點擊上方藍字關注我們

醫學是人類重點關注的領域之一。醫學水平與人類健康息息相關，醫學的進步是人類健康生活的重要保障。醫學領域包括醫療、生物、藥物等多個方面，每天產生的數據在EB級以上，醫學數據是典型的大數據。采集、分析并挖掘醫學大數據中的高價值信息對于利用信息技術開展醫學研究、提升臨床醫療診斷水平、發現新藥物、開展基因分析與各類生物實驗等具有重要的意義。《大數據》期刊專門策劃了“醫學大數據”專題，旨在闡述醫學大數據領域的科學問題、研究方法，展示醫學大數據領域的最新研究成果，開拓學者的研究視野。本期“醫學大數據”專題共收集4篇學術論文。

陳恩紅等人撰寫的《一種基于深度神經網絡的臨床記錄ICD自動編碼方法》，針對國際疾病分類（international classification of diseases，ICD）自動編碼問題，提出了一種基于多尺度殘差圖卷積網絡的自動ICD編碼方法，采用多尺度殘差網絡捕獲臨床文本的不同長度的文本模式，并基于圖卷積神經網絡抽取標簽之間的層次關系，以加強自動編碼能力。在真實醫療數據集MIMIC-III上的實驗結果表明，該方法在所有指標上均優于現有的模型，顯著提高了預測性能。

彭紹亮等人撰寫的《基因組大數據變異檢測算法的并行優化》，針對海量基因組大數據中的序列比對和變異測序分析問題，采用OpenMP、MPI等技術，對比對算法和測序算法進行了多級并行優化，在不同數據集和并行規模下的測試結果顯示，新算法在保證精度的前提下獲得了良好的并行性能和可擴展性，有效提高了基因組大數據變異檢測能力。

孔桂蘭等人撰寫的《醫療大數據在學習型健康醫療系統中的應用》，總結了醫療大數據與學習型健康醫療系統（learning health system，LHS）的發展現狀，給出了LHS的典型應用，闡述了醫療大數據在LHS中的應用方法和特點，對于推動個性化醫療與精準醫學的發展具有重要的意義。

唐艷等人撰寫的《基于生成對抗網絡的醫學數據域適應研究》，提出了一種基于生成對抗網絡的方法，以解決在基于深度學習方法的醫療影像輔助診斷技術中因訓練數據集樣本少導致的預測模型精度低的問題，并針對男女腦影像的差異性研究開展了相關實驗，證明了所提出的方法能在一定程度上提升預測模型的泛化能力，緩解由于某個域訓練樣本較少導致的預測模型在該域測試數據上表現不佳的問題。

由于篇幅有限，本專題不能涵蓋醫學大數據的方方面面。但仍然希望通過闡述醫學大數據的重點研究方向，推動醫學大數據的進一步發展。

作者簡介

鄒北驥（1961-），男，博士，中南大學計算機學院教授、博士生導師，曾任中南大學信息科學與工程學院院長。中國計算機學會杰出會員，擔任教育部計算機專業類教學指導委員會委員、湖南省普通高等學校計算機專業類教學指導委員會主任、湖南省高等教育學會計算機教育專業委員會理事長等職務。長期在計算機視覺、數字圖像處理、計算機輔助設計與圖形學和醫療大數據分析等領域從事研究工作，先后主持國家自然科學基金項目4項，國家863計劃項目2項，國家973項目子課題1項，國家重大研究計劃“人工智能2030”課題1項和企業委托項目20余項。在國內外權威期刊和學術會議上發表論文120余篇。獲湖南省教學成果獎一等獎1項，湖南省自然科學獎二等獎1項和科技進步獎三等獎1項 。

大數據期刊

《大數據（Big Data Research，BDR）》雙月刊是由中華人民共和國工業和信息化部主管，人民郵電出版社主辦，中國計算機學會大數據專家委員會學術指導，北京信通傳媒有限責任公司出版的期刊，已成功入選中文科技核心期刊、中國計算機學會會刊、中國計算機學會推薦中文科技期刊，并被評為2018年國家哲學社會科學文獻中心學術期刊數據庫“綜合性人文社會科學”學科最受歡迎期刊。

關注《大數據》期刊微信公眾號，獲取更多內容

總結

以上是生活随笔為你收集整理的专题导读：医学大数据的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。