医疗大数据的关键技术及其发展趋势.docxVIP

PAGE 1 PAGE 1 医疗大数据的关键技术及其发展趋势  由于医疗大数据涉及到电子病历、医学影像、医院视频等多种类型的数据，下面针对不同类型的数据对象，简要介绍医疗大数据分析的关键技术。  医疗大数据的关键技术及其发展趋势  由于医疗大数据涉及到电子病历、医学影像、医院视频等多种类型的数据，下面针对不同类型的数据对象，简要介绍医疗大数据分析的关键技术。  1.面向医疗电子病历的结构化信息抽取  电子病历(ElectronicMedicalRecord，EMR)是指医务人员在医疗活动过程中，利用电子设备生成的文字、符号、图表、图形、数据、影像等不同种类的数字化医疗信息，实现存储、管理、传输和重现的医疗记录，并蕴含着富有价值的信息。自由文本形式是电子病历数据的主要格式，没有严格的语法和句法结构，且包含大量名词缩写和名词短语，甚至还存在医生书写记录时的拼写错误，是典型的非(半)结构化数据。面向电子病历的结构化信息抽取，主要涉及医疗命名实体及其属性识别、医疗学问图谱构建和医疗学问图谱应用等几个方面。  医疗命名实体识别的主要任务包括：①疾病、症状、手术、医疗检查等医疗命名实体的识别;②相关命名实体的属性识别，核心在于否定触发词的探测(NegationDetection)与识别，例如某疾病史的有无、某症状的程度等;③命名实体之间的关联分析，利用不同命名实体或概念之间的共现关系，建立命名实体之间的联系。目前，医疗命名实体识别主要利用自然语言处理、信息抽取等技术对电子病历文本进行分析，命名实体抽取一般采用基于词典和规则的方法，基于隐马尔科夫模型、SVM等机器学习方法。  医疗学问图谱构建，是指在医疗命名实体及其属性信息抽取的基础上，构建不同命名实体之间的关联模型，现有的主要方法包括马尔可夫随机场、贝叶斯网络等概率图模型方法。  医疗学问图谱应用，则是利用医疗学问图谱，面向医疗的实际应用需求，建立挂号咨询、医疗辅助诊断、疾病治疗预案等实际应用系统。  2.面向医学影像的数据分析  随着信息技术及医学影像技术的发展，医学图像处理在临床中发挥着越来越重要的作用，对推动医学科学研究和临床的进步发挥了重要作用。  面向医学影像的数据分析研究重点在于如何利用图像分析理论和方法成果，结合临床医学的实际需求，探索面向医学影像分析的新方法、新技术，进而实现高效定量分析与可视化，降低疾病诊断与治疗的盲目性和不牢靠性，为临床医生精确诊断，快速地制定治疗方案和有效地评估治疗效果供应重要支持。  目前的研究主要集中在两个方面：一是医学影像处理研究包括医学影像的增加、分割、配准、融合以及三维重建等，这些技术为医学影像数据应用供应技术支撑;二是医学图像的分析，通过对医学影像的模式识别与分类，实现对医学图像的自动标注，并依据图像的特征及标签为图像建立索引，以实现后期用户的图像检索任务。  3.面向医院监控视频的智能分析  随着视频监控技术和物联网技术的发展，目前各个医院安装了大量摄像头，尤其在住院病房，通过视频监控可以对病人的异常行为、医护人员的日常工作等进行实时监控。  传统的视频监控系统主要用于日常调度和事后取证，需要专人监控并分析监控画面，成本昂扬且效率低下。  近年来，面向医院的智能视频监控系统的研究、设计和实现已经引起了学术界和工业界的广泛关注。2013年，美国CMU的CAREMEDIA项目，将智能视频监控系统应用于监护中心，该系统可以自动识别医护人员和患者的日常行为(如行走、交谈、诊断、肢体冲突等)，并对异常行为实时预警。  4.医疗大数据的数据治理体系  医疗大数据涉及的数据类型多样，数据掩盖面广，服务用户多样，如何构建以病人、医生、医院和政府等多中心的数据治理体系，进而面向不同的用户供应不同的数据视图和分析结果，也是医疗大数据研究中的重要问题。  在现有医院各类信息系统(HIS、PACS等)的基础上，构建面向分析的数据环境是实现大数据分析的前提。一方面，从数据驱动动身，在数据层面上，实现面向主题(Subject-oriented)的数据组织、多个不同数据源的数据集成、反映医疗数据的时空变化的数据环境，是医疗大数据组织存储的基本要求;另一方面，从平台层面动身，需要利用云技术，构建新的运行环境，满意海量数据的存储要求。目前，国内在该方面的研究亟待加强。  5.医疗大数据的隐私保护技术  医疗数据中包含大量的患者个人的隐私信息，该数据的扩散性使用特别简单导致隐私信息的泄露，一旦发生数据隐私泄露，将损害患者人格和尊严，甚至给患者的健康或者生活