免费看男阳茎进女阳道视频

                        24小時論文定制熱線

                        咨詢電話

                        熱門畢設:土木工程工程造價橋梁工程計算機javaasp機械機械手夾具單片機工廠供電采礦工程
                        您當前的位置:論文定制 > 畢業設計論文 >
                        快速導航
                        畢業論文定制
                        關于我們
                        我們是一家專業提供高質量代做畢業設計的網站。2002年成立至今為眾多客戶提供大量畢業設計、論文定制等服務,贏得眾多客戶好評,因為專注,所以專業。寫作老師大部分由全國211/958等高校的博士及碩士生設計,執筆,目前已為5000余位客戶解決了論文寫作的難題。 秉承以用戶為中心,為用戶創造價值的理念,我站擁有無縫對接的售后服務體系,代做畢業設計完成后有專業的老師進行一對一修改與完善,對有答辯需求的同學進行一對一的輔導,為你順利畢業保駕護航
                        代做畢業設計
                        常見問題

                        醫院專用圖像信息采集系統開發

                        添加時間:2019/01/04 來源:南京郵電大學 作者:張新剛
                        本文結合一直以來廣泛研究的智能醫療,提出了一種新型的醫療方式。本文中將智慧醫療和圖像識別結合的方式,通過智能安卓終端進行醫用信息的采集,并且將結果傳輸至服務器。
                        以下為本篇論文正文:

                        摘要

                          隨著社會的發展,人們對自身健康狀況的關注不斷提高,實時監測相關用戶的醫用生理數據信息很有必要。傳統智慧醫療方式大都通過無線的方式將采集到的數據發送到遠程服務器,本文提出了一種新的智慧醫療方案,首先采集人體生理數據信息,然后將數據以七段碼的形式顯示在液晶屏終端,利用安卓智能終端進行拍照獲取數據圖像,結合圖像識別的相關技術實現數據圖像的識別,將識別結果保存在數據庫并上傳至服務器。

                          本文通過兩種方式實現圖像的識別:一種是 BP 神經網絡的方法,此方法需要對圖像進行預處理和特征提取,然后將特征經過分類器進行識別;另一種是利用深度學習中的卷積神經網絡,將整個圖像作為輸入特征對圖像進行識別。

                          本文的主要具體研究工作和創新點如下所述:

                          (1) 設計了一個醫用采集系統,對人體的相關生理信息進行采集,設計和制作了數據采集模塊和顯示模塊。數據采集模塊以 MSP430 單片機為控制芯片,結合傳感器芯片采集人體生理信息,將信息數據顯示在液晶屏終端;(2) 分析 BP 神經網絡的原理,并且針對其訓練提出了一些改進方法,用安卓終端采集大量液晶屏七段碼數字圖像樣本,在 VS2010 平臺訓練得到了液晶屏數字識別分類器,在測試集上檢測顯示識別率可以達到 98%;(3) 設計了安卓客戶端應用程序,程序功能包括液晶屏圖像采集、用戶數據存儲、圖像識別和數據保存等。利用安卓的本地接口功能,實現圖像的預處理和特征提取,結合訓練成功的神經網絡分類器實現液晶屏數字的識別,完成醫用數據信息的采集,通過本地數據庫保存并且上傳至服務器,供用戶和相關人員查看;(4) 結合深度學習的技術,對卷積神經網絡的模型提出一定的改進,分別對手寫數字庫MNIST 和液晶屏七段碼數字圖像進行識別,實驗結果表明可以達到比傳統方法更高的識別效果。為了便于將深度學習網絡移植,本文提出了一種權值減少的方法,實驗結果表明采用本文提出的方法,可以將神經網絡的參數權值減少 82%,并且保持較高的識別率。

                          關鍵詞: 智慧醫療,圖像識別,BP 神經網絡,安卓,深度學習

                        Abstract

                          With the decelopment of the society, people pay more and more attention to their heathy condition, and it is necessary to monitor the medical physiological data of the user in the real time.Conventional wisdom medical approach collect data through wireless mode and send them to the remote server. In this paper, a new intelligent medical scheme is proposed. First, human physicolog- ical data can be collected, then display the data on the seven segment code Liquid Crystal Display screen terminal. Last, store the result in the database and upload to the server after identifing the recognition technology with the image which captured by Android smartphone.

                          In this paper, the image recognition achieved in two ways: one is the Back Propagation neural network method which needs for image pre-processing and feature extraction. Then the characteris- tics are identified by the classifier; The other is taking the whole graph as the input feature of image recognition with the convolutional neural network.

                          The main research work and innovation points of this paper are as follows:

                          (1) A medical physiological system is designed which include data acquisition module and displ- ay module. The system takes MSP430 microcomputer as the control chip and display the physiolo- gical data which are collected by sensor chip on the LCD screen;(2) After analysing the principle of BP neural network, some improved method is put forword. A large number of LCD seven segment code of digital image samples are collected and then the recognition classifier can be got after being trained with visual stdio 2010 platform. The test shows that the recognition rate can reach 98%.

                          (3) Android client application is Designed. Its features include image acquisition, user data stora- ge, image recognition and data storage, etc. The image preprocessing and feature extraction can be realized with the android native interface function. It recognizes the image with the trained neural network classifier. The physiological data can be saved in the database for checking.

                          (4) Combined with the deeplearning technology the handwritten digital library MNIST and the seven segment code of the LCD screen can be identified and the result shows its recognition rate is higher than that of BP neural network. A weight reduction method is proposed for facilitating the deep network. The experimental results shows that the parameter weights of network can be reduced by 82% and still keep a high recognition rate.

                          Key words: Medical wisdom, Image recognition, Back Propagation neural network, Android, Deep learning

                          隨著我國經濟的不斷發展,人們的健康水平和生活水平不斷提高,對自身的健康關注程度也不斷增加。但在我國,重大傳染性疾病帶來的壓力仍然沒有減輕,如流行性感冒等嚴重影響了國民的生理健康。因此,對相關病人或者需要監護的人群進行實時的健康生理參數監控很有必要,便于人們實時了解自身身體狀況,同時方便醫護人員對病人的實時指導、跟蹤調查等。因此,對于醫用采集系統的研究就很有必要。

                          醫用信息的采集,是智慧醫療[1]和遠程醫療的一個重要組成部分。在 1993 年,Mora 等人提出了一種遠程醫療監控方案,包括信號采集、生理信息傳輸、生理信息分析診斷和醫療干預四個部分[2]。此后,關于醫療監護方面的研究就大體按照這個方向發展。隨著科研機構、個人以及政府的努力,近些年來,遠程醫療和智慧醫療已經越來越多的出現在我們的視野當中,比如醫院、居家診所等實現對病人生理信息的實時監控[3]。

                          在我國現代化和信息化的發展過程中,自動識別技術越來越多的應用在各個領域,利用圖像識別技術加快自動化、智能化的進程。液晶屏作為信息采集設備的重要載體,對其圖像的識別已經是圖像識別領域研究的熱門,常用的醫療設備,其數據也大都以液晶屏的形式顯示給用戶。

                          自動識別依靠圖像識別技術做支撐。圖像識別技術的研究已經進行了很多年,圖像識別技術是利用計算機視覺采集物理對象,以圖像數據為基礎,讓機器模仿人類視覺,自動完成某些信息的處理功能,達到人類所具有的對視覺采集圖像進行識別的能力,以代替人去完成圖像分類及識別的任務[4]。圖像識別其目的是將研究客體的特征類別映射成“類別號”,進而進行識別。

                          近年來,隨著 4G 網絡和智能終端的普及,將移動設備與智慧醫療結合起來的應用越來越多。例如,可穿戴設備在實時檢測方面性能顯著[5],利用可穿戴設備對高血壓患者進行實時檢測,可大大延長其就醫間隔時間。智能終端設備與智慧醫療的結合是建立在信息獲取、信息傳輸和信息分析之上的,而智能醫用采集系統設備、移動智能終端和云計算平臺可以為其提供基礎的平臺。

                          移動通信時代,智能終端設備已經走進我們每個人的生活,如安卓設備和蘋果設備,這些設備的應用極大的改變了我們的生活。安卓設備采用安卓系統,安卓系統是在 2007 年由谷歌公司推出的基于 Linux 內核的智能操作系統。安卓的誕生伴隨著移動互聯網的高速發展,在智能手機、智能平板和智能電視等領域得到廣泛應用。目前國內和國際上大部分的智能終端制造廠商,都是使用的安卓系統或者定制的安卓系統。另外,安卓提供完整的、免費的開發平臺,開發者可以自由的開發應用軟件,這些優勢吸引了大量的開發人員和廠商加入到安卓陣營當中。

                          基于社會的發展和人們對自身生理信息關注的需求,現有的智慧醫療均通過無線方式實現醫療監控[6],存在很多弊端,傳輸數據方式也比較耗電,隨著安卓智能終端的發展和普及,利用安卓終端實現圖像信息的識別,進而結合安卓終端采集用戶醫用生理信息實現遠程醫療和智慧醫療,有非常廣闊的應用前景和潛在價值。

                          智慧醫療最早是 2009 年的時候由 IBM 公司提出的,智慧醫療是智慧地球的一部分[7]。智慧醫療是以最新的物聯網技術為基礎,涉及人們生活的各方面,結合最新的醫學成果為人們提供更好的醫療服務[8]。智慧醫療主要通過三個步驟實現,包括用戶生理信息采集、信息遠程處理與服務和智能認知發現[9]。其中,智能終端扮演著重要的角色,可以對用戶生理信息采集,并且實現信息遠程處理的任務。

                          除了 IBM 之外,其他許多國家和公司也對智慧醫療的發展非常重視。蘇黎世 ETH 大學的研究成果-AMON[10],為患有心臟病和呼吸疾病的病人設計了可穿戴醫療監控報警系統,可對病人的血壓、脈搏、體溫等進行監控。我國也非常重視醫療領域的信息化建設,在 2009 年頒布了《中共中央國務院關于深化醫藥衛生體制改革的意見》,為推動我國醫療衛生領域信息化建設提供了保障。

                          自從 2007 年谷歌推出安卓系統之后,安卓得到了爆發式的發展。安卓從最初的 1.0 版本,到后來的經典版本如 1.5、2.1、4.0 和 4.4 等版本,現在已經發展到了安卓 5.0 版本。安卓版本更新較快,每隔一段時間就會有新版本出現。隨著版本的升級,其提供的應用程序接口也就越多,從安卓 2.3 版本開始,安卓提供了 JNI 技術,通過 Java 本地接口可以滿足安卓開發人員使用 C++進行應用程序的開發,意味著開發人員可以通過調用計算機視覺庫進行圖像處理和圖像識別相關的開發,這極大的擴大了安卓的應用范圍。

                          醫院專用圖像信息采集系統功能演示:

                        安卓系統架構
                        安卓系統架構

                        用戶登錄界面
                        用戶登錄界面

                        用戶注冊界面
                        用戶注冊界面

                        主界面
                        主界面

                        個人基本信息
                        個人基本信息

                        個人信息數據
                        個人信息數據

                        圖像識別
                        圖像識別

                        識別成功
                        識別成功

                        識別失敗
                        識別失敗

                        目錄

                          專用術語注釋表
                          第一章 緒論
                            1.1 研究背景及意義
                            1.2 國內外研究現狀
                              1.2.1 智慧醫療發展現狀
                              1.2.2 安卓發展現狀
                              1.2.3 圖像識別技術研究現狀
                            1.3 本文主要研究內容及結構安排
                              1.3.1 本文主要研究內容
                              1.3.2 本文結構安排
                          第二章 圖像識別問題理論分析
                            2.1 圖像識別系統
                            2.2 BP 神經網絡
                              2.2.1 人工神經網絡
                              2.2.2 BP 神經網絡模型及應用
                              2.2.3 BP 神經網絡原理
                              2.2.4 BP 神經網絡的改進
                            2.3 圖像預處理技術
                              2.3.1 圖像灰度化
                              2.3.2 圖像二值化
                              2.3.3 圖像形態學處理
                              2.3.4 圖像傾斜矯正
                            2.4 本章小結
                          第三章 醫用信息采集系統搭建
                            3.1 體溫生理信息采集
                              3.1.1 TMP112 傳感器
                              3.1.2 接口電路設計
                              3.1.3 軟件設計
                            3.2 液晶模塊設計
                              3.2.1 液晶顯示器介紹
                              3.2.2 液晶驅動模塊功能
                            3.3 整體硬件設計
                              3.3.1 單片機設計
                              3.3.2 傳感器模塊設計
                              3.3.3 液晶顯示模塊設計
                            3.4 其他生理信息采集
                            3.5 本章小結
                          第四章 基于安卓終端的圖像識別實現
                            4.1 安卓系統開發平臺
                              4.1.1 安卓系統架構
                              4.1.2 開發環境配置
                            4.2 安卓客戶端設計相關技術
                              4.2.1 安卓攝像功能
                              4.2.2 安卓 SQLite 數據庫存儲
                              4.2.3 JNI 原理及應用
                              4.2.4 計算機視覺庫
                            4.3 液晶屏圖像識別的實現
                              4.3.1 圖像預處理
                              4.3.2 字符分割及歸一化
                              4.3.3 圖像特征提取
                            4.4 主要功能模塊設計
                              4.4.1 客戶端功能分析及開發界面分析
                              4.4.2 用戶個人信息模塊設計
                              4.4.3 數據采集模塊
                              4.4.4 數據存儲模塊
                            4.5 本章小結
                          第五章 基于深度學習的圖像識別研究
                            5.1 常用深度學習網絡
                            5.2 卷積神經網絡
                              5.2.1 卷積神經網絡結構
                              5.2.2 卷積神經網絡特點
                            5.3 卷積神經網絡實現手寫數字識別
                              5.3.1 MNIST 數據庫
                              5.3.2 卷積神經網絡實現手寫數字識別
                              5.3.3 本節實驗結果
                            5.4 基于卷積神經網絡的液晶屏七段碼識別
                              5.4.1 液晶屏數字圖片
                              5.4.2 卷積神經網絡實現液晶屏數字圖像的識別
                              5.4.3 本節實驗結果
                            5.5 權值減少
                              5.5.1 參數減少原理
                              5.5.2 實驗結果
                            5.6 本章小結
                          第六章 總結與展望
                          參考文獻
                          附錄 1 攻讀碩士學位期間撰寫的論文
                          附錄 2 攻讀碩士學位期間申請的專利
                          致謝

                        (如您需要查看本篇畢業設計全文,請您聯系客服索。

                        相關內容
                        相關標簽:安卓畢業設計
                        好優論文定制中心主要為您提供代做畢業設計及各專業畢業論文寫作輔導服務。 網站地圖
                        所有論文、資料均源于網上的共享資源以及一些期刊雜志,所有論文僅免費供網友間相互學習交流之用,請特別注意勿做其他非法用途。
                        如有侵犯您的版權或其他有損您利益的行為,請聯系指出,論文定制中心會立即進行改正或刪除有關內容!
                        免费看男阳茎进女阳道视频