软计算(SC)技术可以用来解决问题的不精确、不确定性、真理和部分实现温顺和健壮性低计算成本。

这些特性代表SC之间的主要差异和困难的计算技术和提供SC策略的能力处理模棱两可的情况,如不精确和不确定性。出于这个原因,SC技术可以获得近似解的问题没有已知的方法来计算一个确切的解决方案。主要的SC范例包括模糊系统、进化计算、人工神经计算、metaheuristics和群体智慧。

这些特性使SC特别适合医疗数据分析,这是典型的特点是不精确和噪音的存在。此外,SC技术允许轻松地将人类知识,它可以帮助实现更好的解决方案。生物医学数据可能性质不同:文本、图像、信号,等等,这通常包含一个高噪音的存在。

这个特殊问题的整体目标是编译最新的研究和开发,最新的问题,挑战SC及其生物医学应用领域的数据。

潜在的主题包括但不限于以下:

• 医学成像、信号处理和文本分析
• 数据挖掘医疗数据和记录
• 临床专家系统
• 医疗过程的建模和仿真
• 药物分析描述
• 成规保健
• 合理药物设计和个性化医疗
• 生物医学文本/数据挖掘和可视化
• 网络生物/医学
• 解读基因组或宏基因组数据
• 基因表达分析
• 发现监管或表达途径
• 生态系统或种群动态建模
• 发现genome-disease或genome-phenotype协会
• 组学数据分析和功能基因组学对复杂疾病
• 疾病协会基因基因交互作用和基因-环境相互作用
• 分析
• 蛋白质结构预测
• 系统发生学
• 组装下一代序列数据