基于大數據深度學習的互聯網醫療數據分析

嚴子健 江磊 周瑋

摘 要：基于大數據網絡技術的互聯網醫療數據建模的總體思路可以總結如下三個方面：1、時間依賴性與互聯網醫療數據的異常值檢測密切相關。2、提出用于互聯網醫療異常檢測的LSTM高斯貝葉斯方法。利用LSTM良好的預測性能優勢，使用預測誤差建立高斯樸素貝葉斯模型，并融入貝葉斯模型優秀的分類能力。3、為了學習和處理IIoT時間序列大量、高維、強冗余、低相關性的數據，設計結合特征選擇和深度學習技術的混合架構異常檢測框架，在真實的互聯網醫療數據集上測試。

關鍵詞：深度學習;大數據;互聯網醫療

基于大數據網絡技術的互聯網醫療數據建模和預測應用研究包括機器學習、深度學習、人工智能等在內的醫療保健行業數據分析技術的興起，催生了該行業人口健康管理（PHM）服務的發展。PHM的興起使醫療保健服務的重點從治療和響應轉向預測和預防。強大的預測分析技術能夠在早期識別患者慢性病的風險模式，從而使醫療保健從業者有機會及時采取行動，避免后期的復雜性。預測分析不僅是一種挽救生命的技術，而且還有助于降低患者的治療和治愈成本。

一、數據的可保存性和穩定性提高

數據分析對于緊急護理非常有用。該技術提供的關鍵和實時洞察力為醫生提供了第二次挽救患者生命的機會。除了在緊急情況下的護理協調作用外，該技術還可以幫助護理人員更好地照顧患者并發送有關患者健康的警報。數據系統采用的是數字壓縮技術，這樣在采集過程中所監控到的視頻圖像會被數字化后存儲在硬盤中，存儲的時間長不容易丟失，使數據的穩定性和可靠性能夠得到有效的保證。

二、具有智能化查詢的功能

數據分析具有很大的影響力。通過為組織提供結構化和過濾的數據，該技術使醫療保健從業者能夠為治療添加個性化的觸摸，并通過簡化計費和支付流程來開發無縫的醫療保健體驗。傳統的監視系統在對時間較長的記錄進行查詢時，往往在查找上需要花費大量的時間。但礦用視頻監控系統由于是數字化系統，在查找以前相關記錄時可以利用索引進行快速查找，有效的確保了查找效率的提高。

三、視頻圖像質量較高，畫面清晰易于辨別

互聯網醫療數據視頻監控系統在對用戶進行監控過程中，其畫面不僅所含信息呈較大，而且畫質清晰，能夠隨時對用戶身體狀況進行掌握。同時互聯網醫療數據監控監測系統還可以對其視頻進行重新編輯，從而對畫質進一步優化，確保視頻監控的質量。

該項目主要功能在于為互聯網醫療監測技術做鋪墊，為人類社會在互聯網醫療監測技術上進入下一個大階段。它包含了視頻處理技術、物聯網傳輸技術、紅外線探測技術、圖形分析技術等一些有關于物理學方面以及電器科學的結合應用，使得實驗產品的完善以及在實驗過程中能夠盡可能地解決生活中的實際問題，更大程度上模擬真人醫療健康監測數據。醫療保健服務通過實施強大的數據分析技術和足夠的訓練數據來訓練模型來實現，然后才能密切分析患者的病歷并識別預測疾病潛在風險的關鍵模式，從而充當醫療保健跟蹤系統，為患者提供更快更好的服務。