医疗保健需要来自患者的大量数据。人工智能(AI)是以现有数据为基础进行决策的数学模型或算法为基础的技术。它模拟了人类的决策能力。在训练阶段，开发了一种基于无监督学习和推理的自校正方法。经过多年的研究和发展，人工智能最近才发展起来。它具有识别和纠正不确定性问题的能力。它通过使用无监督数据分析和深度学习方法来做到这一点。为了让人工智能成为我们日常生活中更方便的工具，我们必须采取无监督学习原则，提高基于健康的应用系统的效率和准确率。

与此同时，随着健康监测和疾病诊断的自动化变得越来越重要，智能医疗应用正变得越来越重要。它们通常用于基于无监督学习的健康指数监测、药物发现、医学成像诊断、阿尔茨海默病、基因组学等。不幸的是，一些物流和供应问题可能会导致医疗系统的过程失败。无监督学习可用于克服限制并提高医疗保健应用程序的效率。研究将医疗保健应用、人工智能与深度学习算法、无监督学习方法连接起来，可以改善医疗保健系统流程。医疗保健是一个优先事项，研究人员正在不断寻找更好的解决方案。

本期特刊的目的是汇集原创研究和综述文章，突出医疗保健领域无监督学习和深度学习方法的挑战和趋势。

潜在的主题包括但不限于以下内容:

• 基于大数据的智能健康监控与管理
• 基于无监督学习的智能疾病诊断
• 基于计算机视觉技术的医疗机器人与成像诊断
• 基于无监督学习的药物研发
• 电子病历中的自然语言处理与语音技术
• 智能无监督学习护理系统
• 基于智能算法和数学建模的流行病预测