感兴趣的目标结构的健康监测和诊断是通过在互联网上收集的数据的解释的事情。可穿戴式医疗器械的快速进步、技术和数据采集工具导致了大数据的新时代,实质性的和多样化的不同的传感器收集的数据。这大量的健康数据,通常被称为大医疗数据,不能轻易地处理传统数据处理算法和应用程序。物联网的医疗(IoMT)可以提高决策过程为未来的卫生保健系统和疾病的早期诊断。因此,有必要对可扩展的机器学习,深入学习,智能算法,导致更多的互操作解决方案。这些解决方案可以为新兴医疗数据驱动的需求做出有效的决策。可访问性的健康监测数据资源提供了空间。

然而,当前的挑战是来自多个传感器的数据聚合的决定。也有挑战融入健康监测的数据。融合是一个多域发展的领域。它主要分为上下文信息,观测数据,复杂的健康数据,和学到的知识。医疗数据融合系统提供动态变化的情况下通过集成传感器,结果,知识库、数据库、用户任务,和上下文信息。

这个特殊的问题旨在汇集原始研究和评论文章报道新颖的方法,理论,技术,技术和大型医疗数据分析在医疗保健系统的解决方案。这个特殊的问题还希望解决这些主题在多个抽象级别,从数学模型,提供的服务,优化,short-or-long-range卫生信息学和接口的具体实现方法。提交讨论的最重要的和相关的进步要克服的挑战与复杂的数据分析和处理通过IoMT欢迎。特别是,鼓励作者提交研究考虑当前和潜在应用大复杂的卫生保健系统。

潜在的主题包括但不限于以下:

• IoMT-enabled智能医疗的医疗数据分析
• 计算复杂度IoMT-enabled健康数据分析
• 医学成像与信号处理和精密医学IoMT
• Cyber-physical系统和区块链复杂的健康数据
• 云计算对于复杂的健康数据
• 环境敏感医疗数据的安全和隐私
• 大规模的医疗数据分析工具和技术
• 复杂的生物医学IoMT复杂的数据处理
• 机器学习在IoMT-enabled健康数据分析和深度学习的方法
• 智能决策对大型医疗数据分析
• 数据驱动的数学模型对于复杂的健康数据分析
• 建模、仿真和分析复杂的卫生系统的弹性