基于深度学习的群体医疗数据智能分析系统设计

邢文娜，宁睿

（西安航空职业技术学院，陕西西安 710089）

在医疗领域中，随着互联网、机器学习等高新技术的介入，医疗数据呈指数级增长。医疗数据被广泛应用于药品研发、临床诊断等诸多领域，这对于提高医院资源利用、降低医疗成本与提高医疗效率具有重要的意义。

群体医疗数据分析是指对一个特定区域内的群体进行医疗数据分析，从而得出规律性的结论。有效、精确的分析结果不但可以辅助诊断、优化医疗资源配置，还可以监控群体健康水平，辅助管理决策。在高职院校中，有大量的集体生活群体，对其进行规律性的医疗数据监控，可以有效保障群体的健康水平，及时发现各类疫情或某种原因引起的群体健康事件。数值型的医疗数据监控起来较为简单，而难点在于图形数据的有效分析与监控。

计算机断层扫描（CT）是诊断疾病的有效方法，医生可以通过CT 直观地检查患者的身体结构并有效地分析病情。实际治疗中医生会对每个患者采集数百个医学图像，处理与分析大量医学图像数据是一个较大的挑战，而这些图像数据则能反映出众多的有效信息。

文中提出了一种基于卷积自动编码器神经网络（CANN）的深度学习架构[1]，用于肺结节的分类。首先利用原始图像补丁进行无监督的特征学习，而将少量标记数据用于有监督的微调参数，然后从输入图像中提取特征表示。实验结果表明，所提出的方法可以有效地通过数据驱动的方法提取图像特征，并更快地标注医学数据[2]。……