8篇关于心血管疾病的计算机毕业论文

今天分享的是关于心血管疾病的8篇计算机毕业论文范文, 如果你的论文涉及到心血管疾病等主题,本文能够帮助到你

心血管疾病临床和生物信息管理系统的设计与应用

这是一篇关于心血管疾病,医学信息学,临床信息,生物信息,数据库,MySQL,浏览器/服务器的论文, 主要内容为研究背景：心血管疾病已成为目前我国人口第一位的死亡原因,对人民的生产和生活造成了极大负担。随着计算机与网络在医学领域应用逐渐普及,电子病历的产生和数据库技术的应用,为临床医学、基础医学和转化医学的研究带来前所未有的机遇。将心血管疾病的临床信息与生物信息有机结合,实现研究数据的结构化和易提取化,可明显缩短心血管疾病相关研究所耗费的时间,进而对心血管疾病进行更强有力的预防与控制。目的：搭建心血管疾病临床信息数据库,并以此为中心,结合相关基因研究项目的生物信息,初步实现两库结合。材料与方法：本项研究通过HIS系统提取2010年1月至2013年1月于心内科住院患者的全部临床信息,以及与华大基因研究合作的心衰相关基因项目中心衰患者的基因检测的相关信息。以Java EE为平台,Spring3, Struts2, MyBatis软件搭建系统整体框架,以MySQL5.5为数据库管理系统软件,采用面向对象的JavaJDK1.6作为后台程序开发语言,以Tomcat6.0作为Web服务器,前端JSP用户界面用Dreamweaver实现。用JDBC程序实现数据库连接。结果：设计并建立了基于MySQL数据库管理系统的关系型数据库,包括心血管疾病的临床与生物信息,使系统具备不同的功能模块,实现了对数据库进行录入、查询、简单统计、浏览、导出和管理等功能。同时利用Tomcat搭建了网络应用平台,实现了数据信息的互联网共享。结论：成功搭建心血管疾病的临床信息系统并良好应用,将心血管疾病相关基因导入生物信息数据库,初步实现与临床信息系统的对接。满足心血管疾病相关科研工作的信息化需求,提高了科研工作的效率,并为日后建立大型数据共享平台,实现进一步数据挖掘和智能分析等打下基础。

面向心血管疾病的健康管理及风险评估系统的设计与实现

这是一篇关于心血管疾病,健康管理,风险评估,机器学习,加权投票法的论文, 主要内容为心血管疾病(Cardiovascular Diseases,CVD)是典型的慢性疾病之一,近年来,我国CVD患病率总体上呈上升趋势,给社会带来了沉重负担,因此,对其采取有效的干预措施十分重要。另外,智慧医疗在医疗信息化的发展进程中已经成为重要的研究方向,机器学习在医疗领域得到了广泛的应用。基于此,本文提出了面向心血管疾病的健康管理及风险评估系统,不仅实现了检前、检中、检后的全流程管理,并运用机器学习算法构建了 CVD风险评估模型,辅助医生评估患者的患病风险,从而及时采取干预手段。本文的主要研究内容如下:1.对于CVD风险评估模型的构建,本文使用UCI心脏病数据集(UCIHeart Disease Data Set),分别采用多种机器学习算法构建模型,该模型需要具有较高的准确率和真正率,这意味着患病者更容易被正确地预测为患病,从而减少漏诊。根据各模型在测试集上的表现,集成了决策树和逻辑回归算法的加权投票分类模型表现最优,准确率为90.0%,真正率为88.5%,所以,本文最终选用加权投票法构建CVD风险评估模型。2.对于健康管理系统的实现,本文结合医生的需求,按照软件工程的规范,完成了系统的构建。本文使用Spring Boot、Vue作为系统的实现框架,根据各功能模块的需求与设计完成了系统的实现与测试,最终实现了一个功能完备且易于使用的系统,辅助医生对患者进行健康管理以及疾病风险评估,具备一定的实践意义和应用前景。

基于知识图谱的心血管疾病智能辅助系统研究与实现

这是一篇关于心血管疾病,知识图谱,深度学习,注意力机制,辅助诊断的论文, 主要内容为据相关研究表明,因病理复杂、医疗资源有限等问题,社会为公众提供全面有效的心血管疾病防治举措仍有着不小的挑战。有研究者使用机器学习、专家系统等人工智能技术挖掘心血管疾病数据中的特征与关联进行辅助诊断任务,缓解医疗资源紧缺的压力与促进心血管疾病防治工作。但这些传统方法在应对多源异构的心血管疾病数据时,难以准确提取病理与疾病间的深层次特征关系,准确率有待进一步提高。本文提出联合知识图谱与深度学习技术将多源异构的心血管疾病知识有效组织起来,深度挖掘病理疾病间的深层次的隐式关系,进一步提升辅助诊断准确率。在这个过程中有以下需要解决的问题:第一、心血管疾病数据具备多源异构的特点,难以较好地构建适用于心血管疾病辅助诊断领域的知识图谱。第二、传统的机器学习、专家系统辅助诊断模型不能较好地联合知识图谱,挖掘多源异构疾病数据中深层次特征关系。针对上述问题,本文提出利用知识抽取技术对多源异构的心血管疾病信息进行有效聚合,将该疾病领域中琐碎分散的知识利用多方案的知识抽取、知识融合等技术联系起来,构建出面向心血管疾病辅助诊断的知识图谱,并在此基础上提出了一种基于知识图谱与深度学习的心血管疾病辅助诊断模型,高效准确地挖掘多源异构数据中病理疾病间的深层次特征关系,提供高质量的辅助诊断服务。本文主要工作如下:(1)针对如何有效组织多源异构的心血管疾病数据的问题,提出了一种面向心血管疾病辅助诊断的知识图谱构建方法。首先提出基于Multi-Attention结构的知识抽取算法以及基于包装器的知识抽取方法,对医学网站公开数据与电子病历数据进行高效准确的抽取工作,然后提出针对多源异构数据特点的多方案知识融合策略,解决了知识冗余、存在歧义问题,最后经过知识表示与储存方案,完成面向心血管疾病辅助诊断的知识图谱构建。(2)针对如何与知识图谱相联合,高效准确地挖掘多源异构数据中深层次特征关系的问题,提出了一种基于知识图谱与深度学习的心血管疾病辅助诊断模型。首先利用知识嵌入学习算法将本文构建的知识图谱中的实体和关系转化为低维连续向量;然后提出了基于注意力机制的疾病预测算法,并给出联合融合训练、自动编码器和卷积神经网络的多方案优化策略,聚合节点特征,深入挖掘知识图谱病理疾病关系数据中的隐式关系表征,有效提升疾病诊断模型精确率。(3)基于上述研究,本文设计并实现了基于知识图谱的心血管疾病智能辅助的原型系统,可完成面向就诊患者自动生成诊断提示任务。同时为了验证系统预测疾病的有效性与系统性能,从系统预测结果有效性、系统功能、系统性能三方面进行测试分析,证明了本系统可以生成高质量的诊断提示,满足用户需求。

基于知识图谱的心血管疾病智能辅助系统研究与实现

面向心血管疾病的健康管理及风险评估系统的设计与实现

双通道混合神经网络的心血管疾病预测模型

这是一篇关于心血管疾病,逻辑回归,卷积神经网络,TabNet,预测模型的论文, 主要内容为我国慢性病患者基数不断扩大,防控工作面临巨大挑战。慢性疾病的发病率与致死率远高于癌症、肿瘤等疾病,慢性疾病的准确预测对其防控和治疗有着重大意义。在慢性疾病预测领域,针对不同的问题本文提出了两种模型。传统的逻辑回归模型会容易出现欠拟合、对训练数据依赖大的问题,本文首先提出了改进的逻辑回归模型(ILRM)。但ILRM与决策树类预测模型一样依赖特征工程,特征工程的优劣直接影响了模型的结果。而以深度神经网络(DNN)为例的神经网络模型在疾病预测模型中一味的堆叠网络层数,导致了模型的参数过多、缺乏归纳偏置。为了解决上述问题,本文又采用卷积神经网络与注意力的可解释性表格学习网络(Tab Net)为基础搭建了一个双通道表格混合神经网络模型(DTHNNM)对慢性疾病进行建模预测,并以心血管疾病为例进行了实验。本文的主要工作及创新点如下:(1)改进的逻辑回归模型(ILRM):为了解决逻辑回归模型在大型数据集训练中模型容易欠拟合的问题,提出了改进的逻辑回归模型。首先,在模型特征工程阶段对数据集进行标准化处理以提高模型的特征提取能力,并计算属性与目标值之间的相关性系数。其次,为了快速训练出最优模型,减少计算资源,本文运用逻辑回归模型寻找最优阈值。最后,为了解决欠拟合问题本文利用K-最邻近(KNN)代替逻辑回归模型的分类器,把最优阈值传入KNN后迭代训练模型。实验表明,ILRM在准确率、召回率和F＿1值上也表现出了不错的成绩。(2)双通道表格混合神经网络模型(DTHNNM):为了减轻特征工程的工作,避免多模块的固有缺陷与神经网络模型参数量过大、缺乏适当的归纳偏差、可解释性弱的问题,本文提出了双通道表格混合神经网络模型。首先,本模型的嵌入层会对数值型与类别型数据分别处理,通过改变类别变量的维数将其转换为向量空间中更有意义地表达方式。其次,为了降低参数量,本模型使用了浅层的卷积神经网络(CNN)进行局部特征提取,并用序列注意力进行稀疏特征选择提供更好的归纳偏差,同时使用分步累加的方法加强了模型的可解释性。最后,本模型将CNN通道与Tab Net通道提取到的特征向量进行融合,并将特征向量传入全连接层处理后利用Softmax函数进行患病预测。实验表明,DTHNNM与传统分类模型和神经网络模型相比,增强了模型的特征提取能力,提高了模型的各项预测指标,如准确率、召回率、F＿1值、AUC值等。