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)中包含的潛在價值，對提高醫(yī)療服務質(zhì)量、節(jié)約醫(yī)療成本、加強個人健康管理具有重要作用。但是將潛在價值挖掘出來的過程卻充滿挑戰(zhàn)。其中一個問題就是計算負擔的問題，數(shù)據(jù)量的增長、數(shù)據(jù)維度的增長都使得現(xiàn)有的串行計算方式不堪重負，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練階段就耗費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致研究人員訓練出的模型具有較差的泛化能力，在面對真實的數(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，分析算法適應能力較差等問題，本論文研究了當今主流的并行計算方法，來應對這些挑戰(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，結合心電數(shù)據(jù)特點，設計了并行的心拍分割和特征提取方法，再結合算法特點，設計出并行的廣義回歸神經(jīng)網(wǎng)絡用于心拍的分類任務，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，設計出了一種基于智能手機

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