| 摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 研究背景 | 第13-17页 |
| 1.1.1 肿瘤、心血管疾病的重大危害及相关诊治技术的应用 | 第13-15页 |
| 1.1.2 临床与组学数据的海量累积 | 第15-16页 |
| 1.1.3 临床与组学大数据存储、处理现状及面临的问题 | 第16-17页 |
| 1.2 课题研究的意义和难点 | 第17-18页 |
| 1.2.1 研究意义 | 第17页 |
| 1.2.2 研究难点 | 第17-18页 |
| 1.3 本文的主要工作和创新 | 第18-20页 |
| 1.3.1 本文的主要工作 | 第18-19页 |
| 1.3.2 本文的主要创新点 | 第19-20页 |
| 1.4 论文的组织结构 | 第20-22页 |
| 第二章 临床与组学大数据组成、特性及应用需求分析和相关研究工作 | 第22-42页 |
| 2.1 临床与组学大数据的组成 | 第22-27页 |
| 2.1.1 肿瘤、心血管疾病诊疗活动的一般过程 | 第22-23页 |
| 2.1.2 肿瘤、心血管疾病临床数据组成 | 第23-25页 |
| 2.1.3 组学数据的来源与组成 | 第25页 |
| 2.1.4 临床与组学数据分类 | 第25-27页 |
| 2.2 典型数据的技术特性分析 | 第27-33页 |
| 2.2.1 电子病历数据技术特性分析 | 第27-28页 |
| 2.2.2 影像数据技术特性分析 | 第28-29页 |
| 2.2.3 医学检验数据技术特性分析 | 第29-30页 |
| 2.2.4 心电数据技术特性分析 | 第30-31页 |
| 2.2.5 医学视频数据技术特性分析 | 第31-32页 |
| 2.2.6 基因测序数据技术特性分析 | 第32-33页 |
| 2.3 临床与组学大数据应用需求分析 | 第33-35页 |
| 2.4 主要问题及相关研究 | 第35-40页 |
| 2.4.1 当前相关技术方案分析 | 第35-37页 |
| 2.4.2 问题及相关研究 | 第37-40页 |
| 2.5 本文的研究思路和计划 | 第40-41页 |
| 2.6 本章小结 | 第41-42页 |
| 第三章 面向数据分析和挖掘的临床与组学大数据存储模型设计及实现 | 第42-61页 |
| 3.1 临床与组学数据传统存储模式面临的挑战 | 第42-44页 |
| 3.1.1 临床与组学数据传统存储模式 | 第42-43页 |
| 3.1.2 当前面临的主要挑战 | 第43-44页 |
| 3.2 面向数据分析和挖掘的临床与组学大数据存储模型设计 | 第44-50页 |
| 3.2.1 面向数据分析和挖掘的存储模式分析 | 第44-45页 |
| 3.2.2 面向数据分析和挖掘存储模型MSPM的设计 | 第45-47页 |
| 3.2.3 面向数据分析和挖掘存储的关键技术实现 | 第47-50页 |
| 3.3 各类数据的存储实现 | 第50-54页 |
| 3.3.1 文档数据的存储策略与实现 | 第50-52页 |
| 3.3.2 二进制小文件的存储策略与实现 | 第52页 |
| 3.3.3 二进制大文件的存储策略与实现 | 第52-53页 |
| 3.3.4 数据的整体组织与访问策略 | 第53-54页 |
| 3.4 实验和分析 | 第54-60页 |
| 3.4.1 实验环境 | 第55页 |
| 3.4.2 主要性能的测试和分析 | 第55-60页 |
| 3.5 本章小结 | 第60-61页 |
| 第四章 面向并行数据挖掘的分布式存储模型MSPM性能优化 | 第61-76页 |
| 4.1 MSPM模型主要性能瓶颈分析 | 第61-62页 |
| 4.2 基于FDO-DT算法的负载均衡优化 | 第62-70页 |
| 4.2.1 自动分片机制介绍 | 第62-63页 |
| 4.2.2 基于组合片键的自动分片调优 | 第63-64页 |
| 4.2.3 Mongo DB负载均衡机制分析 | 第64-65页 |
| 4.2.4 基于FDO-DT算法的集群负载均衡优化 | 第65-67页 |
| 4.2.5 实验与分析 | 第67-70页 |
| 4.3 基于动态特征库的系统访问性能优化 | 第70-74页 |
| 4.3.1 系统访问开销分析 | 第70-71页 |
| 4.3.2 基于动态特征库的大文件访问性能优化方案设计与实现 | 第71-73页 |
| 4.3.3 实验和分析 | 第73-74页 |
| 4.4 本章小结 | 第74-76页 |
| 第五章 基于MSPM的数据关联规则优化算法Apriori-M-DB的设计与实现 | 第76-85页 |
| 5.1 数据关联规则算法 | 第76-78页 |
| 5.1.1 数据关联规则算法介绍 | 第76-77页 |
| 5.1.2 Apriori算法在医疗大数据应用中面临的挑战 | 第77-78页 |
| 5.2 SAAP: Apriori算法的并行化实现 | 第78-79页 |
| 5.3 基于SAAP的Apriori-M-DB算法的设计与实现 | 第79-82页 |
| 5.3.1 Apriori-M-DB算法的设计与实现 | 第79-81页 |
| 5.3.2 Apriori-M-DB算法性能的理论分析 | 第81-82页 |
| 5.4 实验与分析 | 第82-84页 |
| 5.4.1 实验方案 | 第82页 |
| 5.4.2 测试与分析 | 第82-84页 |
| 5.5 本章小结 | 第84-85页 |
| 第六章 总结与展望 | 第85-87页 |
| 6.1 工作总结 | 第85页 |
| 6.2 下一步工作展望 | 第85-87页 |
| 致谢 | 第87-88页 |
| 参考文献 | 第88-93页 |
| 作者在学期间取得的学术成果 | 第93页 |
