多源医疗数据的智能分析与应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1.绪论 | 第13-25页 |
| 1.1 研究背景及意义 | 第13-17页 |
| 1.1.1 医疗化验单据智能分析的研究背景和意义 | 第13-16页 |
| 1.1.2 心电信号智能分析的研究背景和意义 | 第16-17页 |
| 1.2 智能分析与检测的难点 | 第17-19页 |
| 1.3 国内外研究现状 | 第19-23页 |
| 1.3.1 OCR识别的研究现状 | 第19-21页 |
| (1) 文本检测的研究现状 | 第19-21页 |
| (2) 文本识别的研究现状 | 第21页 |
| 1.3.2 心律失常识别的研究现状 | 第21-23页 |
| 1.4 论文工作概述 | 第23页 |
| 1.5 论文组织结构 | 第23-25页 |
| 2.多源医疗化验单据的智能分类研究 | 第25-45页 |
| 2.1 问题描述 | 第25-27页 |
| 2.2 医疗单据的预处理 | 第27-30页 |
| 2.2.1 灰度化 | 第27-28页 |
| 2.2.2 二值化 | 第28-30页 |
| 2.3 多源的医疗单据图像分类模型 | 第30-41页 |
| 2.3.1 数据准备阶段 | 第30-32页 |
| 2.3.2 多源的医疗单据分类模型设计 | 第32-35页 |
| 2.3.3 模型的推导 | 第35-39页 |
| 2.3.4 激励函数 | 第39-41页 |
| 2.4 实验结果和评估方法 | 第41-44页 |
| 2.4.1 实验环境及配置 | 第41-42页 |
| 2.4.2 评估标准 | 第42-43页 |
| 2.4.3 实验结果及分析 | 第43-44页 |
| 2.5 本章小结 | 第44-45页 |
| 3.文本检测与识别研究 | 第45-57页 |
| 3.1 问题描述 | 第45-46页 |
| 3.2 基于模板匹配的文字检测算法 | 第46-48页 |
| 3.3 文字区域分割处理 | 第48-50页 |
| 3.3.1 全局特征提取 | 第48页 |
| 3.3.2 局部特征提取 | 第48-50页 |
| 3.4 文本识别研究 | 第50-56页 |
| 3.4.1 文本识别的模型结构 | 第51-54页 |
| 3.4.2 实验环境介绍 | 第54-55页 |
| 3.4.3 实验结果分析 | 第55-56页 |
| 3.5 本章小结 | 第56-57页 |
| 4.心率失常诊断模型 | 第57-64页 |
| 4.1 ECG数据分析 | 第57-58页 |
| 4.2 M-ECG模型介绍 | 第58-59页 |
| 4.3 模型的结构式设计 | 第59-61页 |
| 4.3.1 输入层 | 第60页 |
| 4.3.2 隐藏层 | 第60-61页 |
| 4.3.3 输出层 | 第61页 |
| 4.4 实验结果及结论 | 第61-63页 |
| 4.5 本章小结 | 第63-64页 |
| 5.原型系统设计与实现 | 第64-77页 |
| 5.1 系统需求分析 | 第64-65页 |
| 5.2 系统设计 | 第65-69页 |
| 5.3 系统的实现 | 第69-71页 |
| 5.4 系统运行情况展示 | 第71-76页 |
| 5.5 本章小结 | 第76-77页 |
| 6.总结与展望 | 第77-79页 |
| 参考文献 | 第79-82页 |
| 个人简历、在校期间发表的学术论文于研究成果 | 第82-84页 |
| 致谢 | 第84页 |
