医疗数据预计将每两年体积的两倍。这种快速增长的生理数据,与大数据智能的发展,使我们得以从巨大的生理信号中提取的新见解。这包括生物电子信号(例如心电图和脑电图),生物磁效应信号(例如MRI和CT),生化信号(如呼吸的氧气和二氧化碳)的压力,和bioacoustic信号(例如演讲和超声波)。

利用大数据智能医疗的应用程序有可能有助于减少治疗费用,避免可预防的疾病,提高生活质量。然而,当与其他类型的传感器大数据相比,生理数据包含大量的文物和大信号质量的差异。个体内的可变性、数据不一致和不均匀性也阻碍了其在医疗应用程序中使用。此外,如何将大数据智能集成到临床实践仍然是一个问题的讨论。必须克服这些挑战来实现全部潜力和效益,大数据情报可以使医疗保健领域。

这个特殊问题的目的是收集原始研究和评论文章,目前最先进的研究最新进展在大数据智能医疗应用程序,包括评论、算法、平台和应用程序。

潜在的主题包括但不限于以下:

• 机器学习的生理信号分析
• 整体学习(包括分类和聚类)的生理信号
• 联合学习生理信号
• 转移学习生理信号
• 强化学习的生理信号
• 多通道生理信号数据融合
• 深度学习的生理信号处理
• 智能医疗系统的设计和建模
• 云计算对生理信号
• 为生物医学信号处理大数据
• 机器学习卫生信息学和生物信息学
• 生物信号处理
• 生物医学图像分割