基于神经网络的急性心梗患者随访管理系统的设计与实现
发布时间：2021-04-13 04:34
目前急性心肌梗死患者的发病率逐年攀升,患者发病后的死亡率未见明显下降,为了提高急性心肌梗死患者的生存率,在患者出院后对患者身体状况进行健康的管理显得尤为重要。随着信息与网络技术的发展,我国医院信息系统在不断的进行改进和完善,各级医院正通过信息化建设来降低管理成本和提高服务水平。本课题基于此背景,设计开发了一套针对急性心肌梗死患者的信息化实施方案。本系统采用B/S架构,主要编程语言为Python语言,后台使用Django Web应用框架开发,通过SQLite数据库对数据进行存储。系统主要功能分为数据收集功能和信息交流功能。数据收集为收集和保存患者数据,供医生在后台进行数据统计和分析。信息交流包含查写文章,收发邮件和进行意见反馈。在信息交流模块中用多个卷积神经网络模型为文章添加相应的标签,可以代替人工操作,节省用户撰写文章的时间,同时方便其他用户根据标签来查看文章。急性心梗患者随访管理系统能够帮助医生在患者出院后及时了解患者的身体状况变化情况,促进医生和患者的沟通交流,能够帮助患者预防和治疗相关疾病,并且提升医院的服务水平。经过全面的测试,系统的各种功能均表现正常,具有优秀的兼容性和稳定性...
【文章来源】：青岛大学山东省
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
Django架构图
青岛大学硕士学位论文7（2）维护和升级方式简单，客户端零维护，只要管理服务器；（3）具有分布性特点，可以随时随地处理业务。继C/S模式、Web模式之后，B/S结构因开发、运行、维护、使用便捷，在计算机信息化管理系统开发中得到广泛应用[21]。2.5卷积神经网络早在2006年以前就已有人提出卷积神经网络(ConvolutionalNeuralNetwork,CNN)是一种学习效率很高的深度学习模型，如图2.2卷积神经网络基本结构图所示，它的基本结构由输入层、卷积层(convolutionallayer)、池化层(poolinglayer,也称为取样层)、全连接层及输出层构成[22]。卷积神经网络提供了一种端到端的学习模型，模型中的参数可以通过传统的梯度下降方法进行训练，经过训练的卷积神经网络能够学习到图像中的特征，并且完成对图像特征的提取和分类[23]。近年来卷积神经网络的结构研究仍然有着很高的热度，一些具有优秀性能的网络结构被提出，并且随着迁移学习理论在卷积神经网络上的成功应用，卷积神经网络的应用领域得到了进一步的扩展，卷积神经网络在各个领域不断涌现出来的研究成果，使其成为了当前最受关注的研究热点之一[23]。本系统中用到的卷积神经网络是在文本分类领域的应用。图2.2卷积神经网络基本结构图2.6其他技术jQuery是一个目前比较流行的JavaScript框架。它是轻量级的JS库(压缩后只有21k)，它兼容CSS3，还兼容各种浏览器，它能方便地为网站提供Ajax交互，可胜任各种复杂的客户端编码工作，同时拥有丰富的插件机制[24]。Ajax(AsynchronousJavaScriptAndXML)，即异步JavaScript和XML技术，
青岛大学硕士学位论文10病情复发住院后进行治疗提供了数据参考，对疾病起到了预防作用，一定程度上减少了患者后期住院治疗所花费的时间和费用。因此在经济上具有可行性。3.2用户分析在本系统中使用的用户划分为三类，医生、患者和管理员。系统用例图如图3.1所示。图3.1系统用例图医生通过系统创建患者账户，并录入患者出院时候的详细信息。当患者进行复诊和再次住院时，由医生通过系统进行记录相关信息。医生可以通过系统随时查看患者的各项数据进行分析。医生还可以通过该系统分享一些疾病相关的文章，通过邮件发送通知信息。医生用例图如图3.2所示。
【参考文献】：
期刊论文
[1]基于B/S架构的医院门急诊管理系统研究[J]. 张惠珺. 中国医学创新. 2019(21)
[2]《中国心血管病报告2018》概要[J]. 胡盛寿,高润霖,刘力生,朱曼璐,王文,王拥军,吴兆苏,李惠君,顾东风,杨跃进,郑哲,陈伟伟. 中国循环杂志. 2019(03)
[3]基于卷积神经网络的虚假评论识别模型[J]. 韩俣谈. 科学技术创新. 2018(06)
[4]基于词义消歧的卷积神经网络文本分类模型[J]. 薛涛,王雅玲,穆楠. 计算机应用研究. 2018(10)
[5]冠心病疾病负担—中国出路[J]. 高润霖. 中国循环杂志. 2017(01)
[6]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[7]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航. 计算机应用. 2016(09)
[8]Python语言:程序设计课程教学改革的理想选择[J]. 嵩天,黄天羽,礼欣. 中国大学教学. 2016(02)
[9]医院多病种科研随访系统的设计与应用[J]. 胡名坚,黄慧勇,冯君婷. 中国数字医学. 2015(10)
[10]Django框架在web开发中的应用[J]. 刘志凯,张太红. 农业网络信息. 2015(02)
硕士论文
[1]烧伤患者智能随访管理系统的设计与应用[D]. 洪岩.吉林大学 2018
[2]医学影像学教学系统的设计与实现[D]. 修杜豪.青岛大学 2018
[3]医院随访管理系统的设计与实现[D]. 王莎莎.北京邮电大学 2017
[4]基于iOS的医患沟通系统的设计与实现[D]. 赵丛丛.北京邮电大学 2017
[5]基于云计算的医疗随访系统研究与实现[D]. 吴凯.浙江工业大学 2017
本文编号：3134626
【文章来源】：青岛大学山东省
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
Django架构图
青岛大学硕士学位论文7（2）维护和升级方式简单，客户端零维护，只要管理服务器；（3）具有分布性特点，可以随时随地处理业务。继C/S模式、Web模式之后，B/S结构因开发、运行、维护、使用便捷，在计算机信息化管理系统开发中得到广泛应用[21]。2.5卷积神经网络早在2006年以前就已有人提出卷积神经网络(ConvolutionalNeuralNetwork,CNN)是一种学习效率很高的深度学习模型，如图2.2卷积神经网络基本结构图所示，它的基本结构由输入层、卷积层(convolutionallayer)、池化层(poolinglayer,也称为取样层)、全连接层及输出层构成[22]。卷积神经网络提供了一种端到端的学习模型，模型中的参数可以通过传统的梯度下降方法进行训练，经过训练的卷积神经网络能够学习到图像中的特征，并且完成对图像特征的提取和分类[23]。近年来卷积神经网络的结构研究仍然有着很高的热度，一些具有优秀性能的网络结构被提出，并且随着迁移学习理论在卷积神经网络上的成功应用，卷积神经网络的应用领域得到了进一步的扩展，卷积神经网络在各个领域不断涌现出来的研究成果，使其成为了当前最受关注的研究热点之一[23]。本系统中用到的卷积神经网络是在文本分类领域的应用。图2.2卷积神经网络基本结构图2.6其他技术jQuery是一个目前比较流行的JavaScript框架。它是轻量级的JS库(压缩后只有21k)，它兼容CSS3，还兼容各种浏览器，它能方便地为网站提供Ajax交互，可胜任各种复杂的客户端编码工作，同时拥有丰富的插件机制[24]。Ajax(AsynchronousJavaScriptAndXML)，即异步JavaScript和XML技术，
青岛大学硕士学位论文10病情复发住院后进行治疗提供了数据参考，对疾病起到了预防作用，一定程度上减少了患者后期住院治疗所花费的时间和费用。因此在经济上具有可行性。3.2用户分析在本系统中使用的用户划分为三类，医生、患者和管理员。系统用例图如图3.1所示。图3.1系统用例图医生通过系统创建患者账户，并录入患者出院时候的详细信息。当患者进行复诊和再次住院时，由医生通过系统进行记录相关信息。医生可以通过系统随时查看患者的各项数据进行分析。医生还可以通过该系统分享一些疾病相关的文章，通过邮件发送通知信息。医生用例图如图3.2所示。
【参考文献】：
期刊论文
[1]基于B/S架构的医院门急诊管理系统研究[J]. 张惠珺. 中国医学创新. 2019(21)
[2]《中国心血管病报告2018》概要[J]. 胡盛寿,高润霖,刘力生,朱曼璐,王文,王拥军,吴兆苏,李惠君,顾东风,杨跃进,郑哲,陈伟伟. 中国循环杂志. 2019(03)
[3]基于卷积神经网络的虚假评论识别模型[J]. 韩俣谈. 科学技术创新. 2018(06)
[4]基于词义消歧的卷积神经网络文本分类模型[J]. 薛涛,王雅玲,穆楠. 计算机应用研究. 2018(10)
[5]冠心病疾病负担—中国出路[J]. 高润霖. 中国循环杂志. 2017(01)
[6]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[7]卷积神经网络研究综述[J]. 李彦冬,郝宗波,雷航. 计算机应用. 2016(09)
[8]Python语言:程序设计课程教学改革的理想选择[J]. 嵩天,黄天羽,礼欣. 中国大学教学. 2016(02)
[9]医院多病种科研随访系统的设计与应用[J]. 胡名坚,黄慧勇,冯君婷. 中国数字医学. 2015(10)
[10]Django框架在web开发中的应用[J]. 刘志凯,张太红. 农业网络信息. 2015(02)
硕士论文
[1]烧伤患者智能随访管理系统的设计与应用[D]. 洪岩.吉林大学 2018
[2]医学影像学教学系统的设计与实现[D]. 修杜豪.青岛大学 2018
[3]医院随访管理系统的设计与实现[D]. 王莎莎.北京邮电大学 2017
[4]基于iOS的医患沟通系统的设计与实现[D]. 赵丛丛.北京邮电大学 2017
[5]基于云计算的医疗随访系统研究与实现[D]. 吴凯.浙江工业大学 2017
本文编号：3134626
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3134626.html
