医疗数据每两年预计每两年增加一次。这种生理数据的产生快速增加，以及大数据智能的发展，使我们能够从大规模生理信号中提取新的见解。这些包括生物电信号（例如，EEG和ECG），生物磁信号（例如，MRI和CT），生物化学信号（例如，呼吸中的氧气和二氧化碳的压力），以及生物声学信号（例如，语音和超声）。

利用医疗保健大数据智能的应用有可能有助于降低治疗成本，避免可预防的疾病，提高生活质量。然而，与其他类型的传感器的大数据相比，生理数据包含许多人工制品和信号质量的大差异。IntrAneIdiviveLiveal的可变性，数据不一致和不均匀性也妨碍了其在医疗保健应用中的用途。此外，如何将大数据智能集成到临床实践中仍然是讨论开放的问题。必须克服这些挑战来实现大数据智能可以带给医疗保健领域的全部潜力和益处。

本特别问题的目的是收集原始研究文章和审查文章，这些文章对医疗保健应用程序中大数据智能内的最新发展的最新发展，包括评论，算法，平台和应用。

潜在主题包括但不限于以下内容：

• 机器学习生理信号分析
• 合奏学习（包括分类和聚类）的生理信号
• 转移学习生理信号
• 生理信号的加固学习
• 生理信号的多模式数据融合
• 生理信号处理的深度学习
• 智能医疗系统的设计与建模
• 云计算生理信号
• 生物医学大数据的信号处理
• 健康信息学和生物信息学的机器学习