【综述专栏】华盛顿大学陈一昕: 深度学习在健康检测数据中的应用

Original 综述专栏机器智能研究MIR 2022-05-21

收录于合集 #IJAC特约好文 70个

IJAC导读

当前，深度学习已经应用于越来越多的领域，并取得了许多积极成果，其中，医疗健康便是一个前景广阔的研究方向。华盛顿大学陈一昕教授团队集中讨论了深度学习在医疗健康各个领域(医学影像处理除外)中的应用。通过系统地回顾这些研究成果，帮助读者更好地从宏观层面把握该领域的研究现状。

来自Springer

大数据时代，处于核心地位的”数据”显得无比重要。信息技术的快速发展推动了数据处理能力的不断提升，这一上升趋势在医疗健康领域尤为突出。传统的医疗数据，包括人口统计信息、病历、医学影像、实验测试、药物治疗、诊疗过程等，大多通过信息系统（如：医院信息系统、实验室信息系统、图像存储与传输系统等）进行收集、标准化处理及存储。

新技术的出现，如穿戴设备、医学网站、药物研发、基因测试，使得医疗数据的种类和范围进一步扩大，数据的数量也进一步增加。这些数据经过智能分析后，将给疾病诊断、治疗、决策支持、药物处方、疾病预测、疗效评价等工作带来很大帮助。如何在海量医疗健康数据中提取有用信息，是一个亟待解决的问题。

来自网络

对于"深度学习"的研究可追溯至2000年左右。近年来，深度学习技术在图像识别、语音识别和自然语言处理等方面取得了显著的优势。深度学习技术的成功，从侧面体现了它在对复杂数据建模的强大能力。当前，深度学习已经应用于越来越多的领域，并取得了许多积极成果，其中，医疗健康便是一个前景广阔的研究方向。

来自文章

深度学习技术在计算机视觉、图像处理方面的成功应用可以直接拓展至医学影像处理领域，如成像、图像分割、图像识别、病灶检出等方面，由此催生出大量关于医学影像处理的研究。仅最近三到五年，就已经有上千篇相关论文发表。然而，如前文所述，医疗健康研究不仅仅局限于医学影像处理，不少学者将深度学习应用于分析除医学影像外的其他医疗数据，取得了诸多可喜成果。

陈一昕教授团队集中讨论了深度学习在医疗健康各个领域(医学影像处理除外)中的应用。通过系统地回顾这些研究成果，帮助读者更好地从宏观层面把握该领域的研究现状。此外，本文作者还分享了其将深度学习应用于医疗健康领域的研究经验。本文将研究领域划分为7大类，分别为：EHR、ECG、EEG、社群医疗数据、可穿戴设备数据、药物分析及基因组学分析。

Applying Deep Learning to Individual and Community Health Monitoring Data: A Survey

深度学习在健康检测数据中的应用

Zhen-Jie Yao, Jie Bi, Yi-Xin Chen

在线阅读：

https://rdcu.be/6rwV

全文下载：

https://link.springer.com/article/10.1007/s11633-018-1136-9

文章结构

论文第一部分为引言，第二部分概述了常用的深度学习算法，包括其优点和不足，第三部分详细讨论了深度学习在医疗健康各个领域的相关应用，第四部分分析了深度学习应用于医疗健康领域面临的局限和挑战，第五部分是本文的结论及研究展望。

全文信息

摘要：

In the recent years, deep learning models have addressed many problems in various fields. Meanwhile, technology development has spawned the big data in healthcare rapidly. Nowadays, application of deep learning to solve the problems in healthcare is a hot research direction. This paper introduces the application of deep learning in healthcare extensively. We focus on 7 application areas of deep learning, which are electronic health records (EHR), electrocardiography (ECG), electroencephalogram (EEG), community healthcare, data from wearable devices, drug analysis and genomics analysis. The scope of this paper does not cover medical image processing since other researchers have already substantially reviewed it. In addition, we analyze the merits and drawbacks of the existing works, analyze the existing challenges, and discuss future trends.

关键词：

Deep learning, healthcare, electronic health records (EHR), neural networks, survey.

全文下载：

SpringerLink:

https://link.springer.com/article/10.1007/s11633-018-1136-9

感谢论文第一作者姚振杰博士及陈一昕教授对文章内容的修改及审核！

好文推荐

【综述专栏】陈恩红: 社交网络的信息传播分析及其应用

【精选好文】乔红团队：精密工件测量和检测新方法

【综述专栏】轮廓检测方法综述

【专家观点】你的工作，会被机器取代吗？

【综述专栏】王田苗：智能机器人研究现状及发展趋势思考与建议