5克的出现大大促进了远程医疗的发展时代。然而,随着医疗设备升级,这将导致获得的医疗数据的数量呈指数增长,成为高维数据,多元化,multi-structured。医学大数据包括物理参数、生化指标、肌电图(EMG)信号,脑电图(EEG)信号,x射线图像,超声波,和文本文件等。

发现隐藏在大量的有价值的知识和不规则数据是具有挑战性的工作。一个新的有效的方法来处理医疗大数据是使用人工智能(AI)技术,主要包括三个任务:监督学习,semi-supervised学习和无监督学习。监督学习是主要用于疾病诊断和预测的医疗事件,而非监督学习和semi-supervised学习主要用于挖掘潜在的关联信息在医疗功能。学习的目的是要找到原始数据中的有用信息。一般来说,收集医疗原始数据预处理,包括数据去噪、灌装、降维,和转换。然后构造数学模型,解决了用统计方法,非线性优化和智能算法等技术。

这个特殊问题的目的是收集近期建设创新研究为医学大数据处理的数学模型和讨论最新的机器学习方法处理医疗数据。我们也旨在收集最新的关联规则挖掘方法,分类挖掘和分析方法,聚类分析方法,异常挖掘和分析方法和疫情监测和预测模型。我们欢迎原始研究和评论文章。

潜在的主题包括但不限于以下:

• 在医疗数据特征选择技术
• 在医疗数据特征提取技术
• 数据降维方法在医学数据
• 基于医疗数据的疾病诊断和治疗
• 疫情监测和预测模型基于医疗数据
• 不正常的医疗数据的挖掘和分析模型
• 慢性病预防模型基于医学大数据
• 医疗数据关联规则发现基于深度学习
• 基于深度学习的健康管理模式
• 多源医疗数据融合