一個藥物臨床試驗移動互聯(lián)網(wǎng)招募平臺的設(shè)計與實現(xiàn)
發(fā)布時間:2021-08-25 00:05
藥物臨床試驗是指通過人體志愿者也稱為受試者進(jìn)行的生物學(xué)科學(xué)研究。藥物臨床試驗的受試者一般由醫(yī)院的研究者負(fù)責(zé)招募,受試者的來源主要是日常就診的患者。由于患者數(shù)量有限,經(jīng)常導(dǎo)致受試者招募無法按期完成。受試者招募是藥物臨床試驗最重要的環(huán)節(jié),招募效率低下將直接導(dǎo)致臨床試驗項目超期,不但延誤了新藥的上市時間,也為藥物研發(fā)機(jī)構(gòu)帶來了損失。隨著移動互聯(lián)網(wǎng)和智能手機(jī)的普及,使用手機(jī)APP獲得資訊和服務(wù)已成為趨勢,移動互聯(lián)網(wǎng)已經(jīng)擁有了廣泛的用戶基礎(chǔ)。通過建立一個基于移動互聯(lián)網(wǎng)的受試者招募平臺,既可以幫助患者便捷的找到合適的臨床試驗,又可以解決受試者招募困難的問題。本課題研究了基于移動互聯(lián)網(wǎng)的藥物臨床試驗招募平臺的設(shè)計與實現(xiàn)。通過對藥物臨床試驗領(lǐng)域進(jìn)行調(diào)研,針對受試者招募這一瓶頸問題,設(shè)計并實現(xiàn)了基于Android的受試者招募平臺APP原型系統(tǒng)。具體工作內(nèi)容有:1、本平臺為患者提供了藥物臨床試驗搜索、試驗報名模塊,力圖解決患者尋找藥物臨床試驗難的問題。同時,針對招募者提供了報名管理功能,提高了受試者招募效率。2、本課題基于現(xiàn)有的人工智能推薦算法,針對藥物臨床試驗領(lǐng)域的特點,設(shè)計并實現(xiàn)了基于CB(基于內(nèi)容的...
【文章來源】:東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:77 頁
【學(xué)位級別】:碩士
【部分圖文】:
Android系統(tǒng)架構(gòu)圖
第二章 相關(guān)技術(shù)概述UI 界面的繪制、用戶交互處理。Android 中的 Activity 處于 MVP 框架;樱珹ctivity 通過接口與 Presenter 進(jìn)行交互,以降低代碼耦合度l存儲、檢索、操作等工作。常實現(xiàn)一個 Model interface 減低耦合度nter 層與 Model 層交互的中間媒介,負(fù)責(zé)處理用戶交互的復(fù)雜業(yè)務(wù)邏輯
通過使用余弦公式,可以很好的解決推薦模型中的似度計算問題。過濾推薦算法濾是一個非常重要的個性化推薦技術(shù),它本質(zhì)上是向目標(biāo)用戶去推薦與他具喜歡的產(chǎn)品[30]。Schafer 和 Frankowski 等[29]提出了兩種不同的協(xié)同過濾推薦過濾推薦是基于用戶間相似度來進(jìn)行預(yù)測,基于物品的協(xié)同過濾推薦是基于測。用戶的協(xié)同過濾推薦推薦中使用最為廣泛的一種方法就是基于用戶的協(xié)同過濾(user-based CF),目標(biāo)用戶具有相同興趣愛好的用戶感興趣的項目推薦給目標(biāo)用戶[39]。需要計算用戶 u 對物品 i 的興趣,公式如下(可以和基于物品的協(xié)同過濾仔∑ ∈ ( )(i)表示對物品 i 有過打分行為的用戶集合, 是用戶 u 和用戶 v 的相似度,打分。以圖書銷售系統(tǒng)為例:
本文編號:3360983
【文章來源】:東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:77 頁
【學(xué)位級別】:碩士
【部分圖文】:
Android系統(tǒng)架構(gòu)圖
第二章 相關(guān)技術(shù)概述UI 界面的繪制、用戶交互處理。Android 中的 Activity 處于 MVP 框架;樱珹ctivity 通過接口與 Presenter 進(jìn)行交互,以降低代碼耦合度l存儲、檢索、操作等工作。常實現(xiàn)一個 Model interface 減低耦合度nter 層與 Model 層交互的中間媒介,負(fù)責(zé)處理用戶交互的復(fù)雜業(yè)務(wù)邏輯
通過使用余弦公式,可以很好的解決推薦模型中的似度計算問題。過濾推薦算法濾是一個非常重要的個性化推薦技術(shù),它本質(zhì)上是向目標(biāo)用戶去推薦與他具喜歡的產(chǎn)品[30]。Schafer 和 Frankowski 等[29]提出了兩種不同的協(xié)同過濾推薦過濾推薦是基于用戶間相似度來進(jìn)行預(yù)測,基于物品的協(xié)同過濾推薦是基于測。用戶的協(xié)同過濾推薦推薦中使用最為廣泛的一種方法就是基于用戶的協(xié)同過濾(user-based CF),目標(biāo)用戶具有相同興趣愛好的用戶感興趣的項目推薦給目標(biāo)用戶[39]。需要計算用戶 u 對物品 i 的興趣,公式如下(可以和基于物品的協(xié)同過濾仔∑ ∈ ( )(i)表示對物品 i 有過打分行為的用戶集合, 是用戶 u 和用戶 v 的相似度,打分。以圖書銷售系統(tǒng)為例:
本文編號:3360983
本文鏈接:http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/3360983.html
最近更新
教材專著