贝叶斯算法在人体生理状态识别中的应用

论文摘要

目前,随着社会科技的不断进步,我国的医疗服务行业发展迅速,极大的满足了广大人民群众日益增长的医疗消费需求。在当前信息科技不断进步,无线信息传送网络不断完善的同时,医疗卫生领域出现了“远程医疗”这一崭新概念,随之引起了医疗行业的重大变革。远程医疗就是在这种医疗和信息技术不断进步的背景下出现的,是医疗水平和信息技术不断完善的产物。远程医疗的出现为人类提供了更加迅速便捷的医疗服务。据相关资料报道,目前老年人、慢性疾病患者及术后病人的日常监护问题已经成为当前远程医疗服务行业的一个热点问题。本文就远程医疗监护中的人体行为跟踪这一问题进行了一些研究,主要对人体的日常生理状态做实时的监控并对一些异常的步态信息及时报警。同时将人体的一些重要日常行为信息和生理信息做出记录,保存到个人专有数据库中。这样就为将来的医生就诊提供了良好的诊断依据。在上述行为识别监护过程中我们将贝叶斯智能算法引入到行为和步态的识别中,取得了不错的识别效果。本文的人体行为识别过程首先通过无线人体局域网采集人体生理信号,然后对采集来的人体生理信号进行分类处理和判断,将信号离散化。再结合贝叶斯算法达到对一些常见人体生理状态的识别。实验证明,该贝叶斯算法能够有效的进行人体生理状态的识别监控。并且该算法简单可靠,对原始信号数据的要求不高却能达到较高的识别率。此外该算法也可以应用到BSN领域的其他方面。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题背景和现实意义
• 1.2 国内外研究概况
• 1.3 本文的主要内容和结构安排
• 2 无线传感器网络技术
• 2.1 无线传感器网络概述
• 2.2 无线传感器网络在医疗中的应用
• 2.3 BSN开发平台介绍
• 2.3.1 BSN节点
• 2.3.2 传感器模块
• 2.3.3 USB通讯接口
• 2.3.4 电源板和扩展板
• 2.4 本章小结
• 3 贝叶斯算法
• 3.1 贝叶斯理论的提出
• 3.1.1 贝叶斯决策理论
• 3.1.2 贝叶斯理论主要公式
• 3.2 贝叶斯网络
• 3.2.1 贝叶斯网络的由来
• 3.2.2 贝叶斯网络现状
• 3.2.3 贝叶斯网络的构建
• 3.2.4 贝叶斯网络示例
• 3.2.5 贝叶斯网络推理
• 3.2.6 贝叶斯网络的应用
• 3.3 基于贝叶斯算法的人体生理状态识别
• 3.3.1 贝叶斯网络分类算法概述
• 3.3.2 贝叶斯网络模型的建立
• 3.3.3 数据处理
• 3.3.4 贝叶斯网络推理
• 3.3.5 贝叶斯算法先验概率统计
• 3.3.6 贝叶斯算法的自适应
• 3.4 本章小结
• 4 软件设计
• 4.1 .NET开发平台介绍
• 4.1.1 Visual studio 2005
• 4.1.2 C#语言介绍
• 4.2 程序流程图
• 4.3 界面的设计
• 4.3.1 主界面
• 4.3.2 数据采集界面
• 4.3.3 行为识别监控界面
• 4.3.4 异常生理状态报警界面
• 4.4 本章小结
• 5 结果分析
• 总结与展望
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢