移动医疗的建设与发展

通过物联网,移动与传统互联网,在生物医学领域产生了大数据.移动医疗云就是通过移动云计算的形式打造医学大数据信息处理平台,分析了移动查房,移动护理,远程监护及医疗设备、物资与医护人员跟踪与管理等多个移动医疗领域的应用,最后针对移动医疗发展中存在的问题及目前国际发展状况,提出了移动医疗最终的发展方向-无边界健康医疗服务模式的新概念.     

大数据技术应用于图书馆信息服务优化的研究

目前,图书馆服务领域大多采用传统线下实体模式,但这种模式与现代用户需求不符,导致传统图书馆服务模式逐渐走向消亡。针对这一现象,众多学者提出在图书馆服务领域应用大数据,即通过大数据技术改变传统图书馆服务模式,形成信息化服务模式,提高服务水平。此概念的提出得到了人们的广泛关注,已有实验性案例出现。为了解大数据在图书馆服务领域的应用表现,笔者分析了大数据的基本功能、大数据图书馆信息服务体系和大数据如何提高服务水平。     

健康医疗大数据资源开放对策研究

随着医疗信息化和生物技术的高速发展,健康医疗大数据已成为健康医疗领域的核心资产。本文综述了目前国内外健康医疗大数据开放平台,分析了典型的健康医疗开放数据集。同时在此基础上,讨论了健康医疗大数据开放面临的挑战,提出了促进健康医疗大数据开放的对策。     

2015年中国医疗服务和健康管理行业IT市场10大预测

新技术驱动的新型医疗服务和健康管理业务冲击和颠覆传统模式IDC最新发布的《中国医疗服务和健康管理行业IT市场2015年10大预测》显示,中国医疗服务和健康管理产业在2014年出现了突破式的发展,互联网医疗、移动医疗、健康管理等新的业务模式在经历了多年的孕育之后开始初具轮廓,并且开始冲击传统的医疗服务模式。IDC中国医疗行业研究与咨询服务部高级研究经理肖宏亮说:"预计在2015年由云计算和大数据等新兴信息化     

医疗大数据及隐私泄露

大数据中的医疗大数据与人类的健康生活息息相关，随着大数据的发展、信息化的加快，医疗卫生信息平台、数字化的医疗设备与仪器迅速普及，导致医疗领域内的数据呈爆炸式增长，且类型繁多、关系复杂。敏感的医疗数据安全问题同样备受关注。医疗数据在为人类的健康提供帮助的同时，保护相关联的敏感数据越来越成为学者、从业者和普通大众所关注的热点。本文从大数据的基本概念入手，通过对现阶段隐私泄露及医疗大数据的相关研究进行分析，结合大数据领域的相关研究对当前隐私泄露行为、保护技术等问题进行分类阐述，希望能为本领域学者的进一步研究有所启示和帮助。     

大数据技术在智慧机场领域的应用研究

随着信息技术的发展,大数据技术在公共服务中的交通、医疗、教育、预测服务等领域得到广泛应用。本文从大数据存储、挖掘、分析和应用等几个角度重点介绍了机场大数据分析平台的构建方法,在机场转型升级方面提供了信息整合及数据分析模式的创新,以大数据技术在智慧机场领域的应用为研究内容,通过多个案例讨论大数据技术在智慧机场中的应用,从而加深人们对智慧机场的认识。     

基于客户侧大数据分析的“云服务”模式研究与应用

为了适应电力体制改革,实现电力企业转型,利用已沉淀的海量客户大数据,创新性地将电力企业现有的数据信息从管理后台推至服务前台,将大数据分析应用延伸到服务领域,构建一种基于客户侧大数据分析的“云服务”模式。通过云服务模式的“去中心化、去组织化”,组织结构从科层制转向高度扁平化;超前把握客户的服务需求,在做好传统市场服务的同时,拓展非传统市场的延伸服务,从能够提供什么产品向客户需要什么产品转型;不断提升客户服务体验,扭转电力企业“强电网”与“弱服务”的矛盾态势,提供多层次、多维度、跨区域、多品类的服务产品,构建电力“供、用、数据、服务”云服务体系。     

百度开放大数据引擎 将先用于政府金融等领域

正百度第四届技术开放日4月24日在北京举行,会上百度正式开放了大数据引擎,将在政府、医疗、金融等传统领域率先开展合作。据悉,百度"大数据引擎"由开放云、数据工厂、百度大脑构成,将大数据存储、分析和智能化处理等一套核心能力通过平台化、接口化的方式对外开放。合作机构和传统企业将能够在线使用百度的大数据架构,处理自身积累的大数据,或融合百度大数据,来改造和优化传统行业的企业管理、产品服务、     

智能化医养融合服务平台关键技术及应用研究

近年来,我国医疗健康和养老服务行业存在资源结构不平衡、医养服务智能化水平低、跨域协同难等问题;同时,缺乏应对重大疫情与突发公共卫生事件的信息化体系与机制。针对上述问题,本文基于大数据、人工智能、物联网、服务计算等新一代信息技术,通过服务模式、服务匹配、医养大数据治理、智能化诊疗服务与智能化辅助诊断机器人等关键技术创新以及智能化医养融合服务平台的研发,通过“互联网+医疗健康”和“互联网+养老”服务体系的深度智能化协同,实现了医疗健康与养老服务的深度融合,解决了医养服务资源整合难、多源多模态数据与异构系统治理难、全流程全周期智能辅助诊疗以及医养融合服务供给难等挑战性问题。     

基于智能健康管理系统新模式的进展与趋势

阐述了健康物联网技术在健康促进领域的应用,基于智能健康管理系统模式的进展与趋势,探索新型的健康医学服务模式与机制,促进基层医疗服务机构由传统的被动医疗服务向主动健康促进服务转变。健康促进物联网将为基层医疗机构和居民提供新型平台服务,为引导医药卫生资源进行适度整合,促进基层医疗卫生机构转变运行机制,主动为居民提供健康管理和健康服务探索可行方法,实现助力新医改。     

基于决策树算法的医疗大数据填补及分类仿真

从大数据的基本特点和医疗大数据研究现状出发,分析处理过程中存在的问题,提出在决策树算法下的医疗大数据填补及分类方法。分析医疗数据的关联规则,采用关联分析(Apriori)算法和频繁模式树(Frequent Pattern Growth,FP-Growth)算法挖掘数据。以挖掘数据为基础填补其中的缺失数据,按照医疗数据特点搭建决策树,并运用ID3和C4.5决策树算法,实现医疗大数据的分类,得出数据分类结果。由仿真得出,与传统方法相比,填补量提高了50%,分类精度提高了11.40%、14.80%,无论从数据的填补方面还是分类方法,上述方法均有较高的应用价值,为医疗大数据体系的构建开辟了新的思路。     

大数据背景下的军队院校图书馆信息服务

信息化社会的高速将人类带入了大数据时代,传统图书馆面临着巨大冲击,图书馆应利用大数据技术实现全面的变革。基于此,本文简单阐述大数据的内涵,分析军队院校图书馆服务现状,重点探讨图书馆信息服务模式的创新研究。     

异构健康大数据诊疗模型的优化算法及应用

随着时代的发展,各种信息化技术不断出现,并在多个不同的领域得到日益广泛的应用,进而极大地改变了众多行业的发展模式.其中,在医疗行业中,经常会产生大量的数据信息.这一背景下,为更好地进行数据管理,提高医疗行业的诊疗水平,可以积极地应用大数据技术.本文对医学健康大数据的内涵进行简要的分析,研究异构健康大数据以及多层次整合建模算法等问题,并结合生物医学大数据的特征,构建疾病诊断及分期的分类和回归模型.之后,结合医疗行业的诊疗情况进行应用分析,提出识别疲劳状态的REDE算法,并从特征数、建模参数等方面对模型在检测疲劳方面的应用问题进行分析.     

数据驱动的医疗实践和管理

随着数字化时代的到来,数据已经成为医疗实践和管理领域的重要资源。医疗数据的广泛收集和分析不仅可以改善患者护理服务,还能提高诊断准确性。数据分析在医疗决策中的应用广泛,包括疾病诊断、治疗个性化、流行病学研究、资源管理及患者监测。数据驱动的医疗管理通过优化资源、改进流程、降低成本,实现了更高效的医疗服务。文章重点分析了数据驱动的医疗实践和管理。     

基于云计算与医疗大数据的Apriori算法优化

医疗数据的参考价值随着医疗技术的发展不断升高,很多临床研究人员将其目标放在医疗大数据中.面对如此庞大的医疗大数据规模,运用传统的储存容量已远远不能满足其数据运算的需求,云计算则可很好解决这个难题.而医疗大数据中所蕴含的信息量过大,将其蕴含信息量的重点提取出来是本次研究的重点.研究主要针对现有的医疗大数据引进了Apriori算法的优化运算,运用Mapreduce优化Apriori医疗数据挖掘算法对医疗大数据进行处理.     

基于互联网与大数据的健康信息服务策略研究

由于传统的健康信息服务策略已经无法满足用户在海量健康数据下的需求,提出了一种基于大数据环境下的健康信息服务策略。该策略通过分层处理用户,将健康信息服务用户分为身体健康用户、身体异常用户和疾病用户3类,并根据不同类别的用户,制定不同的健康信息服务用户模式。在面向高端用户时,系统使用Hadoop框架、MapReduce计算框架以及关联规则挖掘算法精准地挖掘用户健康状况。通过满足不同类别用户的不同健康信息服务需求,大幅度提高了海量数据下健康信息服务水平,降低了个人健康管理的难度。     

基于分布式文件系统的智慧医疗大数据平台

在中国新医改的大背景下,通过信息化手段全面建设并应用数字卫生系统,推动医疗卫生体制改革,解决医疗卫生服务需求与供给关系的平衡成为新的期望。智慧医疗健康大数据平台基于J2EE多层分布式开放基础而开发,遵循SOA面向服务的体系架构,以大型关系型数据库及分布式文件系统为基础,运用大数据与云计算技术,借助信息化手段加快推进省级智慧医疗健康大数据体系建设,实现各级各类医疗卫生数据、综合管理数据、计生数据的交换共享与信息整合。     

关联规则算法在医疗大数据中的应用探索

随着中国互联网越来越快的发展,互联网+、大数据和人工智能技术等最新科技技术也越来越多的渗透到医疗领域,对于提升多种疾病的筛查和诊断效率作用明显,而大数据处理技术上仍然面对着许多难题。本课题针对智慧医疗发展的难点之一,将大数据处理技术和医疗海量数据相结合,应用Apriori关联规则算法在医疗信息系统中海量医疗数据中的应用,发现疾病与其他疾病之间的联系,从而为人们的健康预警及医疗机构对疾病的诊断提供科学依据参考,本文实验数据以心肌炎和胃癌为例,发现与病症相关性强的病因。     

数据挖掘技术在医疗大数据中的应用研究

医疗行业的发展扩大了医疗数据信息种类与数量,这将直接影响医院医疗水平与服务水平和医院核心竞争力。本文以医疗大数据为研究对象,提出了基于遗传算法的K-means 改进聚类方法,并以医疗费用数据为例展开分析,为提高医疗服务质量提供有效数据信息。     

医疗大数据可视化研究综述

随着"互联网+"的迅速发展,医疗大数据不仅数据类型繁多、关系复杂,且呈爆炸式增长,一般的数据可视化方法难以对其进行有效的展示,医疗大数据可视化技术面临巨大挑战。概述了医疗大数据的起源、特点及其研究进展,介绍了医疗大数据可视化的相关概念及其研究现状,将现有医疗大数据可视化方法划分为两大类,分类阐述了常见的医疗大数据可视化方法,给出了包括分类、图例、特性的可视化方法比较一览表。最后分析了医疗大数据可视化中存在的问题,指出其未来研究重点,对医疗大数据可视化方法研究与普及应用具有重要的参考价值。