| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题研究的目的及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 相关理论技术基础 | 第13-17页 |
| 1.3.1 语音识别基本原理 | 第13-15页 |
| 1.3.2 自然口语语音识别 | 第15-16页 |
| 1.3.3 基于TF-IDF的关键词提取 | 第16-17页 |
| 1.4 本文主要研究内容及组织结构 | 第17-19页 |
| 第2章 医学环境下自然口语语音识别系统建模 | 第19-42页 |
| 2.1 基于GMM-MLP的FP检测模型建模 | 第19-26页 |
| 2.1.1 基于GMM的FP-NFP模型的训练 | 第19-21页 |
| 2.1.2 MLP分类网络训练 | 第21-26页 |
| 2.2 基于GMM-MLP的FP检测模型实验及结果分析 | 第26-28页 |
| 2.3 医学环境下自然口语语音识别系统建模与实现 | 第28-41页 |
| 2.3.1 医学环境下的语音语料库构建 | 第28-31页 |
| 2.3.2 基于HMM-GMM的声学模型建模 | 第31-35页 |
| 2.3.3 N-gram语言模型建模 | 第35-36页 |
| 2.3.4 针对医学自然口语语音中FP的处理 | 第36-38页 |
| 2.3.5 医学自然口语语音识别结果与分析 | 第38-41页 |
| 2.4 本章小结 | 第41-42页 |
| 第3章 基于病历文本的关键词提取改进算法 | 第42-55页 |
| 3.1 病历文本分词 | 第42-45页 |
| 3.1.1 word分词器 | 第42-43页 |
| 3.1.2 分词算法性能评价指标 | 第43页 |
| 3.1.3 分词词典扩充 | 第43-44页 |
| 3.1.4 病历文本分词效果对比 | 第44-45页 |
| 3.2 基于病历文本的TF-IDF关键词提取改进算法 | 第45-54页 |
| 3.2.1 传统TF-IDF关键词提取算法存在的不足 | 第45-46页 |
| 3.2.2 针对传统TF-IDF关键词提取算法的已有改进 | 第46-47页 |
| 3.2.3 病历文本结构及关键词词位置分析 | 第47-50页 |
| 3.2.4 病历关键词词性分析 | 第50-51页 |
| 3.2.5 基于病历文本的TF-IDF关键词提取改进算法 | 第51-52页 |
| 3.2.6 病历关键词提取实验及结果分析 | 第52-54页 |
| 3.3 本章小结 | 第54-55页 |
| 第4章 口述病历识别EMR系统设计与实现 | 第55-84页 |
| 4.1 口述病历识别EMR系统功能需求分析 | 第55-57页 |
| 4.2 口述病历识别EMR系统总体设计 | 第57-63页 |
| 4.2.1 系统总体功能设计 | 第57-58页 |
| 4.2.2 系统软件架构及环境配置方案设计 | 第58-59页 |
| 4.2.3 Web应用程序与数据库设计 | 第59-63页 |
| 4.3 口述病历识别EMR系统主要功能模块设计与实现 | 第63-78页 |
| 4.3.1 语音识别模块设计与实现 | 第63-65页 |
| 4.3.2 病历关键词自动提取模块设计与实现 | 第65-70页 |
| 4.3.3 相似病历文本匹配功能设计与实现 | 第70-71页 |
| 4.3.4 长时语音自动切分与FP裁剪功能设计实现 | 第71-72页 |
| 4.3.5 多进程解码功能设计与实现 | 第72-73页 |
| 4.3.6 基于时间信息的文本标点自动加注功能设计与实现 | 第73-78页 |
| 4.4 系统性能检测与分析 | 第78-83页 |
| 4.4.1 自然口语语音识别性能测试及结果分析 | 第78-79页 |
| 4.4.2 病历关键词提取、相似病历匹配及标点加注测试 | 第79-81页 |
| 4.4.3 长时语音切分性能测试及结果分析 | 第81-82页 |
| 4.4.4 多进程解码性能测试 | 第82-83页 |
| 4.5 本章小结 | 第83-84页 |
| 第5章 总结与展望 | 第84-86页 |
| 5.1 论文工作总结 | 第84-85页 |
| 5.2 未来工作展望 | 第85-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-90页 |
| 攻读学位期间参加的科研项目 | 第90页 |
