醫(yī)療健康大數(shù)據(jù)的并行處理方法研究.pdf

1、隨著信息技術(shù)的不斷發(fā)展，醫(yī)院內(nèi)信息系統(tǒng)愈加完善，特別是物聯(lián)網(wǎng)、移動醫(yī)療、自動化分析檢測儀、可穿戴設(shè)備的普及，醫(yī)院、醫(yī)生和患者都成了數(shù)據(jù)的直接創(chuàng)造者，每天都會有大量的數(shù)據(jù)產(chǎn)生并存儲。充分挖掘醫(yī)療健康大數(shù)據(jù)中包含的潛在價(jià)值，對提高醫(yī)療服務(wù)質(zhì)量、節(jié)約醫(yī)療成本、加強(qiáng)個人健康管理具有重要作用。但是將潛在價(jià)值挖掘出來的過程卻充滿挑戰(zhàn)。其中一個問題就是計(jì)算負(fù)擔(dān)的問題，數(shù)據(jù)量的增長、數(shù)據(jù)維度的增長都使得現(xiàn)有的串行計(jì)算方式不堪重負(fù)，醫(yī)生如果想從海量臨床記

2、錄中挖掘出有效的信息，可能僅在算法模型訓(xùn)練階段就耗費(fèi)幾小時甚至幾天的時間，數(shù)據(jù)處理的工作會占用醫(yī)生大量寶貴的時間和精力。還有一個問題就是醫(yī)療健康大數(shù)據(jù)的不完整性和時效性常常導(dǎo)致研究人員訓(xùn)練出的模型具有較差的泛化能力，在面對真實(shí)的數(shù)據(jù)時，經(jīng)常表現(xiàn)出較大的精度落差。在醫(yī)療健康大數(shù)據(jù)環(huán)境下，針對現(xiàn)有數(shù)據(jù)分析算法處理能力不足，數(shù)據(jù)分析耗時長，分析算法適應(yīng)能力較差等問題，本論文研究了當(dāng)今主流的并行計(jì)算方法，來應(yīng)對這些挑戰(zhàn)。主要研究內(nèi)容包括:

3、>　　在臨床數(shù)據(jù)方面，研究了CUDA并行平臺，結(jié)合心電數(shù)據(jù)特點(diǎn)，設(shè)計(jì)了并行的心拍分割和特征提取方法，再結(jié)合算法特點(diǎn)，設(shè)計(jì)出并行的廣義回歸神經(jīng)網(wǎng)絡(luò)用于心拍的分類任務(wù)，為心血管疾病的診斷提供輔助信息。在保證較高分類精度的前提下，并行算法使得程序的運(yùn)行效率獲得上百倍的提升，大大縮短了數(shù)據(jù)處理時間，為醫(yī)生節(jié)約出更多的時間，使得醫(yī)生可以將更多的精力放在診療過程中。
　　在個人健康數(shù)據(jù)方面，研究了OpenCL并行平臺，設(shè)計(jì)出了一種基于智能手機(jī)

4、的個性化運(yùn)動分類方法，通過集成在智能手機(jī)中的加速度傳感器和陀螺儀收集運(yùn)動數(shù)據(jù)，設(shè)計(jì)實(shí)現(xiàn)了并行Adaboost-stump算法用于分類模型的訓(xùn)練，對坐、站、走、跑、騎車五種常見的運(yùn)動進(jìn)行分類，并取得了令人滿意的分類精度。OpenCL下的并行設(shè)計(jì)充分發(fā)揮了智能手機(jī)的計(jì)算能力，大大縮短了數(shù)據(jù)處理時間，使得用戶可以便捷、高效地在智能手機(jī)上訓(xùn)練屬于自己的個性化模型。
　　在數(shù)據(jù)分析平臺方面，設(shè)計(jì)實(shí)現(xiàn)了基于并行計(jì)算和機(jī)器學(xué)習(xí)的臨床決策支持系統(tǒng)