基于J2EE和Android的动物疾病辅助诊断平台的设计与实现
这是一篇关于动物疾病,平台,疾病诊断,专家系统的论文, 主要内容为农业的发展与人类的生活息息相关,尤其是畜牧业的发展,它可以为人类提供动物性食品。目前,动物的发病率很高,基层养殖人员缺乏高超的专业技能,这不仅影响到畜牧业的发展,也影响到人类的生活。养殖人员如果能及时诊断动物疾病并降低动物的发病率,这将有益于人类与社会。为了帮助基层人员了解更多的动物疾病且更加准确地诊断动物疾病,做到早预防早诊断,本文设计并实现了基于J2EE和Android的动物疾病辅助诊断平台。本平台结合了动物信息与计算机知识,以动物信息和专家知识为基础,综合使用了基础的数学计算,使用了设计软件的相关技术和算法。本平台由两个部分组成:PC端和手机Android端。PC端作为服务器端,采用jsp+servlet轻量级的、基于J2EE的MVC体系架构,以Myeclipse为开发工具,Mysql为后台数据库,Java为主要编程语言。手机Android端作为客户端,通过连接互联网并访问服务器端来实现功能,基于Android5.0进行开发。本平台可应用于各种养殖场,兽医专家使用PC端可以灵活地更改后台数据库中的数据,基层养殖户使用Android端诊断动物疾病并获得相应的防治措施。该文以猪疾病为例,阐述了基于J2EE和Android的动物疾病辅助诊断平台的总体设计,包括数据获取与分析、数据库的建立以及疾病诊断的推理机制等。
设施兔场管理云服务系统研究
这是一篇关于兔场,多租户,系谱图,疾病诊断,不确定性推理的论文, 主要内容为本文旨在实现不同类型兔场共同使用同一信息管理平台,并为企业提供整体兔业分析服务和辅助兽医工作的疾病诊断服务。通过对杨凌兔场生产需求的分析,确定了多租户模式以满足多企业共同使用平台的目标,搭建了基于多租户模式的兔业云服务信息管理平台。并在该模式框架下进行了系统功能的设计与开发,以满足兔场日常生产需求,最后完成了病兔疾病诊断的推理过程。该系统为兔场云服务养殖管理提供了新的思路与想法。主要内容包括:(1)需求分析及功能划分。针对我国兔产业育种困难、疾病制约和产业化程度低下等问题,本文以杨凌试验兔场生产需求为基础,确定了兔场系统实现的功76能需求与非功能需求,提出了一种基于多租户模式的兔场云服务信息管理系统。该系统包括Web端与App端,Web端实现场户管理、兔群管理、繁育管理和饲喂管理4项生产功能模块及疾病诊断功能,并根据兔场信息查阅需求总结出18项统计分析与3项育种分析;App端采用轻量级设计,实现在兔场工作中的数据录入功能。(2)兔场云服务信息管理系统的设计与实现。在Web端使用前后端分离的B/S架构,前端基于Vue技术栈、Ant Design组件库、Element UI组件库、Echarts图表库,后端基于Spring Boot框架,使用Redis作为数据缓存,My SQL数据库作为数据存储。在App端使用uni-app框架进行页面设计实现,连接Web后端接口实现数据录入功能。共实现系统4项管理模块25项生产功能。(3)基于推理规则的疾病诊断研究。根据疾病诊断需求将该模块分为用户界面、知识库管理系统、知识库与推理机4部分。知识库采用人工获取方式总结出传染病、寄生虫病和普通病3大类共计110种兔类常见疾病及其表现症状、防治手段。推理机利用基于可信度的不确定性推理规则进行疾病的诊断。整体过程由用户在界面输入病兔症状,推理机接收信息、调取知识库进行推理,然后将最终结果返回构成。知识库的更新或修改可通过知识库管理系统实现。(4)系统的监控与测试。将系统部署在阿里云服务器,并将数据库迁移至阿里云RDS云数据库,实现系统的云服务化。设计服务器监控、URL监控和SQL监控以实时监控系统状态。通过黑盒测试证明系统的可用性和准确性,并使用JMeter进行性能测试。结果表明,系统具有良好的稳定性,可支持1000余名用户同时在线使用,达到了多租户使用目的。
设施兔场管理云服务系统研究
这是一篇关于兔场,多租户,系谱图,疾病诊断,不确定性推理的论文, 主要内容为本文旨在实现不同类型兔场共同使用同一信息管理平台,并为企业提供整体兔业分析服务和辅助兽医工作的疾病诊断服务。通过对杨凌兔场生产需求的分析,确定了多租户模式以满足多企业共同使用平台的目标,搭建了基于多租户模式的兔业云服务信息管理平台。并在该模式框架下进行了系统功能的设计与开发,以满足兔场日常生产需求,最后完成了病兔疾病诊断的推理过程。该系统为兔场云服务养殖管理提供了新的思路与想法。主要内容包括:(1)需求分析及功能划分。针对我国兔产业育种困难、疾病制约和产业化程度低下等问题,本文以杨凌试验兔场生产需求为基础,确定了兔场系统实现的功76能需求与非功能需求,提出了一种基于多租户模式的兔场云服务信息管理系统。该系统包括Web端与App端,Web端实现场户管理、兔群管理、繁育管理和饲喂管理4项生产功能模块及疾病诊断功能,并根据兔场信息查阅需求总结出18项统计分析与3项育种分析;App端采用轻量级设计,实现在兔场工作中的数据录入功能。(2)兔场云服务信息管理系统的设计与实现。在Web端使用前后端分离的B/S架构,前端基于Vue技术栈、Ant Design组件库、Element UI组件库、Echarts图表库,后端基于Spring Boot框架,使用Redis作为数据缓存,My SQL数据库作为数据存储。在App端使用uni-app框架进行页面设计实现,连接Web后端接口实现数据录入功能。共实现系统4项管理模块25项生产功能。(3)基于推理规则的疾病诊断研究。根据疾病诊断需求将该模块分为用户界面、知识库管理系统、知识库与推理机4部分。知识库采用人工获取方式总结出传染病、寄生虫病和普通病3大类共计110种兔类常见疾病及其表现症状、防治手段。推理机利用基于可信度的不确定性推理规则进行疾病的诊断。整体过程由用户在界面输入病兔症状,推理机接收信息、调取知识库进行推理,然后将最终结果返回构成。知识库的更新或修改可通过知识库管理系统实现。(4)系统的监控与测试。将系统部署在阿里云服务器,并将数据库迁移至阿里云RDS云数据库,实现系统的云服务化。设计服务器监控、URL监控和SQL监控以实时监控系统状态。通过黑盒测试证明系统的可用性和准确性,并使用JMeter进行性能测试。结果表明,系统具有良好的稳定性,可支持1000余名用户同时在线使用,达到了多租户使用目的。
基于J2EE和Android的动物疾病辅助诊断平台的设计与实现
这是一篇关于动物疾病,平台,疾病诊断,专家系统的论文, 主要内容为农业的发展与人类的生活息息相关,尤其是畜牧业的发展,它可以为人类提供动物性食品。目前,动物的发病率很高,基层养殖人员缺乏高超的专业技能,这不仅影响到畜牧业的发展,也影响到人类的生活。养殖人员如果能及时诊断动物疾病并降低动物的发病率,这将有益于人类与社会。为了帮助基层人员了解更多的动物疾病且更加准确地诊断动物疾病,做到早预防早诊断,本文设计并实现了基于J2EE和Android的动物疾病辅助诊断平台。本平台结合了动物信息与计算机知识,以动物信息和专家知识为基础,综合使用了基础的数学计算,使用了设计软件的相关技术和算法。本平台由两个部分组成:PC端和手机Android端。PC端作为服务器端,采用jsp+servlet轻量级的、基于J2EE的MVC体系架构,以Myeclipse为开发工具,Mysql为后台数据库,Java为主要编程语言。手机Android端作为客户端,通过连接互联网并访问服务器端来实现功能,基于Android5.0进行开发。本平台可应用于各种养殖场,兽医专家使用PC端可以灵活地更改后台数据库中的数据,基层养殖户使用Android端诊断动物疾病并获得相应的防治措施。该文以猪疾病为例,阐述了基于J2EE和Android的动物疾病辅助诊断平台的总体设计,包括数据获取与分析、数据库的建立以及疾病诊断的推理机制等。
基于知识图谱的羊群疾病问答系统的研究与实现
这是一篇关于疾病诊断,知识图谱,问答系统,Neo4j,Bert的论文, 主要内容为随着信息时代的高速发展,网络中产生了大量繁杂冗余的数据,给检索带来了困难。问答系统的出现解决了这一问题,使用户可以更加准确且快捷地检索到满意的答案。问答系统广泛应用于人类医疗健康领域,但关于动物医疗领域的研究甚少。动物出现不适状况时,由于没有合适的疾病查询方式,会导致死亡率显著偏高。兽医治疗虽然可以解决病症,但频繁地求医会增大医疗资源的压力。基于这一现状,本文研究出一款基于知识图谱的羊群疾病问答系统,可以更方便、快速地查询和诊断羊群疾病。本文通过以下三个步骤来实现问答系统的搭建:(1)羊群疾病知识图谱的构建。本文采用爬虫方式获取“医链”网站的文本信息,人工提取出疾病实体和属性;然后,采用人工筛选方式将重复或语义相近的词语进行数据融合;最后,将数据以三元组的方式进行汇总,并保存到Neo4j图数据库中。为了提高实体标注效率,本文重点通过“知网”查找以“羊病”为关键词的中文文献的摘要部分,使用Bi-LSTM+CRF模型自动抽取实体,并将获取的数据补充到Neo4j中。(2)羊群疾病问答系统算法设计和实现。针对命名实体识别部分,本文采用Bi-LSTM模型作为基础,通过添加Attention机制为词语分配权重,使得每个词依赖于全文。然后,使用CRF模型提出的BIO规则进行实体标注。这种机制得到的F1值为83.16%,极大提高了实体标注的效率。针对属性映射部分,本文构建了Bert-softmax模型。根据用户提问,首先通过Bert模型计算问句和属性的语义相似度,确定用户意图;然后通过softmax算法进行归一化处理;最后,找到最合适的答案反馈给用户,提高系统的问答效率。(3)羊群疾病诊断平台的实现。该平台使用Bootstrap、Echarts、Vue组件实现羊群疾病问答系统的可视化。利用Python语言包含的flask框架搭建后台,封装疾病信息。该平台通过web前端呈现给用户,并与后端建立连接,实现了数据之间的交互。综上,本文通过使用机器学习算法提高了羊群疾病知识图谱的构建质量,并将其作为基础构建了羊群疾病问答系统。同时,使用深度学习算法提高了系统对问句的判断能力,为羊群疾病诊断提供了一个实时查询平台。
基于谱归一化生成对抗网络的基因表达谱数据增强方法研究
这是一篇关于数据增强,基因表达谱,生成对抗网络,疾病诊断,预后的论文, 主要内容为随着人工智能技术的不断发展,运用机器学习算法从基因表达谱中挖掘有效信息的策略被广泛应用于生物信息研究的各个领域。但基因表达谱获取成本较高,难以满足以数据为驱动的机器学习算法需要。为了缓解样本较少问题带来的影响,谱归一化生成对抗网络(Spectral Normalization Generative Adversarial Networks,SN-GAN)可以生成高质量的模拟数据来增加样本数量。然而,由于基因表达谱维度高、样本少的特点,导致SN-GAN生成样本的真实性、多样性较低以及在生成具有复杂标签的生存数据时,样本与标签相关性不足。因此,本文对SN-GAN进行改进,实现对基因表达谱的有效增强,主要工作如下:(1)针对生成的基因表达谱分类数据真实性和多样性不足的问题,提出一种基于自适应生成边界和标签重采样SN-GAN的基因表达谱数据增强方法(CSN-GANLK)。首先,为了确保生成的数据分布尽可能地接近真实样本,CSN-GAN-LK采用可学习输出层激活函数,帮助模型自适应地确定生成边界,从而提升生成数据的真实性。其次,为了提升生成数据的多样性,利用核密度估计对标签重采样,选择连续的生成样本标签,进而拓展生成数据的特征空间。多个公开的基因表达谱疾病诊断数据集上的结果表明,与其它相关方法生成的样本相比,CSN-GAN-LK方法拥有更高的生成样本真实性和多样性,提升基于基因表达谱的疾病诊断任务准确率。(2)针对生成的基因表达谱生存数据特征与标签相关性不足的问题,提出一种基于多任务动态均衡SN-GAN的基因表达谱数据增强方法。首先,使用CSN-GAN-LK与Cox-nnet组成多任务学习模型(CSN-GAN-CPP),有效结合风险评估与样本生成任务,在训练过程中不断添加缺失的标签信息来提高生成数据的质量。其次,在训练过程中引入分阶学习机制,并提出一种计算生成器损失的动态均衡方法,有效地解决了CSN-GAN-CPP训练波动大,难以收敛的问题。多个公开膀胱癌预后数据集上的风险评估和标记基因筛选等实验表明,CSN-GAN-CPP在生成高质量的基因表达谱生存数据的同时,有效预测患者的风险概率,提升预后相关任务数据增强效果。(3)设计并实现基于谱归一化生成对抗网络的肿瘤诊疗原型系统。系统使用Vue设计交互界面,利用Java实现业务逻辑、Python实现模型的训练及推理。系统包含用户登录模块、数据管理模块、数据增强模块、诊断分析模块和辅助治疗模块,有助于及时准确地对患者疾病进行准确的诊断和分析,制定有效的治疗方案。
设施兔场管理云服务系统研究
这是一篇关于兔场,多租户,系谱图,疾病诊断,不确定性推理的论文, 主要内容为本文旨在实现不同类型兔场共同使用同一信息管理平台,并为企业提供整体兔业分析服务和辅助兽医工作的疾病诊断服务。通过对杨凌兔场生产需求的分析,确定了多租户模式以满足多企业共同使用平台的目标,搭建了基于多租户模式的兔业云服务信息管理平台。并在该模式框架下进行了系统功能的设计与开发,以满足兔场日常生产需求,最后完成了病兔疾病诊断的推理过程。该系统为兔场云服务养殖管理提供了新的思路与想法。主要内容包括:(1)需求分析及功能划分。针对我国兔产业育种困难、疾病制约和产业化程度低下等问题,本文以杨凌试验兔场生产需求为基础,确定了兔场系统实现的功76能需求与非功能需求,提出了一种基于多租户模式的兔场云服务信息管理系统。该系统包括Web端与App端,Web端实现场户管理、兔群管理、繁育管理和饲喂管理4项生产功能模块及疾病诊断功能,并根据兔场信息查阅需求总结出18项统计分析与3项育种分析;App端采用轻量级设计,实现在兔场工作中的数据录入功能。(2)兔场云服务信息管理系统的设计与实现。在Web端使用前后端分离的B/S架构,前端基于Vue技术栈、Ant Design组件库、Element UI组件库、Echarts图表库,后端基于Spring Boot框架,使用Redis作为数据缓存,My SQL数据库作为数据存储。在App端使用uni-app框架进行页面设计实现,连接Web后端接口实现数据录入功能。共实现系统4项管理模块25项生产功能。(3)基于推理规则的疾病诊断研究。根据疾病诊断需求将该模块分为用户界面、知识库管理系统、知识库与推理机4部分。知识库采用人工获取方式总结出传染病、寄生虫病和普通病3大类共计110种兔类常见疾病及其表现症状、防治手段。推理机利用基于可信度的不确定性推理规则进行疾病的诊断。整体过程由用户在界面输入病兔症状,推理机接收信息、调取知识库进行推理,然后将最终结果返回构成。知识库的更新或修改可通过知识库管理系统实现。(4)系统的监控与测试。将系统部署在阿里云服务器,并将数据库迁移至阿里云RDS云数据库,实现系统的云服务化。设计服务器监控、URL监控和SQL监控以实时监控系统状态。通过黑盒测试证明系统的可用性和准确性,并使用JMeter进行性能测试。结果表明,系统具有良好的稳定性,可支持1000余名用户同时在线使用,达到了多租户使用目的。
设施兔场管理云服务系统研究
这是一篇关于兔场,多租户,系谱图,疾病诊断,不确定性推理的论文, 主要内容为本文旨在实现不同类型兔场共同使用同一信息管理平台,并为企业提供整体兔业分析服务和辅助兽医工作的疾病诊断服务。通过对杨凌兔场生产需求的分析,确定了多租户模式以满足多企业共同使用平台的目标,搭建了基于多租户模式的兔业云服务信息管理平台。并在该模式框架下进行了系统功能的设计与开发,以满足兔场日常生产需求,最后完成了病兔疾病诊断的推理过程。该系统为兔场云服务养殖管理提供了新的思路与想法。主要内容包括:(1)需求分析及功能划分。针对我国兔产业育种困难、疾病制约和产业化程度低下等问题,本文以杨凌试验兔场生产需求为基础,确定了兔场系统实现的功76能需求与非功能需求,提出了一种基于多租户模式的兔场云服务信息管理系统。该系统包括Web端与App端,Web端实现场户管理、兔群管理、繁育管理和饲喂管理4项生产功能模块及疾病诊断功能,并根据兔场信息查阅需求总结出18项统计分析与3项育种分析;App端采用轻量级设计,实现在兔场工作中的数据录入功能。(2)兔场云服务信息管理系统的设计与实现。在Web端使用前后端分离的B/S架构,前端基于Vue技术栈、Ant Design组件库、Element UI组件库、Echarts图表库,后端基于Spring Boot框架,使用Redis作为数据缓存,My SQL数据库作为数据存储。在App端使用uni-app框架进行页面设计实现,连接Web后端接口实现数据录入功能。共实现系统4项管理模块25项生产功能。(3)基于推理规则的疾病诊断研究。根据疾病诊断需求将该模块分为用户界面、知识库管理系统、知识库与推理机4部分。知识库采用人工获取方式总结出传染病、寄生虫病和普通病3大类共计110种兔类常见疾病及其表现症状、防治手段。推理机利用基于可信度的不确定性推理规则进行疾病的诊断。整体过程由用户在界面输入病兔症状,推理机接收信息、调取知识库进行推理,然后将最终结果返回构成。知识库的更新或修改可通过知识库管理系统实现。(4)系统的监控与测试。将系统部署在阿里云服务器,并将数据库迁移至阿里云RDS云数据库,实现系统的云服务化。设计服务器监控、URL监控和SQL监控以实时监控系统状态。通过黑盒测试证明系统的可用性和准确性,并使用JMeter进行性能测试。结果表明,系统具有良好的稳定性,可支持1000余名用户同时在线使用,达到了多租户使用目的。
基于知识图谱的脑卒中辅助诊断的研究及应用
这是一篇关于知识图谱,脑卒中,本体,命名实体识别,疾病诊断的论文, 主要内容为随着我国人口老龄化现象日益严重,脑卒中已成为导致我国人民寿命折损的第一原因。据《中国脑卒中防治报告2019》的数据显示,我国每年因卒中致死人数约有190万。因此,脑卒的防治已成为我国亟待解决的问题。然而,目前对于脑卒中的诊断主要依赖于医师经验和专业医学检查,由于我国医疗水平还存在地域性的差异,一些医院还缺乏高质量的诊疗手段,使得患者不能及时得到良好的医疗救治。随着计算机技术的飞速发展,人工智能为脑卒中的诊疗提供了新的解决方案。论文从脑卒中知识图谱的构建方法以及利用脑卒中知识图谱进行疾病诊断两个角度进行研究。论文的主要研究工作如下:1.脑卒中知识图谱的构建。利用从学术期刊网站上获取脑卒中文献资料以及医疗部门提供的脑卒中电子病历作为数据源构建脑卒中知识图谱。根据脑卒中知识结构的特点,对本体层的类以及类之间关系进行定义,完成脑卒中本体层的构建。为解决传统识别模型在处理文本时忽略上下文关系的问题,提出了改进的ELMo-Bi LSTM-CRF(Embeddings from Language Models Bi-directional Long ShortTerm Memory-Conditional Random Fields)模型的命名实体识别方法,将识别后的实体嵌入到脑卒中本体层,构建脑卒中知识图谱。2.脑卒中疾病诊断方法研究。针对传统的疾病诊断方法对先验知识以及规则的依赖的问题,提出一种基于Trans D-CNN的脑卒中疾病诊断方法。首先根据脑卒中知识图谱数据量大以及存在大量多对多关系的特点,运用Trans D翻译模型处理多对多关系以及解决同一关系连接的实体不属于同一语义空间的问题。将知识图谱中的实体关系三元组嵌入低维表示空间得到实体的向量表示,运用卷积神经网络的分类算法,实现脑卒中疾病的诊断。3.设计实现脑卒中辅助诊断系统。针对脑卒中辅助诊断的需求,基于脑卒中知识图谱的构建以及脑卒中疾病诊断方法,设计基于知识图谱的脑卒中辅助诊断系统,该系统设计实现脑卒中知识图谱数据管理,包括病例管理、脑卒中知识图谱的可视化展示、信息检索、辅助诊断以及系统管理等功能。实验证明,基于知识图谱的脑卒中辅助诊断方法为患者提供医疗服务,为医生提供辅助决策。并将诊疗经验分享到各个基层,实现诊疗能力的同质化输出。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码码头 ，原文地址：https://m.bishedaima.com/lunwen/47804.html
