越来越多的数据允许研究人员谈论所谓的“大数据”,尤其是在医疗领域,数据目前生产的几种方法。它们可以从临床获得有条不紊地记录在卫生设施的电子记录,从传感器,被广泛用于测量的生理参数,并从实验室。事实上,有多个应用程序的步态分析、姿势控制和康复工程,尤其是老年病人,和人民受神经系统疾病,如中风、帕金森病、阿尔茨海默氏症和亨廷顿氏舞蹈症。

新的实践已被用于从医学图像中提取定量参数:radiomics允许研究人员获得定量描述图像参数。转换为一组图像计算机断层扫描(CT)、磁共振成像(MRI),正电子发射断层扫描(PET)或一组数值变量已经测试,特别是在肿瘤学,然而,希望这也可以应用于其他医学专业。增加数据,计算和数学模型,可用性的创新机器学习、数据挖掘技术和工具显示出潜在的应用在医疗保健。使用这种方法很重要,利用异构大数据,帮助临床医生和医生生产诊断和预后,在那里他们可以更加困难。此外,这些技巧可以帮助检查病态使用数学和工程方法(如仿真模型,为生物医学数据的分析算法,和信号)。这些方法在医学专业的其他潜在应用包括胎儿监测区别健康和病态的胎儿,神经病学和神经科学为上述疾病,康复工程、肿瘤检测腺瘤或肿瘤分级和节点状态,预测心脏病检测冠状动脉疾病,死亡风险等。

这个特殊问题的目的是征求原始研究的文章尤其关注计算模型的应用,机器学习,数据挖掘算法处理生物医学问题,模型医疗数据而不是理论上的贡献。相关评论文章描述最近的方法论进步的一个不同的医学专业也欢迎。

潜在的主题包括但不限于以下:

• 医学图像分析
• 分析生物医学信号分类和回归研究
• 机器学习技术和建模帮助临床医生和医生与预后
• 解决这个问题的不平衡数据集在医学框架
• Radiomic研究在临床的设置
• 利用临床电子记录通过机器学习,提高诊断和计算模型
• 比较生物医学技术,通过机器学习和数学模型
• 语音和音频处理疾病
• 从可穿戴传感器提取特征,通过机器学习和开发他们的潜能,造型
• 使用步态分析和机器学习来克服运动障碍