 2.2 系统设计 | 第13-14页 |
| 2.3 系统开发环境 | 第14-15页 |
| 2.4 技术路线 | 第15-22页 |
| 2.4.1 Python语言 | 第15-17页 |
| 2.4.2 Django框架介绍 | 第17-19页 |
| 2.4.3 RESTful架构 | 第19-20页 |
| 2.4.4 Django模板 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 数据库系统开发和功能介绍 | 第23-41页 |
| 3.1 数据库设计 | 第23-32页 |
| 3.1.1 数据库结构介绍 | 第23-24页 |
| 3.1.2 数据库建模 | 第24-25页 |
| 3.1.3 数据库表字段设计 | 第25-31页 |
| 3.1.4 数据库表结构关系 | 第31-32页 |
| 3.2 数据库安全问题以及防护措施 | 第32-36页 |
| 3.2.1 SQL语句注入 | 第32-33页 |
| 3.2.2 XSS跨站脚本攻击 | 第33-34页 |
| 3.2.3 CSRF跨站请求伪造 | 第34-35页 |
| 3.2.4 数据传输窃密 | 第35-36页 |
| 3.3 数据库系统的实现 | 第36-40页 |
| 3.4 本章总结 | 第40-41页 |
| 第四章 辅助诊断模型的建立 | 第41-57页 |
| 4.1 数据来源 | 第41-43页 |
| 4.2 辅助诊断模型的算法理论基础 | 第43-52页 |
| 4.2.1 PCA主成分分析 | 第43-44页 |
| 4.2.2 神经网络 | 第44-46页 |
| 4.2.3 贝叶斯分类器 | 第46-47页 |
| 4.2.4 支持向量机 | 第47-49页 |
| 4.2.5 Adaboosting算法 | 第49-52页 |
| 4.3 辅助诊断模型的建立与性能评估 | 第52-55页 |
| 4.3.1 参数相关性分析 | 第52-53页 |
| 4.3.2 辅助诊断模型建立 | 第53页 |
| 4.3.3 辅助诊断模型性能评估 | 第53-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57页 |
| 5.2 展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 作者简介 | 第65页 |
