人工智能的移动健康数据分析和处理

---

这个特殊的问题是致力于为移动健康应用人工智能数据分析和处理。所有文件在这个问题通过了标准审查的过程移动信息系统。

这个特殊的问题是出于移动健康的最新进展。事实上,物联网(物联网)正在改变电子健康,特别是移动健康(移动医疗)系统。目前,越来越多的固定和移动医疗设备安装在病人的个人网络和医疗设备,临床/家庭和周围环境中收集和发送大量的异构医疗信息系统的健康数据的分析。在这种情况下,机器学习和数据挖掘技术在现实生活中的许多问题变得非常重要。许多这些技术已经发展为健康移动设备上的数据处理和分析。几个移动应用程序基于这些技术已成为一个重要的技术对提高医疗质量的许多疾病的诊断和治疗以及许多疾病。

现有技术用于处理健康数据可以大致分为两类:(a)非人工智能(AI)系统和(b)的人工智能系统。尽管non-AI技术不太复杂的自然界中,大多数的系统遭受不准确和缺乏收敛的缺点。因此,这些系统通常基于ai系统取代了远优于传统的系统。大多是混合在自然界和人工智能技术包括人工神经网络(ann),模糊理论,进化算法。尽管大多数的技术理论上的声音,他们的潜力还没有完全探索实际应用。许多的计算应用程序仍然取决于non-AI系统,限制其实际使用。

这个特殊问题的目标是展示一些机器学习和数据挖掘技术的应用在实际的移动健康应用程序。

在n Larburu等。论文,作者描述和分析的方法,以防止移动心脏衰竭患者呼吸困难通过monitoring-based实时预测模型。该方法是基于移动242心脏衰竭患者的临床资料收集的44个月巴斯克地区的公共卫生服务(Osakidetza)。作者获得最佳预测模型相结合的警报基于监测数据和问卷调查与朴素贝叶斯分类器部署伯努利分布。该预测模型可以减少明显错误的警报。

在l . Yung-Hui等。论文,作者提出一种基于眼底图像的计算机辅助诊断糖尿病视网膜病变的方法使用一个深卷积神经网络(DCNN)。与传统的DCNN方法,作者用部分代替常用的max-pooling层最大池。使用他们的方法,作者实现了识别率高达86.17%,优于国家的艺术。与发达的技术,作者开发了一个应用程序称为“深度视网膜。“配备这个程序和手持检眼镜,一个普通人可以眼底图像,获得直接的结果,计算了发达的算法。

在他们的手稿,v . s . Kublanov等人描述组织原则的移动hardware-informational系统基于多因子的neuroelectrostimulation设备。系统实现了两个街区。第一个表格空间分布式领域低频单极脉冲多元素两个电极之间在颈部区域和第二个构成的专业控制接口由一个智能手机。

在g . Kostopoulos等。论文,作者描述一个指导老年人使用机器学习技术开发平台,支持“活到老,学到老”的概念。这个平台被称为“卑廖”支持不同的非正式沟通的机会通过视频等多种功能,文字聊天、电子邮件、博客和论坛。它也提供给终端用户不同的指导角色的机会。

b·f·Smaradottir等人出现在他们的手稿画外音的用户评价,一个内置的屏幕阅读器在苹果公司(Apple inc .)产品,手势交互的详细分析,由视觉残疾用户熟悉和培训,系统响应。规定的评估是由六个参与者与视觉残疾一个可用性实验室受控条件下。收集到的数据通过使用混合方法分析了评价方法基于定量和定性的措施。

在a。r . Dargazany et al的论文,作者介绍了可穿戴深度学习(WearableDL)的概念,这是一个统一的概念架构受到人类的神经系统,提供深度学习的收敛,物联网,和可穿戴技术。在拟议的架构中,大脑代表深度学习云计算和大数据处理、脊髓代表雾计算和物联网大数据传输,和周边感觉和运动神经代表可穿戴技术优势大型数据采集设备。

我们想要感谢作者的贡献和论文的评论者对他们的帮助使这个问题到目前的形式。

的利益冲突

编辑宣布没有利益冲突有关的出版这个特殊的问题。

乔凡娜Sannino
Nizar Bouguila
朱塞佩·德·彼得罗
安东尼奥Celesti

版权

版权©2019乔凡娜Sannino等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。